Oleh: Siti Keyla Cinta Zahra*
DIREKTUR Jenderal WHO, Tedros Adhanom Ghebreyesus, pernah mengingatkan bahwa kecerdasan buatan adalah alat dengan potensi besar, tetapi yang terpenting adalah bagaimana kita menggunakannya. Pernyataan itu terasa relevan bagi dunia gizi Indonesia.
Survei Kesehatan Indonesia 2023 mencatat prevalensi stunting balita 21,5 persen, wasting 8,5 persen, underweight 15,9 persen, dan overweight 4,2 persen. Angka-angka itu menunjukkan bahwa masalah gizi kita punya dua wajah: kekurangan sekaligus kelebihan. Kabar baiknya, upaya selama ini membuahkan hasil. Survei Status Gizi Indonesia 2024 mencatat stunting nasional turun dari 21,5 persen menjadi 19,8 persen. Namun, angka itu belum cukup untuk berpuas diri.
Data yang Berhenti di Catatan
Di lapangan, tenaga kesehatan memegang banyak informasi: pertumbuhan anak, pola makan, riwayat sakit, hingga kondisi keluarga dan lingkungan. Persoalannya, informasi itu sering tersebar dan butuh waktu untuk dianalisis. Selama data belum terbaca, peluang bertindak lebih dini ikut menyempit.
Baca Juga: Tol dan Kereta Api di Kalbar: Jangan Sampai Jalan Maju, Ekonomi Lokal Berlalu
Di sinilah teknologi bisa membantu. Tinjauan terhadap berbagai systematic review yang dipublikasikan di The Lancet Digital Health (2023) mengaitkan teknologi kesehatan digital dengan peningkatan kinerja tenaga kesehatan, praktik klinis, serta akses layanan. Sementara itu, scoping review terhadap 198 artikel oleh Wu dan kawan-kawan (2025) menunjukkan bahwa penelitian kecerdasan buatan (AI) untuk precision nutrition berkembang pesat. Sekitar 75 persen artikelnya terbit sejak 2020. Yang dimaksud gizi presisi (precision nutrition) adalah intervensi yang disesuaikan dengan karakteristik dan kondisi setiap orang, bukan resep yang sama untuk semua.
Jurang antara Laboratorium dan Posyandu
Ada masalah yang jarang dibicarakan. Tinjauan sistematis Janssen dan kawan-kawan (2024) menemukan bahwa lebih dari 90 persen model AI untuk malnutrisi belum dipakai dalam praktik klinis sehari-hari. Teknologinya ada, tetapi tidak sampai ke meja pelayanan.
Artinya, tantangan kita bukan hanya menciptakan teknologi. Kita perlu memastikan teknologi itu masuk ke alur kerja tenaga kesehatan dan tidak menggantikan mereka.
NUTRI-AI: AI Membaca Pola, Tenaga Kesehatan Memahami Manusia
Dari kesenjangan itu lahir gagasan NUTRI-AI, sistem pendukung keputusan digital untuk tenaga kesehatan. Ia berbeda dari aplikasi yang memberi rekomendasi makanan langsung kepada masyarakat. Sistem ini tidak mendiagnosis dan tidak menggantikan pertimbangan profesional.
Baca Juga: Cara Cerdas Menyikapi Dunia
Alurnya terdiri atas lima tahap yang disebut 5D. Pertama, detect: mengenali individu dengan pola risiko dari data pemantauan. Kedua, data: memadukan data antropometri, pola konsumsi, riwayat penyakit, serta faktor keluarga dan lingkungan. Ketiga, decide: memetakan prioritas, lalu diverifikasi oleh tenaga kesehatan. Keempat, deliver: memberikan intervensi sesuai hasil asesmen dan kondisi individu. Kelima, document: mencatat tindak lanjut dan memantau perkembangan.
Sebagai gambaran, seorang bayi delapan bulan datang ke posyandu dengan pola pertumbuhan yang berubah. Data pertumbuhannya dimasukkan ke sistem bersama informasi tentang makanan pendamping ASI, riwayat sakit, dan kondisi keluarga. Sistem menandai prioritas, tetapi tanda itu bukan diagnosis. Nutrisionis yang memverifikasi, menggali kondisi keluarga, mempertimbangkan faktor sosial-budaya, lalu menentukan tindakan. Prinsipnya sederhana: AI membaca pola, tenaga kesehatan memahami manusia.
Kompetensi Digital, Syarat yang Tak Bisa Ditawar
Sebaik apa pun sistemnya, ia tidak berarti tanpa tenaga kesehatan yang siap. Mereka tidak cukup hanya bisa mengoperasikan aplikasi. Mereka perlu memahami kualitas data, menafsirkan keluaran AI, mengenali kemungkinan kesalahan, menjaga keamanan informasi, dan mengomunikasikan hasil asesmen kepada masyarakat.
Tinjauan sistematis Longhini dan kawan-kawan (2024) menegaskan bahwa kompetensi digital tenaga kesehatan, yang mencakup pengetahuan, penggunaan teknologi, serta kesiapan dan sikap, masih perlu terus dikembangkan. Kampus bisa memasukkan literasi AI dan analisis data ke pendidikan tenaga kesehatan. Pemerintah dan fasilitas layanan bisa menyediakan pelatihan dan pendampingan berkelanjutan.
Mengakui Risiko
Sistem ini punya batas. NUTRI-AI bergantung pada kelengkapan data dan kesiapan infrastruktur digital. Risiko kebocoran data, bias algoritma, kesenjangan akses teknologi, dan ketergantungan berlebihan pada AI harus diantisipasi sejak awal. Karena itu, penerapannya perlu disertai perlindungan data, pembatasan akses, evaluasi berkala, dan verifikasi oleh tenaga kesehatan, sejalan dengan penekanan WHO pada tata kelola, etika, keamanan, dan pemerataan.
Baca Juga: Menjaga Sabuk Informasi di Wilayah Perbatasan
Penerapannya pun sebaiknya bertahap: pengembangan sistem dan pelatihan, uji coba terbatas di fasilitas kesehatan, lalu evaluasi dan penyempurnaan. Keberhasilan bisa diukur dari kelengkapan data, jumlah tenaga kesehatan terlatih, jumlah individu berisiko yang teridentifikasi, jumlah tindak lanjut intervensi, dan perubahan indikator status gizi.
Bertindak Lebih Dini
Transformasi intervensi gizi tidak cukup dengan menambahkan teknologi ke layanan yang sudah ada. Ia membutuhkan tenaga kesehatan yang memadukan ilmu gizi, keterampilan digital, kemampuan membaca data, dan pemahaman terhadap manusia yang dilayani.
AI dapat mempercepat pembacaan pola, tetapi keputusan tetap di tangan tenaga kesehatan. Ketika kecanggihan teknologi berjalan bersama kompetensi dan kemanusiaan, data tidak lagi sekadar angka. Ia menjadi dasar untuk bertindak lebih dini, lebih tepat, dan lebih sesuai kebutuhan, dan dari sanalah generasi yang sehat dan berkualitas bisa dimulai.**
*Penulis adalah mahasiswa Poltekkes Kemenkes Pontianak.
Editor : Miftahul Khair