Kecerdasan Buatan Dalam Transformasi Interpretasi Radiologi: Sebuah Tinjauan Literatur Sistematis

Dadang Nugroho (Program Studi Magister Administrasi Rumah Sakit, Fakultas Kedokteran, Universitas Muhammadiyah Surakarta)
Yusuf Alam Romadhon (Fakultas Kedokteran Universitas Muhammadiyah Surakarta)
Yuli Kusumawati ( Program Studi Kesehatan Masyarakat, Fakultas Ilmu Kesehatan, Universitas Muhammadiyah Surakarta)

Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI)
Vol 14 No 2 (2026)

Latar belakang: Kecerdasan Buatan (Artificial Intelligence/AI) telah mengubah paradigma interpretasi gambar radiologi secara fundamental. Kemampuan deep learning dan machine learning membuka peluang peningkatan akurasi diagnostik, efisiensi waktu pembacaan, dan pengurangan variabilitas antar-pembaca. Namun, bukti komprehensif mengenai dampak AI terhadap berbagai modalitas pencitraan medis masih perlu disintesis secara sistematis. Tujuan: Melakukan tinjauan literatur sistematis (SLR) untuk mensintesis bukti ilmiah mengenai dampak AI terhadap akurasi diagnostik, waktu interpretasi, kepercayaan diagnostik, dan faktor-faktor yang memengaruhi interaksi manusia-AI dalam interpretasi radiologi. Metode: Penelitian ini menggunakan metode SLR mengacu pada panduan PRISMA 2020. Pencarian dilakukan pada PubMed, Scopus, Google Scholar, dan IEEE Xplore (2021–2025). Dari 847 artikel teridentifikasi, 9 memenuhi kriteria inklusi. Hasil: Sembilan studi mencakup mamografi, rontgen dada, CT scan, MRI, angiografi, dan radiografi muskuloskeletal dengan lebih dari 100.000 kasus. AI meningkatkan sensitivitas diagnostik rata-rata 11,4–23,0%, memperpendek waktu pembacaan kasus normal (rerata 13,3 vs 14,8 detik), dan meningkatkan kepercayaan diagnostik. Kesimpulan: AI terbukti konsisten meningkatkan performa diagnostik radiologi tanpa mengurangi produktivitas.