SIAGA-AB: Ketika Keputusan Antibiotik Mendapat Pendamping Digital

Asisten keputusan penggunaan antibiotik untuk dokter Indonesia — dirancang dengan bantuan Claude Fable 5

Oleh dr. I Putu Cahya Legawa

Ada satu keputusan yang diambil ribuan kali setiap hari di ruang praktik, IGD, dan bangsal rawat inap seluruh Indonesia, dan hampir selalu diambil dalam hitungan menit: antibiotik apa yang akan saya berikan? Keputusan itu tampak sederhana, tetapi di baliknya bertumpuk pertimbangan — benarkah ini infeksi bakteri, spesimen apa yang harus diambil lebih dulu, bagaimana riwayat alerginya, amankah pada kehamilan, perlukah dosisnya disesuaikan dengan fungsi ginjal, dan kapan terapi harus dipersempit atau dihentikan. Ketika pertimbangan itu terlewat, korbannya bukan hanya satu pasien: setiap peresepan yang tidak tepat menyumbang pada krisis kesehatan global bernama resistensi antimikroba (antimicrobial resistance, AMR).

Skala krisis ini tidak lagi hipotetis. Analisis Global Research on Antimicrobial Resistance (GRAM) yang terbit di The Lancet memperkirakan 1,27 juta kematian di dunia pada tahun 2019 disebabkan langsung oleh infeksi bakteri resisten — melampaui HIV maupun malaria — dan proyeksi terbarunya memperkirakan puluhan juta kematian kumulatif hingga 2050 bila laju resistensi tidak dikendalikan. Indonesia berada di kawasan dengan beban tertinggi. Pemerintah telah meresponsnya melalui Strategi Nasional Pengendalian Resistansi Antimikroba 2025–2029, Pedoman Penggunaan Antibiotik (Permenkes Nomor 28 Tahun 2021), serta kewajiban Program Pengendalian Resistensi Antimikroba (PPRA) dalam standar akreditasi rumah sakit. Kerangka regulasinya sudah lengkap. Tantangannya justru ada di titik paling hilir: membawa isi pedoman setebal ratusan halaman itu ke samping tempat tidur pasien, pada pukul dua dini hari, ketika dokter jaga harus memutuskan sekarang.

Dari pedoman statis menuju pendamping keputusan

Di sinilah clinical decision support system (CDSS) menemukan perannya. Alih-alih berharap dokter menghafal seluruh tabel terapi empirik, CDSS menuntun proses berpikir secara bertahap dan menampilkan rekomendasi pedoman tepat pada saat dibutuhkan. Buktinya semakin mapan: telaah sistematis dan meta-analisis terbaru terhadap studi-studi implementasi CDSS untuk peresepan antibiotik empirik menemukan peningkatan kepatuhan terhadap pedoman (odds ratio 1,75; IK 95% 1,26–2,43) disertai kecenderungan mortalitas yang lebih rendah, tanpa memperpanjang lama rawat. Studi implementasi di lingkup bedah melaporkan tingkat penerimaan rekomendasi penatagunaan sebesar 76,1%, dengan intervensi terbanyak justru berupa penghentian antibiotik, alih terapi oral, dan de-eskalasi — tiga keputusan yang paling sering tertunda dalam praktik sehari-hari.

Berangkat dari pengalaman membangun program PPRA di rumah sakit tipe C tanpa laboratorium mikrobiologi internal — kondisi yang dialami sebagian besar rumah sakit Indonesia — saya mengembangkan SIAGA-AB Edisi Indonesia: sebuah asisten keputusan penggunaan antibiotik berbasis web yang dapat diakses siapa pun, gratis, tanpa instalasi, dan tanpa menyimpan data pasien sama sekali.

Coba aplikasinya: https://claude.ai/public/artifacts/4ff77bec-08b8-42b2-ab69-09eb2f005e7d

Lima stasiun, satu alur berpikir

SIAGA-AB tidak memberikan jawaban instan; ia menuntun pengguna melewati lima stasiun yang meniru alur penalaran klinis yang baik.

Stasiun pertama adalah pemilihan sindrom infeksi — 29 kondisi klinis dalam 8 kelompok, dari pneumonia komunitas berjenjang, infeksi saluran kemih, intraabdominal, kulit dan kaki diabetik, sepsis dan neutropenia febril, hingga meningitis, infeksi menular seksual, demam tifoid, dan diare akut. Yang membedakannya dari sekadar “kamus antibiotik”: beberapa kondisi dibuka dengan penapis indikasi. Bronkitis akut, faringitis viral, bakteriuria asimtomatik, abses sederhana, dan diare cair akut akan mengarahkan pengguna pada rekomendasi yang paling sering dilupakan dalam penatagunaan — tidak memberikan antibiotik sama sekali. Prinsip Tepat Indikasi ditempatkan sebagai gerbang, bukan catatan kaki.

Stasiun kedua menyarankan pemeriksaan penunjang yang sesuai untuk setiap sindrom, dengan satu pesan yang konsisten: spesimen kultur diambil sebelum dosis antibiotik pertama, dan pada infeksi berat, terapi empirik tidak boleh menunggu hasilnya. Bagi fasilitas tanpa laboratorium mikrobiologi, aplikasi mengingatkan mekanisme rujukan spesimen dan pemeriksaan minimal pulasan gram sebagaimana diatur Permenkes 8/2015 — pengakuan jujur atas realitas fasilitas kesehatan kita.

Stasiun ketiga menghimpun faktor pasien: derajat alergi penisilin, kehamilan, usia lanjut, gangguan ginjal, pasien anak, dan faktor risiko organisme multidrug-resistant. Dari sinilah lapisan keselamatan otomatis bekerja pada stasiun keempat: riwayat anafilaksis penisilin akan memblokir seluruh rekomendasi beta-laktam dan menawarkan alternatif non-beta-laktam; doksisiklin dan fluorokuinolon ditandai keras pada kehamilan; nitrofurantoin diblokir pada bersihan kreatinin di bawah 30 mL/menit; vankomisin dan aminoglikosida memunculkan anjuran pemantauan kadar obat.

Stasiun keempat menampilkan rekomendasi lini pertama dan alternatif dalam kartu bergaya lembar resep, masing-masing berlabel klasifikasi AWaRe (Access–Watch–Reserve) WHO 2023 — kerangka yang sama yang diadopsi Permenkes 28/2021. Antibiotik kelompok Watch memunculkan pengingat justifikasi tertulis dan evaluasi wajib; kelompok Reserve seperti linezolid dan kolistin memunculkan gerbang pra-otorisasi tim PPRA, lengkap dengan catatan bahwa banyak rumah sakit Indonesia menerapkan pra-otorisasi tersendiri untuk karbapenem.

Stasiun kelima — dan menurut saya yang paling penting — adalah evaluasi 48–72 jam. Pasien membaik? Aplikasi menyodorkan daftar periksa lima kriteria konversi intravena ke oral. Hasil kultur tersedia? De-eskalasi ke spektrum tersempit yang efektif, dengan pengingat membedakan kolonisasi dari infeksi. Pasien tidak membaik? Alih-alih langsung menyarankan eskalasi, aplikasi memaksa telaah sistematis: apakah diagnosisnya benar, apakah kontrol sumber sudah adekuat, apakah dosis dan rutenya cukup — baru kemudian jalur eskalasi ditampilkan. Kegagalan terapi lebih sering disebabkan abses yang belum didrainase daripada antibiotik yang kurang kuat, dan aplikasi ini menolak melupakan fakta tersebut.

Dirancang bersama kecerdasan buatan, diputuskan oleh dokter

Sisi menarik dari proyek ini adalah proses pembuatannya. SIAGA-AB dirancang dan dibangun dengan bantuan Claude Fable 5, model kecerdasan buatan dari Anthropic, dalam alur kerja kolaboratif: kerangka konsep, arsitektur lima stasiun, transkripsi basis pengetahuan dari pedoman nasional, hingga logika keselamatan obat dikembangkan secara iteratif — dengan klinisi sebagai penentu arah dan pemeriksa akhir setiap kandungan medisnya. Ini contoh kecil dari pola yang saya yakini akan lazim: kecerdasan buatan mempercepat pembangunan perangkat, sementara otoritas klinis dan tanggung jawab profesional tetap sepenuhnya di tangan manusia.

Prinsip yang sama berlaku bagi penggunanya. SIAGA-AB bersifat advisory dan edukatif — ia bukan pengganti penilaian klinis, bukan pengganti Panduan Praktik Klinis dan PPAB institusional, dan bukan produk alat kesehatan teregistrasi. Pola resistensi antar rumah sakit di Indonesia sangat bervariasi; karena itu setiap pilihan empirik dalam aplikasi ini wajib dikalibrasi terhadap formularium dan antibiogram lokal masing-masing fasilitas. Nilai terbesarnya justru sebagai sarana melatih cara berpikir penatagunaan: bagi dokter umum di layanan primer, dokter jaga di rumah sakit tipe C dan D, mahasiswa kedokteran, serta apoteker yang mengkaji resep.

Undangan terbuka

Resistensi antimikroba tidak akan diselesaikan oleh satu aplikasi. Ia diselesaikan oleh ribuan keputusan kecil yang lebih baik — satu penapis indikasi yang mencegah antibiotik untuk batuk viral, satu de-eskalasi yang dilakukan tepat waktu, satu terapi yang dihentikan pada durasi yang benar. SIAGA-AB adalah upaya menjadikan keputusan-keputusan kecil itu sedikit lebih mudah diambil.

Silakan mencoba, menguji dengan kasus-kasus di tempat Anda bertugas, dan menyampaikan kritik. Masukan dari sejawat di lapangan — terutama dari fasilitas dengan keterbatasan yang berbeda-beda — adalah bahan bakar penyempurnaan berikutnya.

SIAGA-AB Edisi Indonesia (gratis, tanpa instalasi, tanpa data pasien): https://claude.ai/public/artifacts/4ff77bec-08b8-42b2-ab69-09eb2f005e7d

Penulis adalah dokter umum, Wakil Ketua I Tim Program Pengendalian Resistensi Antimikroba RSU Sarila Husada, Sragen, dan penulis buku “Manajemen PPRA Terintegrasi: Pendekatan Sistem Mutu, Sinergi Klinis, dan Otomatisasi Berbasis AI” (Detak Pustaka).

Rujukan pilihan:

1. Antimicrobial Resistance Collaborators. Global burden of bacterial antimicrobial resistance in 2019: a systematic analysis. Lancet. 2022;399(10325):629–655.
2. GBD 2021 Antimicrobial Resistance Collaborators. Global burden of bacterial antimicrobial resistance 1990–2021: a systematic analysis with forecasts to 2050. Lancet. 2024;404(10459):1199–1226.
3. Impact of clinical decision support software on empirical antibiotic prescribing and patient outcomes: a systematic review and meta-analysis. BMJ Health & Care Informatics / PMC12666123. 2025.
4. World Health Organization. The WHO AWaRe (Access, Watch, Reserve) Antibiotic Book. Geneva: WHO; 2023.
5. Kementerian Kesehatan RI. Peraturan Menteri Kesehatan Nomor 28 Tahun 2021 tentang Pedoman Penggunaan Antibiotik.
6. Kementerian Kesehatan RI. Panduan Penatagunaan Antimikroba di Rumah Sakit. Jakarta: Kemenkes RI; 2021.
7. Kementerian Kesehatan RI. Strategi Nasional Pengendalian Resistansi Antimikroba Sektor Kesehatan Tahun 2025–2029.