AI di Skrining Mamografi: Apa Kata Uji Acak Terbesar Sejauh Ini?

Bayangkan seorang radiolog di sebuah rumah sakit di Makassar yang pada satu pagi harus membaca ratusan foto mamografi. Hampir semuanya normal. Di antara tumpukan citra itu, mungkin hanya satu atau dua yang menyembunyikan kanker kecil, tipis, nyaris tak terlihat. Di banyak negara, setiap foto bahkan dibaca oleh dua radiolog demi keamanan. Pekerjaan ini menuntut ketelitian tinggi, tetapi juga sangat melelahkan, dan jumlah radiolog di mana-mana tidak cukup.

Pertanyaannya: bisakah kecerdasan buatan (artificial intelligence/AI) menjadi “pembaca kedua” yang membantu radiolog tanpa mengorbankan keselamatan perempuan yang diskrining? Jawaban yang selama bertahun-tahun hanya berupa simulasi di komputer kini mulai datang dari uji klinis acak berskala besar. Hasil terbaru dari uji MASAI di Swedia, dipublikasikan di jurnal The Lancet pada Januari 2026, membuat topik ini layak dibahas dengan cermat, tanpa hiruk-pikuk dan tanpa kecurigaan berlebihan.

Latar belakang: skrining yang efektif tetapi padat karya

Kanker payudara adalah kanker yang paling sering didiagnosis pada perempuan di dunia, termasuk di Indonesia. Mamografi (foto sinar-X payudara) adalah satu-satunya metode skrining populasi yang terbukti menurunkan kematian akibat kanker payudara pada kelompok usia tertentu. Namun, mamografi punya dua kelemahan klasik. Pertama, sebagian kanker tidak terlihat pada foto, apalagi pada payudara yang padat. Kanker yang muncul di antara dua jadwal skrining, disebut kanker interval, sering kali lebih agresif. Kedua, pembacaan membutuhkan tenaga ahli dalam jumlah besar.

Di Indonesia, tantangannya berlapis. Mamografi belum tersedia merata dan umumnya terkonsentrasi di rumah sakit besar di kota-kota besar, sementara radiolog yang mahir membaca mamografi jumlahnya terbatas. Skrining di layanan primer, misalnya di puskesmas di Sragen, Kupang, atau Jayapura, masih bertumpu pada pemeriksaan payudara klinis dan SADARI. Karena itu, teknologi yang berpotensi meringankan beban baca radiolog menarik untuk dicermati, walaupun penerapannya di sini jelas butuh kajian tersendiri.

Apa yang baru: dari simulasi ke uji acak

Sebelum 2023, hampir seluruh bukti tentang AI mamografi berasal dari studi retrospektif, yaitu menguji algoritma pada foto lama yang hasilnya sudah diketahui. Studi seperti itu bermanfaat tetapi tidak menjawab pertanyaan paling penting: apakah perempuan yang diskrining dengan bantuan AI mengalami hasil yang sama baik atau lebih baik di dunia nyata? Uji Mammography Screening with Artificial Intelligence (MASAI) di Swedia menjawabnya dengan desain yang paling kuat, yaitu uji acak terkontrol.

Pada analisis utama yang terbit Januari 2026, peneliti membandingkan angka kanker interval antara skrining yang dibantu AI dan pembacaan ganda standar oleh dua radiolog tanpa AI. Hasilnya: angka kanker interval pada kelompok AI tidak lebih buruk (non-inferior), sensitivitas lebih tinggi, spesifisitas sama, dan beban baca radiolog turun jauh.

Bagaimana cara kerjanya?

Perangkat lunak AI yang dipakai dalam MASAI (Transpara) “mempelajari” ciri-ciri kanker dari sangat banyak foto mamografi, lalu memberi setiap pemeriksaan skor risiko dari 1 sampai 10. Bayangkan petugas penyortir surat di kantor pos: surat yang jelas alamatnya langsung diteruskan, sedangkan surat yang meragukan diperiksa lebih teliti. Dalam MASAI, pemeriksaan berskor 1–9 dibaca oleh satu radiolog, sedangkan yang berskor 10 (risiko tertinggi) dibaca dua radiolog. Pada pemeriksaan berisiko tinggi, AI juga menandai area mencurigakan sebagai alat bantu deteksi. Keputusan akhir tetap di tangan radiolog manusia.

Bukti ilmiah

Artikel ini bertumpu pada empat sumber yang saling melengkapi: dua laporan dari uji acak MASAI, satu studi implementasi dunia nyata berskala nasional di Jerman, dan satu tinjauan sistematis independen.

Polanya konsisten di tiga desain berbeda. Pada analisis keamanan MASAI (2023), kelompok AI mendeteksi lebih banyak kanker saat skrining sambil menurunkan jumlah pembacaan dari 83.231 menjadi 46.345. Pada analisis utama (2026), kanker interval, ukuran terpenting karena menggambarkan kanker yang terlewat, tidak bertambah, dan secara deskriptif lebih sedikit kanker interval invasif yang tampak pada kelompok AI (75 vs 89 kasus). Di Jerman, studi PRAIM menunjukkan hasil serupa pada praktik sehari-hari, ketika radiolog sendiri yang memilih memakai AI atau tidak.

Apa artinya bagi pasien dan masyarakat

Bagi perempuan yang menjalani skrining, hasil ini menenangkan dalam dua hal. Pertama, bantuan AI tidak membuat hasil skrining lebih buruk, dan tampaknya membantu menemukan sedikit lebih banyak kanker lebih awal. Kedua, AI tidak menggantikan dokter: ada radiolog manusia di setiap pemeriksaan. Perlu diingat bahwa hasil ini belum berarti perempuan Indonesia bisa langsung mengakses layanan serupa. Teknologi ini baru dipakai dalam program skrining berbasis mamografi yang sudah mapan, dan ketersediaan, biaya, serta pembiayaan JKN untuk layanan berbantuan AI di Indonesia belum jelas.

Satu pesan praktis tetap berlaku: AI tidak mengubah kebutuhan untuk memeriksakan diri bila ada benjolan, perubahan bentuk payudara, atau cairan dari puting. Gejala semacam itu perlu dinilai langsung oleh tenaga kesehatan, bukan menunggu jadwal skrining. Untuk bekal dasar, Anda dapat membaca ulasan tentang SADARI dan bukti ilmiah terbarunya.

Apa artinya bagi tenaga kesehatan

Bagi radiolog dan pengelola program skrining, nilai utama AI ada pada efisiensi yang aman. Dengan strategi triase, hampir separuh beban baca dapat dihemat tanpa menurunkan deteksi. Namun ada beberapa hal yang perlu diwaspadai. Studi-studi tersebut memakai satu atau beberapa produk AI tertentu pada populasi dan peralatan tertentu; hasilnya tidak otomatis berlaku untuk produk lain. Sistem AI perlu divalidasi lokal, dengan ambang skor yang dikalibrasi dan dipantau terus, sebelum dipakai dalam program. Radiolog juga perlu dilatih mengenali bias otomatisasi, yaitu kecenderungan terlalu percaya pada keluaran mesin. Dari sisi regulasi, perangkat lunak semacam ini termasuk alat kesehatan; pembaca yang tertarik pada aspek izin edarnya dapat membaca ulasan KMK 951/2026 tentang alat kesehatan berbasis perangkat lunak.

Keterbatasan dan pertanyaan terbuka

Beberapa catatan jujur perlu disampaikan. Pertama, penurunan angka kanker interval dalam MASAI (rasio 0,88) memenuhi kriteria non-inferioritas, tetapi interval kepercayaannya (0,65–1,18) masih mencakup angka 1; jadi belum dapat disimpulkan bahwa AI menurunkan kanker interval. Kedua, belum ada data jangka panjang tentang apakah temuan tambahan ini benar-benar menurunkan kematian akibat kanker payudara. Ketiga, deteksi yang lebih banyak membawa risiko overdiagnosis, yaitu menemukan kanker yang sebenarnya tidak akan mengganggu seumur hidup, terutama lesi in situ; dalam MASAI, peningkatan sensitivitas terlihat pada kanker invasif, tetapi tidak pada kanker in situ. Keempat, PRAIM adalah studi observasional dengan radiolog yang memilih sendiri memakai AI, sehingga bias seleksi tidak sepenuhnya dapat disingkirkan. Kelima, tinjauan sistematis menegaskan bahwa kepastian bukti secara keseluruhan masih terbatas oleh keragaman desain dan data tindak lanjut kanker interval yang belum lengkap. Terakhir, seluruh bukti utama berasal dari Eropa; kinerja pada perempuan Asia, yang rata-rata memiliki payudara lebih padat, perlu dibuktikan tersendiri.

Dimensi etik, sosial, dan regulatif

Penggunaan AI untuk keputusan diagnostik memunculkan beberapa pertanyaan etik. Siapa yang bertanggung jawab bila AI dan radiolog sama-sama melewatkan kanker? Apakah perempuan berhak mengetahui dan menolak pemeriksaan mereka dibantu AI? (Dalam MASAI, peserta diberi informasi dan dapat menolak ikut serta.) Bagaimana data citra yang sangat pribadi dilindungi, termasuk di bawah Undang-Undang Pelindungan Data Pribadi di Indonesia? Dan bagaimana memastikan algoritma yang dilatih pada satu populasi tidak merugikan kelompok lain? Jawaban atas pertanyaan-pertanyaan ini sebaiknya disiapkan sebelum teknologi masuk ke program nasional, bukan sesudahnya.

Konteks yang lebih luas

AI mamografi adalah salah satu contoh paling matang dari tren yang lebih besar: AI sebagai “tangan tambahan” dalam layanan yang kekurangan tenaga ahli. Pola yang sama sedang diuji pada pembacaan foto toraks, skrining retinopati diabetik, dan patologi. Pelajaran dari MASAI berlaku luas: nilai AI paling jelas terlihat bila ia dirancang untuk bekerja bersama manusia dalam alur kerja yang terukur, diuji secara acak, dan diawasi terus-menerus.

Pertanyaan yang sering diajukan

Apakah AI sudah menggantikan radiolog dalam membaca mamografi?
Tidak. Dalam semua studi yang dibahas, radiolog manusia tetap membaca dan memutuskan; AI berperan sebagai penyortir dan alat bantu deteksi.

Apakah skrining dengan AI lebih akurat?
Dalam MASAI, sensitivitas lebih tinggi (80,5% vs 73,8%) dengan spesifisitas yang sama. Namun akurasi sangat bergantung pada produk AI, populasi, dan alur kerjanya.

Apakah saya masih perlu SADARI atau pemeriksaan payudara klinis?
Ya. Skrining apa pun, dengan atau tanpa AI, tidak menggantikan kewaspadaan terhadap gejala. Bila menemukan benjolan atau perubahan pada payudara, segera periksakan ke tenaga kesehatan.

Kapan teknologi ini bisa dipakai di Indonesia?
Belum ada kepastian. Penerapannya memerlukan akses mamografi digital yang memadai, validasi pada populasi lokal, izin edar alat kesehatan, perlindungan data, dan skema pembiayaan.

Referensi

1. Gommers J, Hernström V, Josefsson V, Sartor H, Schmidt D, Hjelmgren A, et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial. Lancet. 2026;407(10527):505-14. doi:10.1016/S0140-6736(25)02464-X (PubMed PMID: 41620232)
2. Lång K, Josefsson V, Larsson AM, Larsson S, Högberg C, Sartor H, et al. Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study. Lancet Oncol. 2023;24(8):936-44. doi:10.1016/S1470-2045(23)00298-X (PMID: 37541274)
3. Eisemann N, Bunk S, Mukama T, Baltus H, Elsner SA, Gomille T, et al. Nationwide real-world implementation of AI for cancer detection in population-based mammography screening. Nat Med. 2025;31(3):917-24. doi:10.1038/s41591-024-03408-6 (PMID: 39775040)
4. Jassim G, Otoom O, Nair B, Hashem J. Performance of artificial intelligence in breast cancer screening programmes: a systematic review. BMJ Open. 2025;15(12):e111360. doi:10.1136/bmjopen-2025-111360 (PMID: 41475802)

Disclaimer: artikel ini bersifat edukatif dan disusun berdasarkan literatur ilmiah yang tersedia pada saat penulisan (Oktober 2026). Isinya bukan pengganti konsultasi, diagnosis, atau tata laksana dari dokter dan tenaga kesehatan. Bila Anda memiliki keluhan pada payudara, silakan berkonsultasi dengan tenaga kesehatan.