BRIN Luncurkan Teknologi Pengenalan Wicara untuk Pendiktean Medis

TEMPO.CO, Jakarta - Badan Riset dan Inovasi Nasional (BRIN) meluncurkan Sistem Pengenalan Wicara untuk Pendiktean Medis (SPWPM). Aplikasi ini merupakan implementasi teknologi Automatic Speech Recognition (ASR) atau pengenalan wicara otomatis yang dapat membantu tenaga medis mendiktekan keterangan medis secara verbal untuk dikonversikan menjadi data atau laporan tertulis ke pusat data medis rumah sakit.

Untuk memberikan manfaat seluas-luasnya dan mendorong transformasi digital layanan kesehatan di rumah sakit seluruh Indonesia, BRIN telah melakukan kerja sama lisensi dengan mitra, Solusi 247.

Asril Jarin, Koordinator Periset BRIN, mengatakan teknologi ini berada di layanan backend. “Bisa memberikan layanan kepada banyak aplikasi yang diterapkan di rumah sakit, misalnya laporan bedah, laporan diagnosis, tindakan medis yang dicatat secara elekronik,” ujarnya pada acara peluncuran di Jakarta, 28 November 2022.

Kolaborasi ini berawal saat PT 247 mendapat permintaan dari RS Harapan Kita untuk menerapkan entri data rumah sakit secara cepat. “Solusinya adalah kita butuh menerapkan ASR di mana si dokter cukup mengucapkan, kita konversi menjadi teks,” jelas Asril. 

PT 247 menyampaikan kepada BRIN untuk bersama mengajukan sebuah riset yang didanai oleh LPDP untuk kebutuhan yang siap dikomersialkan dengan target dua tahun. “Alhamdulillah, tahun ini kita mendapatkan hasilnya. Kita mengharapkan hasilnya terus dikembangkan dan siap diterapkan di seluruh rumah sakit,” kata Asril.

SPWPM dapat digunakan dan diintegrasikan bersama aplikasi rekam medis lainnya yang ada di rumah sakit, seperti aplikasi MEDIS247 yang dikembangkan oleh Solusi 247.

Arsitektur SPWPM terdiri dari tiga komponen penting, yaitu Middleware, Backend, Pendukung dalam bentuk kontainer-kontainer yang dikelola dan diorkestrasikan dalam sebuah platform awan Docker Swarm.

Prototipe SPWPM telah dilakukan uji lapang bekerja sama dengan RS Harapan Kita. Dari uji lapang ini telah diperoleh hasil Word Error Rate (WER) rata-rata 4%.  Hasil uji lapang ini telah memenuhi target Word Error Rate (WER) rata-rata di bawah 5 % sehingga dapat ditetapkan bahwa sistem telah memenuhi tingkat kesiapan teknologi level 7 (TKT-7) dan bisa dimanfaatkan oleh mitra pengguna.

Asril berharap teknologi ini terus disempurnakan. “Kalau ada dana yang mendukung, kita bangun data, sebagaimana Google menarik data kita,” katanya. “Kita pemilik bahasa Indonesia. Kalau kita kumpulkan seluruh ucapan medis yang bisa diujarkan oleh seluruh dokter atau tenaga medis kita, itu karakteristiknya punya kita.”

Baca:
Peneliti Pertanian Muda dari BRIN Dapat Penghargaan di Jepang

Selalu update info terkini. Simak breaking news dan berita pilihan dari Tempo.co di kanal Telegram “Tempo.co Update”. Klik https://t.me/tempodotcoupdate untuk bergabung. Anda perlu meng-install aplikasi Telegram terlebih dahulu.