Bagaimana kami memahami alur medical check-up dan membangun kolaborasi manusia–AI yang terkelola

Kami membangun MCU CoPilot, alur kerja berbantuan AI yang mengubah data mentah dari klinik medical check-up menjadi laporan yang siap diperiksa dokter. Namun, sebagian besar pekerjaannya bukan soal AI. Tantangannya adalah memahami cara klinik check-up benar-benar bekerja, lalu membangun satu lapisan tempat staf, dokter, dan AI masing-masing mengerjakan bagiannya. Setiap laporan tetap diperiksa oleh klinisi berwenang sebelum divalidasi atau dibagikan. Inilah yang kami temukan dalam alur tersebut dan apa yang kami bangun di atasnya.

Mengapa kami membangunnya

Satu medical check-up korporat atau institusional dapat mencakup ratusan hingga ribuan orang. Setiap orang melewati beberapa stasiun: pemeriksaan darah, pencitraan, EKG, penglihatan, pendengaran, dan lainnya. Hasil masuk ke sistem, berkas, atau catatan kertas yang berbeda. Seseorang kemudian harus menggabungkan data setiap peserta secara manual, dokter memeriksa setiap rekam medis, dan laporan dikirim satu per satu. Bergantung pada skalanya, seluruh proses dapat memakan waktu berhari-hari hingga berminggu-minggu.

Yang paling terasa adalah ke mana waktu itu habis. Sebagian besarnya bukan untuk pekerjaan medis. Staf klinik menghabiskan banyak waktu untuk menggabungkan hasil, menyusun laporan, dan menyiapkan pengiriman. Dokter tetap harus membaca dan menandatangani setiap laporan, sehingga pekerjaan perakitan rutin bersaing dengan kasus yang benar-benar membutuhkan penilaian lebih mendalam. MCU CoPilot menata data dan menyiapkan draf kesimpulan terstruktur agar tim tidak menyusun ulang setiap laporan dari awal. Dokter tetap memeriksa setiap laporan dan mengambil keputusan; bedanya, dokter tidak perlu merangkai kembali kasus dari berkas mentah sebelum dapat menilainya. Itulah sebabnya waktu persiapan dan ulasan perlu diukur dalam asesmen alur kerja dengan ruang lingkup terbatas. Asesmen yang sama perlu menilai apakah dokter menerima bukti yang lebih jelas dan dapat memberi perhatian yang sesuai pada kasus yang membutuhkannya.

Bukan AI demi AI

Cara termudah adalah mengarahkan model besar pada masalah ini lalu menganggapnya selesai. Hasilnya mungkin menjadi demo yang bagus, tetapi produknya buruk. Bagian tersulit tersembunyi di dalam alur kerja dan baru terlihat setelah pekerjaan tersebut dijalankan secara nyata.

Tes darah yang sama dapat muncul sebagai HB di berkas satu lab, Hemoglobin di lab lain, dan Hgb di lab ketiga. MCU CoPilot dapat mengusulkan pencocokan kolom berdasarkan makna, tetapi setiap usulan harus diperiksa dan dikonfirmasi pengguna berwenang. Pemetaan institusi yang telah dikonfirmasi kemudian dapat digunakan kembali untuk nama kolom yang sesuai. Rekam medis juga harus dihubungkan antarberkas menggunakan pengenal dan cakupan yang benar. Jika suatu sumber tidak tersedia, sumber tersebut tetap ditandai tidak tersedia; model tidak mengisinya sendiri.

Validasi adalah batas persetujuan manusia. Penyuntingan data dasar dan diagnostik dikunci selama rekam medis berada dalam status tervalidasi. Jika data sumber berubah, rekam medis harus kembali melalui koreksi, pemeriksaan, dan validasi, lalu PDF baru harus diperiksa sebelum dibagikan. MCU CoPilot bekerja dari masukan yang terdokumentasi: sistem tidak menafsirkan citra rontgen, gelombang EKG, audiogram, atau kurva spirometri mentah secara mandiri. Kesimpulan tersebut tetap menjadi tanggung jawab spesialis atau teknisi yang berwenang.

Tidak ada satu definisi tunggal tentang "normal"

Bagian inilah yang tidak dapat kami rancang hanya dari papan tulis. Setiap institusi check-up menggunakan kumpulan kolom, unit, konvensi rujukan, templat laporan, dan persyaratan okupasi yang berbeda. Rentang rujukan adalah salah satu masukan untuk ulasan, bukan jawaban klinis otomatis.

MCU CoPilot mengikuti pemetaan, rujukan, dan instruksi pelaporan yang disetujui institusi, bukan menjadikan keluaran model sebagai kebijakan. Pengaturan tersebut membentuk draf, tetapi tidak menggantikan verifikasi sumber atau ulasan klinis. Nilai, ambang, atau aturan yang tidak tersedia tidak boleh diciptakan oleh model. Pedoman institusi harus dikendalikan dan diperiksa, bukan berupa teks bebas yang kami tebak.

"Fit for work" adalah penilaian atas pekerjaan, bukan sebuah angka

Medical check-up korporat membuat hal ini terasa nyata. Status fitness tidak dapat ditentukan hanya dari satu angka; penilaian harus mempertimbangkan pekerjaan yang diketahui dan proses kesehatan kerja yang disetujui institusi. Temuan yang sama dapat memunculkan pertanyaan berbeda bagi pekerja kantor, pengemudi, atau orang yang bekerja di ketinggian.

Kami belajar meminta klinik menjelaskan konteks tersebut seperti saat memberi pengarahan kepada rekan klinis, bukan seperti insinyur yang menulis prompt. Instruksi yang telah diperiksa dapat membantu MCU CoPilot menyiapkan bukti yang relevan dan draf yang konsisten. Instruksi tersebut tidak mengubah teks lokal menjadi keputusan fitness otomatis. Dokter yang bertanggung jawab menilai seluruh bukti, tuntutan pekerjaan, dan setiap ambiguitas, lalu mengambil keputusan dan menandatangani laporan.

Mengapa kami menguji dengan cara ini

Jika dokter akan menandatangani laporan, "sekali terlihat benar" tidaklah cukup. Dalam evaluasi, kami menjalankan kasus yang sama berulang kali dan menguji apakah bagian wajib tetap lengkap, stabil, dan terhubung dengan temuan sumber. Evaluasi tersebut membantu keputusan rilis; evaluasi tidak menggantikan pemeriksaan dokter atas setiap laporan produksi.

Kami mewujudkan metode itu menjadi benchmark publik: satu alur kerja tetap, dua belas model fondasi, dan tiga puluh kasus MCU Indonesia synthetic-regenerated yang diuji bertahap dalam kelompok 6, 15, dan 30 kasus. Sepuluh dari dua belas model lolos gerbang kandidat sisi mesin pada kelompok 15 kasus; sembilan lolos gerbang penuh 30 kasus. Laporan publik ini hanya menyajikan hasil evaluasi sisi mesin. Laporan ini tidak mencakup putusan pakar klinis lokal dan tidak menetapkan kebenaran klinis maupun kesiapan produksi.

Loop engineering, sebelum istilahnya populer

Orang mulai menyebut pendekatan ini "loop engineering." Idenya sederhana: jangan mengirim satu prompt lalu berhenti. Gunakan kasus uji terkelola yang telah diverifikasi serta fixture synthetic-regenerated dengan asal-usul yang jelas; hasilkan keluaran; periksa keluaran terhadap gerbang yang eksplisit; temukan lapisan yang gagal; buat perbaikan sekecil mungkin; lalu kunci pelajaran itu dalam uji regresi. Satu contoh yang terlihat bagus tidak pernah cukup untuk mengubah jalur produksi.

Apa yang terus diajarkan oleh penerapan

Penerapan selalu membawa pembicaraan kembali pada pertanyaan yang sama: dapatkah kesimpulan dilacak ke sumbernya, dapatkah dokter melihat alasan sebuah kasus ditandai, dan apakah laporan yang disetujui tetap berada di bawah kendali manusia? Hasil yang lebih cepat penting, tetapi kepercayaan bergantung pada jawaban atas pertanyaan tersebut.

Masalah tersulit sering kali terlihat biasa. Sebuah nilai dapat masuk sebagai 299 dari satu sumber dan 299.000 dari sumber lain. Batch besar mungkin memerlukan pemeriksaan kewajaran sebelum draf apa pun layak diulas. Kami menyelesaikan masalah itu di dalam alur institusi yang disetujui. Jika suatu pola aman untuk digeneralisasi, hanya aturan abstraknya, bukan rekam medis milik pelanggan, yang dapat dijadikan pemetaan atau kasus uji yang telah diperiksa. Produk menjadi lebih baik dengan membuat alur kerja lebih andal, bukan dengan memperlakukan data pelanggan sebagai bahan yang dapat digunakan kembali.

AI menyusun draf. Dokter memutuskan. Tugas kami adalah membuat sumber lebih mudah diperiksa dan draf lebih mudah diulas, sambil mempertahankan keputusan akhir dan tanda tangan pada pihak yang semestinya.