TUGAS AKHIR KOMPUTER DAN MASYARAKAT ( Bidang Kesehatan )
TUGAS AKHIR
KOMPUTER DAN MASYARAKAT
GENAP 2019
1. Pengertian Disrupsi & Dirupsi Teknologi
Disrupsi pada
pelayanan kesehatan meliputi area preventif, diagnosis, dan terapi.
Hasil survei menunjukkan bahwa aspek yang terdisrupsi adalah rumah sakit, IT
rumah sakit, layanan primer, farmasi, kemudian aspek-aspek lain di pelayanan
kesehatan. Dalam hal ini, teknologi yang mempengaruhi big bang
disruption adalah social, mobility, analytics, clouds,
Internet of Things, genomics, dan imaging. Mobile dan wireless
application merupakan pendorong pasar kesehatan. Rumah sakit
perlu mengetahui orientasi pasien dan berinvestasi pada waktu dan energi untuk
menjalin hubungan dengan pasien. Patient activation juga
membuat rumah sakit untuk fokus menjalin hubungan dengan pasien dalam
mengetahui pelayanan kesehatan mereka. Selain itu, population
health management atau hotspotting digunakan untuk
mengidentifikasi tren kesehatan ke depan. Big data juga
perlu dikumpulkan untuk kebutuhan rumah sakit.
Dalam menghadapi disrupsi sebaiknya jangan menjadi penentang, jangan takut menganalisa produk sendiri, dan perlu membentuk ulang atau menciptakan hal baru. Era disrupsi ini pasti akan mempengaruhi sektor kesehatan, maka diperlukan inovasi disruptif dari sisi fokus pada pasien dan menjalin hubungan yang baik serta siap untuk mengantisipasi perubahan ke depan.
2. Studi Kasus yang terjadi
Disrupsi teknologi yang dihadapi di ranah kesehatan semisal di rumah seperti asupan nutrisi, postur dan superficial symptom, berat badan, urinalisa, feses, fisiologi kardiovaskular, tingkat stres, dan lain-lain dapat diintegrasikan dengan multi sensor seprti suhu, kelembapan, konsentrasi gas tertentu sehingga menjadi lebih kompleks. Penempatan sensor tersebut tidak hanya dalam bentuk smart band namun dalam bentuk matsial polimer semikonduktor (nano) dalam wujud pakaian. Sedangkan untuk EBI dan model interferensi dapat dibuat “virtual gate”. Image dari kamera juga dapat menghitung kandungan nutrisi dari makanan yang tersaji di piring (berdasar DKBM).
3. Dampak Sosial dan
Ekonomi ( Negatif dan Positif )
Perkembangan Terkini IT Dalam Menghadapi Era Disrupsi. Masa
depan teknologi kesehatan berdasar pada data management based seperti
AI, Deep Learning, dan knowledge growing
system. Aplikasi kesehatan ke depannya juga menggunakan data
mining yang merupakan bagian dari deep learning.
Masyarakat yang bertanya ke aplikasi untuk konsul kesehatan akan dijawab oleh
mesin yang telah diatur dengan deep learning sehingga
dapat menjawab kasus penyakit yang ditanyakan seperti layaknya tenaga medis
terlatih. Selain itu, smart sensor juga mengambil
bagian dalam perkembangan ini seperti plasmaplastimograph /
PPG / FNIR / EBI. Data-data kesehatan yang idle akan
dimanfaatkan oleh deep learning. Dengan sensor dan
algoritma yang tepat akan mendukung layanan rumah sakit.
Layanan kesehatan berubah sangat cepat, dari pergeseran penyakit
infeksius menjadi penyakit kronik serta kualitas layanan yang mempengaruhi
loyalitas pasien. Bayangkan jika dokter dan perawat dapat memprediksi
penyakit melalui smart devices. Dalam hal ini Microsoft
memberdayakan setiap orang dan setiap organisasi yang ada di Indonesia melalui
transformasi digital pada layanan kesehatan. Hal tersebut meliputi
menjalin hubungan dengan pasien, memberdayakan layanan, mengoptimalkan
efektivitas klinis dan operasional, serta transformasi pelayanan secara terus
menerus. Saat ini informasi didapatkan secara mudah hanya pada telapak
tangan.
Menggunakan Ken Sci’s analytics dapat
diindentifikasi resiko seperti analisa klinis yaitu memprediksi penyakit yang
akan muncul, mengkoordinasi layanan pasien, dan mengoptimalkan biaya.
Dari sisi Chief Financial Officer, hal tersebut dapat menjadi peringatan dini
yang dapat mempengaruhi kinerja keuangan, CFO dapat memprediksi apakah rumah
sakit akan untung atau rugi, dari data populasi dapat diprediksi berapa biaya
dan pendapatan dalam setahun, serta dapat mengambil keputusan berdasarkan data
tersebut. Dari sisi Chief Medical Officer, hal tersebut dapat digunakan
untuk mengidentifikasi kesenjangan koordinasi pelayanan pasien, data pasien
dapat digunakan untuk memprediksi berapa lama rawat inap dan total pengobatan
yang akan diberikan. Sedangkan dari Care Manager dapat memprediksi
tingkat resiko pasien, total pasien yang akan menginap dan berapa lama,
prediksi resiko, kondisi pasien, dan berapa persentase pasien akan membaik
kondisinya sehingga rumah sakit juga akan mendapat reputasi yang baik.
4. Usulan pada dampak Negativ
Dalam menghadapi disrupsi sebaiknya jangan menjadi penentang, jangan takut menganalisa produk sendiri, dan perlu membentuk ulang atau menciptakan hal baru. Era disrupsi ini pasti akan mempengaruhi sektor kesehatan, maka diperlukan inovasi disruptif dari sisi fokus pada pasien dan menjalin hubungan yang baik serta siap untuk mengantisipasi perubahan ke depan.
5. Refrensi
Informasi lain
terkait kegiatan dapat diakses di https://www.indohcf.com/
Kelompok :
Pausan Prasetyo 143216064
: Muhammad Rizal Fahmi
: Hasan Maulana Muthohar
Webside Umaha : https://www.umaha.ac.id/
0 komentar: