Dalam dunia kesehatan, data berasal dari berbagai sistem yang sering kali tidak dapat berkomunikasi satu sama lain. Bayangkan sebuah rumah sakit menggunakan sistem A untuk rekam medis, sementara laboratorium menggunakan sistem B, dan apotek menggunakan sistem C. Tanpa standar bersama, pertukaran informasi pasien yang vital menjadi rumit dan rentan kesalahan. Di sinilah standar interoperabilitas berperan sebagai penerjemah universal.

Dua standar utama yang mendominasi adalah HL7 (Health Level Seven) dan FHIR (Fast Healthcare Interoperability Resources). HL7 adalah standar yang lebih tua dan telah menjadi tulang punggung pertukaran data kesehatan selama puluhan tahun. Ia bekerja dengan mendefinisikan format pesan yang kaku untuk berbagai jenis data klinis, seperti data penerimaan pasien atau hasil lab. Mengirim data dengan HL7 mirip seperti mengirim faks terstruktur; informasinya lengkap, tetapi formatnya tidak fleksibel.

FHIR, di sisi lain, adalah pendekatan modern yang dibangun di atas teknologi web yang kita gunakan setiap hari. Ia menggunakan API (Application Programming Interfaces) untuk memungkinkan aplikasi yang berbeda saling meminta dan berbagi data kesehatan secara real-time. Jika HL7 adalah faks, FHIR lebih seperti aplikasi media sosial di mana informasi dapat diakses dan dibagikan dengan mudah melalui permintaan standar. Fleksibilitas ini membuat FHIR sangat ideal untuk aplikasi mobile dan platform berbasis cloud, menjadikannya standar pilihan untuk inovasi di masa depan.

Tantangan besar lainnya dalam data kesehatan adalah variasi bahasa. Seorang dokter mungkin menulis "serangan jantung" dalam catatan, sementara yang lain menulis "infark miokard akut," dan sistem penagihan mungkin menggunakan kode ICD-10 "I21.9". Bagi manusia, ini adalah konsep yang sama, tetapi bagi komputer, ini adalah tiga hal yang berbeda. Tanpa standardisasi, analisis data skala besar menjadi tidak mungkin.

Untuk mengatasi ini, kita menggunakan ontologi medis—kamus terstruktur yang memberikan kode unik untuk setiap konsep klinis. Dua yang paling penting adalah SNOMED CT dan LOINC.

Setelah kita memiliki standar untuk pertukaran (FHIR/HL7) dan terminologi (SNOMED/LOINC), langkah berikutnya adalah menyatukan semuanya. Data dari Electronic Health Records (EHR) seringkali mentah, tidak terstruktur, dan tersebar di berbagai sistem. Di sinilah proses ETL (Extract, Transform, Load) menjadi krusial untuk menyiapkan data agar siap dianalisis oleh AI.

1. Extract (Ekstraksi): Data mentah ditarik dari sumbernya. Ini bisa berupa query langsung ke database EHR, panggilan ke API FHIR untuk data pasien tertentu, atau mendengarkan aliran pesan HL7 dari sistem laboratorium.

2. Transform (Transformasi): Ini adalah inti dari pipeline. Data mentah dibersihkan, distandarisasi, dan diperkaya. Catatan dokter yang tidak terstruktur diubah menjadi data terstruktur menggunakan teknik Natural Language Processing (NLP). Istilah-istilah medis dinormalisasi ke kode SNOMED CT dan LOINC. Yang terpenting, data pasien di-de-identifikasi untuk melindungi privasi.

3. Load (Pemuatan): Setelah diubah, data yang bersih, terstandardisasi, dan anonim dimuat ke dalam data warehouse atau data lake. Dari sinilah para ilmuwan data dapat dengan aman membangun dan melatih model AI tanpa mengorbankan privasi pasien.

De-identifikasi adalah proses menghilangkan informasi yang dapat mengidentifikasi seseorang secara langsung dari data kesehatan. Ini bukan hanya praktik terbaik; ini adalah persyaratan hukum di banyak negara, seperti yang diamanatkan oleh HIPAA di Amerika Serikat.

Ada 18 pengenal langsung yang harus dihapus atau diubah untuk memenuhi standar de-identifikasi. Ini termasuk nama, alamat, tanggal lahir, dan nomor rekam medis. Namun, de-identifikasi yang efektif lebih dari sekadar menghapus beberapa kolom.

Teknik yang lebih canggih meliputi:

• Generalisasi: Mengurangi presisi data. Misalnya, mengubah usia pasti "47 tahun" menjadi rentang usia "40-50 tahun" atau mengganti kode pos lengkap dengan tiga digit pertama saja.

• Supresi: Menghapus seluruh data untuk individu tertentu jika kombinasi atribut mereka terlalu unik dan dapat mengarah pada re-identifikasi. Ini sering dilakukan pada kasus-kasus penyakit langka.

• Perturbasi: Menambahkan "noise" atau gangguan acak ke dalam data. Ini sedikit mengubah nilai-nilai individu sambil tetap menjaga properti statistik dari keseluruhan dataset.

Langkah-langkah ini memastikan bahwa data dapat digunakan untuk penelitian dan pengembangan AI yang bermanfaat, sambil tetap menghormati dan melindungi privasi individu yang datanya menjadi dasar inovasi tersebut.

Dengan fondasi data yang bersih, terstandardisasi, dan aman, kita siap untuk melangkah ke tahap selanjutnya: merancang arsitektur model AI yang akan belajar dari data berharga ini.