Guardoc Gunakan Amazon Nova untuk Proses 1 Juta Dokumen Klinis

Guardoc Health memanfaatkan kecerdasan buatan (AI) untuk mengatasi salah satu tantangan terbesar di industri kesehatan, yakni pengelolaan dokumentasi klinis yang kompleks dan rentan terhadap kesalahan. Perusahaan penyedia perangkat lunak untuk fasilitas perawatan jangka panjang tersebut mengungkapkan bahwa kini mereka memproses lebih dari satu juta dokumen klinis setiap hari menggunakan model AI Amazon Nova yang dijalankan melalui platform Amazon Bedrock.

Penerapan AI di sektor kesehatan bukan sekadar upaya mempercepat proses administrasi. Di balik setiap dokumen medis terdapat informasi penting yang menentukan diagnosis, pengobatan, hingga proses klaim asuransi. Kesalahan kecil dalam membaca atau mengklasifikasikan dokumen dapat berdampak besar, mulai dari klaim layanan kesehatan yang ditolak, denda akibat ketidakpatuhan terhadap regulasi, hingga risiko keselamatan pasien.

Karena itu, Guardoc Health mengembangkan arsitektur AI yang dirancang tidak hanya mengutamakan akurasi, tetapi juga efisiensi biaya komputasi. Pendekatan tersebut diklaim mampu membantu organisasi layanan kesehatan mengurangi kesalahan dokumentasi sekaligus meningkatkan kualitas pelayanan kepada pasien.

Dokumentasi Klinis Menjadi Tantangan Besar

Dokumentasi medis di fasilitas kesehatan tidak selalu hadir dalam format digital yang rapi. Dalam praktik sehari-hari, tenaga kesehatan harus berhadapan dengan berbagai jenis dokumen, mulai dari PDF multihalaman, formulir yang telah dipindai, tabel obat, hingga catatan dokter yang ditulis tangan di atas dokumen cetak.

Tidak sedikit pula dokumen yang menggabungkan berbagai elemen dalam satu halaman, seperti teks digital, stempel, tanda tangan, dan tulisan tangan. Kompleksitas inilah yang membuat proses digitalisasi maupun analisis dokumen medis menjadi jauh lebih sulit dibandingkan dokumen bisnis biasa.

Guardoc menyebut sistemnya harus mampu membaca hampir seluruh variasi dokumen yang dihasilkan fasilitas kesehatan. Misalnya formulir prior authorization, yaitu dokumen persetujuan layanan medis yang sering kali menentukan apakah suatu tindakan atau pengobatan akan ditanggung oleh asuransi. Dalam beberapa kasus, keputusan pembiayaan hanya bergantung pada status sebuah kotak centang atau catatan tulisan tangan dokter.

Selain itu, daftar obat pasien juga dapat muncul dalam berbagai format. Pada satu dokumen informasi tersusun rapi dalam tabel, sementara pada dokumen lain daftar tersebut hanya berupa narasi panjang yang ditulis dokter. Variasi inilah yang menjadi tantangan bagi teknologi Optical Character Recognition (OCR) konvensional.

Kesalahan Dokumentasi Bisa Berdampak Besar

Pentingnya akurasi dokumentasi klinis juga diperkuat oleh hasil penelitian yang diterbitkan dalam jurnal BMJ Quality and Safety. Penelitian tersebut memperkirakan sekitar 12 juta pasien rawat jalan di Amerika Serikat mengalami kesalahan diagnosis setiap tahun, dengan salah satu penyebabnya adalah kegagalan dalam pengelolaan informasi medis.

Bagi perusahaan seperti Guardoc yang memproses lebih dari satu juta dokumen setiap hari, tingkat kesalahan sekecil apa pun dapat menghasilkan dampak yang signifikan. Apabila tingkat kesalahan deteksi kondisi pasien mencapai satu persen saja, maka ribuan catatan medis berpotensi salah setiap harinya.

Kesalahan tersebut tidak hanya berdampak pada administrasi, tetapi juga dapat memengaruhi keputusan klinis, proses penggantian biaya layanan kesehatan, hingga keselamatan pasien.

Dalam sistem Medicare di Amerika Serikat, misalnya, kesalahan dokumentasi dapat menyebabkan klaim ditolak pada skema Patient-Driven Payment Model (PDPM). Selain kehilangan pendapatan, fasilitas kesehatan juga berisiko menghadapi audit, denda, bahkan tuntutan hukum apabila dokumentasi tidak memenuhi standar yang berlaku.

Klaim Penurunan Kesalahan Dokumentasi

Guardoc mengungkapkan bahwa penerapan AI berbasis Amazon Nova memberikan dampak yang cukup signifikan terhadap operasional pelanggan mereka. Perusahaan melaporkan berhasil menurunkan kesalahan dokumentasi hingga 46 persen, mengurangi denda audit sebesar 70 persen, serta menghasilkan return on investment (ROI) tahunan lebih dari US$400.000 untuk satu fasilitas kesehatan.

Meski demikian, Guardoc tidak menjelaskan secara rinci metodologi maupun periode pengukuran yang digunakan untuk menghasilkan angka-angka tersebut.

Dalam salah satu implementasi yang berlangsung selama satu kuartal di dua fasilitas kesehatan dengan sekitar 200 pasien, sistem AI Guardoc disebut berhasil melakukan 847 koreksi dokumentasi serta mengidentifikasi 86 masalah yang berpotensi memengaruhi akurasi pembayaran PDPM.

Perusahaan juga menyatakan implementasi tersebut berkaitan dengan penurunan 74 persen angka rujukan pasien ke rumah sakit untuk setiap 100 penerimaan pasien.

Sementara itu, studi kasus lain yang melibatkan tujuh fasilitas kesehatan dengan total 1.618 penghuni berhasil menemukan 10.612 masalah dokumentasi yang sebelumnya tidak teridentifikasi.

Menggabungkan RAG dan AI Multimodal

Di balik pencapaian tersebut, Guardoc membangun sistem berbasis pendekatan Retrieval-Augmented Generation (RAG). Alih-alih meminta model AI langsung menjawab pertanyaan berdasarkan pengetahuan umum, sistem terlebih dahulu mencari informasi yang relevan dari dokumen milik pasien itu sendiri. Setelah bukti ditemukan, model AI melakukan penalaran untuk menghasilkan klasifikasi kondisi pasien.

Pendekatan ini membantu mengurangi risiko AI menghasilkan jawaban yang tidak sesuai dengan data medis sebenarnya. Proses dimulai menggunakan Amazon Textract, layanan OCR berbasis AI yang mengekstraksi teks sekaligus memahami struktur dokumen, termasuk tabel dan formulir.

Setelah itu, dokumen dibagi menjadi beberapa bagian berdasarkan struktur klinis, seperti bagian diagnosis, riwayat penyakit, maupun daftar obat. Pendekatan ini membuat informasi penting tetap utuh dan tidak terpotong hanya karena batas jumlah karakter.

Setiap bagian dokumen kemudian diubah menjadi representasi vektor menggunakan Amazon Titan Text Embeddings V2 dan disimpan di Amazon DynamoDB.

Menariknya, seluruh data dipisahkan berdasarkan masing-masing pasien sehingga proses pencarian informasi tidak pernah mengambil data dari pasien lain. Pendekatan tersebut menjadi salah satu langkah penting dalam menjaga privasi data kesehatan.

Penyaringan Bertingkat untuk Menekan Biaya

Guardoc tidak langsung menggunakan model AI paling canggih terhadap seluruh dokumen yang masuk. Sebaliknya, perusahaan menerapkan strategi pemrosesan bertingkat agar biaya komputasi tetap efisien. Sebelum pencarian dilakukan, sistem menyaring dokumen berdasarkan jenis dan waktu pembuatannya. Selanjutnya algoritma k-nearest neighbour (k-NN) mencari bagian dokumen yang paling relevan dengan kebutuhan analisis.

Tahapan berikutnya memanfaatkan Amazon Nova 2 Lite untuk melakukan penyaringan berbasis teks dan menghapus dokumen yang jelas tidak berkaitan dengan proses klasifikasi. Hanya dokumen yang lolos dari seluruh proses tersebut yang kemudian dikirim ke Amazon Nova Pro.

Berbeda dengan model OCR biasa, Nova Pro mampu menganalisis dokumen secara multimodal. Model ini tidak hanya membaca teks, tetapi juga memahami tata letak halaman, tabel, tanda tangan, stempel, hingga tulisan tangan dokter.

Dengan demikian, proses analisis tidak lagi bergantung pada hasil OCR semata, melainkan juga mempertimbangkan konteks visual dari dokumen asli.

Strategi ini membuat komponen AI yang lebih ringan menangani pekerjaan dalam jumlah besar, sedangkan model AI yang membutuhkan komputasi tinggi hanya digunakan ketika benar-benar diperlukan.

Mengatasi Dokumen yang Sulit Dibaca

Guardoc mengungkapkan bahwa ada dua jenis dokumen yang selama ini paling sulit diproses oleh sistem otomatis.

Pertama adalah bagian physician attestation pada formulir prior authorization. Dalam dokumen ini, tulisan tangan dokter sering kali mengubah keputusan yang sebenarnya ditunjukkan oleh kotak centang pada formulir cetak.

Kedua adalah bagian gejala yang dilaporkan langsung oleh pasien. Informasi penting mengenai kondisi pasien sering kali hanya ditulis tangan dan tidak muncul di bagian lain dalam rekam medis.

Tantangan serupa juga muncul pada ekstraksi data obat. Informasi mengenai nama obat, dosis, cara pemberian, dan frekuensi penggunaan dapat tersebar dalam berbagai format, mulai dari tabel digital, catatan dokter berbentuk narasi, tulisan tangan yang ditambahkan pada daftar obat, hingga hasil pemindaian dokumen yang telah beberapa kali dikirim melalui mesin faks.

Untuk mengatasi kondisi tersebut, Guardoc menjalankan pipeline hibrida. Amazon Textract digunakan terlebih dahulu untuk membaca tabel yang bersih, kemudian hasilnya dikombinasikan dengan file PDF asli dan diproses kembali menggunakan Amazon Nova Pro.

Pendekatan ini memungkinkan AI memahami kolom tabel yang terpotong, mengenali tulisan tangan, serta membaca format dokumen yang selama ini sulit diproses hanya dengan OCR konvensional.

Assaf Amiaz, Director of Product di Guardoc Health, mengatakan keluarga model Amazon Nova membantu organisasi layanan kesehatan mendeteksi kasus berisiko tinggi lebih awal sehingga tindakan dapat dilakukan sebelum masalah berkembang menjadi lebih besar.

Menurutnya, otomatisasi alur kerja yang sebelumnya memerlukan pemeriksaan manual juga membantu mengurangi kesenjangan kepatuhan, meminimalkan kesalahan dokumentasi, sekaligus memberikan lebih banyak waktu bagi tenaga kesehatan untuk fokus pada tujuan utama, yaitu meningkatkan kualitas perawatan dan hasil klinis bagi pasien.