Pengembangan Electronic Medical Record dengan Artificial Intelligence sebagai Strategi Pendukung Pembelajaran Klinis

Kinik Darsono, Prof. dr. Ova Emilia, Sp.OG(K)., M.Med.Ed., Ph.D.; Prof. dr. Gandes Retno Rahayu, M.Med., Ph.D.)

2025 | Disertasi | S3 Kedokteran Umum

Latar Belakang: Integrasi Kecerdasan Buatan (Artificial Intelligence/AI) dalam Rekam Medis Elektronik (Electronic Medical Records/EMR) memberikan peluang untuk meningkatkan pembelajaran klinis melalui umpan balik waktu nyata dan dokumentasi yang terstruktur.

Tujuan: Penelitian ini bertujuan untuk mengevaluasi efektivitas Electronic Medical Record with Artificial Intelligence (EMRAI) dalam meningkatkan akurasi dokumentasi dan kinerja diagnostik pada mahasiswa profesi kedokteran.

Metode Penelitian: Pendekatan mixed-methods digunakan dengan melibatkan 61 mahasiswa profesi kedokteran dari Universitas Gadjah Mada. Peserta dibagi menjadi kelompok eksperimen yang menggunakan EMRAI (n = 30) dan kelompok kontrol yang menggunakan rekam medis kertas tradisional (Paper Medical Records/PMRs) (n = 31).

Hasil: Mahasiswa yang menggunakan EMRAI menunjukkan akurasi diagnosis yang lebih tinggi secara signifikan (skor rata-rata = 91,80 vs. 71,42; P < 0>

Kesimpulan: Dengan demikian, EMRAI secara signifikan meningkatkan hasil pembelajaran klinis melalui peningkatan kualitas dokumentasi dan akurasi diagnosis, sekaligus mendorong keterampilan berpikir kritis dan kemandirian mahasiswa profesi kedokteran.

 

Backgound: The integration of Artificial Intelligence (AI) in Electronic Medical Records (EMRs) presents an opportunity to enhance clinical learning through real-time feedback and structured documentation.

Objective: This study aimed to evaluate the effectiveness of the Electronic Medical Record with Artificial Intelligence (EMRAI) in improving documentation accuracy and diagnostic performance among clinical rotation students.

Methodology: A mixed-methods approach was employed, involving 61 clinical rotation students from Universitas Gadjah Mada. Participants were divided into an experimental group using EMRAI (n = 30) and a control group using traditional paper medical records (PMRs) (n = 31).

Results: Students using EMRAI demonstrated significantly higher diagnostic accuracy (mean score = 91.80 vs. 71.42; P < 0>

Conclusion: EMRAI significantly enhances clinical learning outcomes by improving documentation quality and diagnostic accuracy, while fostering critical thinking and autonomy among clinical rotation students.

Kata Kunci : Kata kunci: kecerdasan buatan, pendidikan klinis, mahasiswa profesi kedokteran, akurasi diagnosis, rekam medis elektronik; Keywords: Artificial intelligence, clinical education, clinical rotation students, diagnostic accuracy, electronic medical record