Transformasi digital dalam pelayanan kesehatan tidak lagi hanya berbicara mengenai penggunaan rekam medis elektronik atau sistem informasi rumah sakit. Kehadiran Artificial Intelligence (AI) mulai mengubah cara tenaga kesehatan mengelola informasi, menentukan prioritas pekerjaan, dan memberikan pelayanan kepada pasien. Dalam bidang kefarmasian, perubahan ini menjadi penting karena apoteker setiap hari berhadapan dengan jumlah resep yang besar, variasi terapi yang kompleks, serta tuntutan untuk memastikan penggunaan obat tetap aman dan rasional. Menurut Chalasani et al. (2023), AI memiliki potensi untuk membantu berbagai aspek praktik kefarmasian, termasuk pengambilan keputusan klinis, pemantauan terapi, identifikasi masalah terkait obat, dan peningkatan keselamatan pasien.
Efisiensi yang ditawarkan AI bukan semata-mata berarti mempercepat pekerjaan apoteker. Nilai yang lebih penting adalah kemampuan teknologi untuk membantu menentukan pekerjaan mana yang perlu diprioritaskan. Dalam pelayanan rumah sakit, misalnya, tidak setiap resep memiliki tingkat risiko yang sama. Sistem berbasis AI dapat mempelajari pola data pasien dan resep untuk mengenali kondisi yang berpotensi memerlukan perhatian lebih lanjut. Ranchon et al. (2023) menemukan bahwa salah satu penerapan AI yang berkembang dalam farmasi klinik adalah membantu proses medication order review. Dengan sistem tersebut, apoteker dapat lebih cepat mengidentifikasi resep yang berisiko dan mengalokasikan waktu untuk kasus yang membutuhkan penilaian klinis lebih mendalam.
Kemampuan memilah prioritas tersebut dapat membawa perubahan besar pada pola kerja pelayanan kefarmasian. Johns et al. (2025) mengembangkan model machine learning menggunakan data lebih dari dua juta baris resep untuk memprediksi kebutuhan intervensi farmasi dalam proses pengkajian resep di rumah sakit. Hasil penelitian tersebut menunjukkan bahwa teknologi AI memiliki peluang untuk digunakan sebagai penyaring awal sebelum dilakukan evaluasi oleh apoteker. Artinya, AI tidak menggantikan proses verifikasi profesional, tetapi dapat mengurangi beban pemeriksaan rutin sehingga tenaga kefarmasian dapat memusatkan perhatian pada pasien dengan risiko masalah obat yang lebih tinggi.
Transformasi serupa dapat terjadi pada pelayanan farmasi yang selama ini banyak menghabiskan waktu untuk pekerjaan administratif dan pengolahan data. Ketika proses identifikasi risiko dapat dilakukan secara otomatis, waktu apoteker dapat dialihkan untuk aktivitas yang lebih membutuhkan interaksi manusia, seperti konseling obat, edukasi penggunaan obat, evaluasi kepatuhan terapi, serta komunikasi dengan dokter dan tenaga kesehatan lainnya. Levivien et al. (2022) menunjukkan bahwa sistem pendukung keputusan berbasis machine learning dapat digunakan untuk membantu menentukan prioritas pengkajian obat berdasarkan kemungkinan munculnya masalah terkait terapi. Konsep tersebut memperlihatkan bagaimana AI dapat berfungsi sebagai alat bantu untuk membangun alur pelayanan yang lebih terarah, bukan sekadar sebagai teknologi tambahan.
Baca juga : AI dalam Dunia Farmasi: Teknologi Cerdas untuk Dukung Peran Tenaga Kefarmasian
Selain mempercepat proses kerja, pemanfaatan AI juga dapat membantu menciptakan pelayanan kefarmasian yang lebih konsisten (Bidara & Serawaidi, 2025). Sistem yang mampu mengolah data dengan pola yang sama dapat membantu mengurangi kemungkinan terlewatnya informasi penting ketika beban pelayanan sedang tinggi (Setiadi et al., 2025). Bagi apoteker, dukungan tersebut dapat menjadi dasar awal untuk menilai kebutuhan pasien secara lebih terstruktur. Dengan demikian, efisiensi yang dihasilkan tidak hanya berkaitan dengan penghematan waktu, tetapi juga dengan kemampuan mengelola sumber daya tenaga kefarmasian secara lebih optimal tanpa mengabaikan kualitas pelayanan kepada pasien.
Namun, efisiensi tidak boleh menjadi satu-satunya ukuran keberhasilan penggunaan AI dalam pelayanan kefarmasian. Sistem yang cepat tetapi menghasilkan rekomendasi yang tidak akurat justru dapat menambah risiko bagi pasien. Karena itu, keputusan akhir mengenai terapi tetap membutuhkan penilaian profesional apoteker. Chalasani et al. (2023) menekankan bahwa implementasi AI dalam praktik farmasi masih menghadapi tantangan berupa kualitas data, interpretasi algoritma, keamanan informasi pasien, dan kebutuhan validasi sistem. Teknologi perlu diposisikan sebagai pendukung keputusan, sementara tanggung jawab klinis tetap berada pada tenaga kesehatan.
Arah terbaik transformasi pelayanan kefarmasian bukanlah menciptakan pelayanan yang sepenuhnya otomatis, melainkan pelayanan yang mampu membagi pekerjaan secara lebih cerdas antara manusia dan teknologi. AI dapat menangani proses penyaringan data, mengenali pola, dan membantu menentukan prioritas, sedangkan apoteker tetap menjalankan fungsi yang membutuhkan pertimbangan klinis, komunikasi, empati, dan tanggung jawab profesional. Dengan pendekatan tersebut, efisiensi bukan berarti mengurangi peran apoteker, tetapi justru memberikan lebih banyak ruang bagi apoteker untuk menjalankan fungsi profesional yang memiliki dampak langsung terhadap kualitas terapi dan keselamatan pasien.
Referensi
Baca juga : Riset Farmasi Dipercepat AI, Keamanannya Jadi Pertanyaan Baru
Bidara, F., & Serawaidi, N. P. A. (2025). Literature Review: Peluang dan Tantangan Penggunaan Kecerdasan Buatan dalam Meningkatkan Pelayanan Farmasi Klinis. Jurnal Kesehatan Mahardika, 12(1), 158–171. https://doi.org/10.54867/jkm.v12i1.240
Chalasani, S. H., Syed, J., Ramesh, M., Patil, V., & Pramod Kumar, T. M. (2023). Artificial intelligence in the field of pharmacy practice: A literature review. Exploratory Research in Clinical and Social Pharmacy, 12. https://doi.org/10.1016/j.rcsop.2023.100346
Johns, E., Guendouz, A., Dal Mas, L., Beck, M., Alkanj, A., Gourieux, B., Sauleau, E.-A., & Michel, B. (2025). Using machine learning to predict pharmaceutical interventions during medication prescription review in a hospital setting. American Journal of Health-System Pharmacy, 82(22), 1238–1248. https://doi.org/https://doi.org/10.1093/ajhp/zxaf089
Levivien, C., Cavagna, P., Grah, A., Buronfosse, A., Courseau, R., Bézie, Y., & Corny, J. (2022). Assessment of a hybrid decision support system using machine learning with artificial intelligence to safely rule out prescriptions from medication review in daily practice. International Journal of Clinical Pharmacy, 44(2), 459–465. https://doi.org/https://doi.org/10.1007/s11096-021-01366-4
Baca juga : Artificial Intelligence sebagai Pendukung Farmakovigilans
Ranchon, F., Chanoine, S., Lambert-Lacroix, S., Bosson, J.-L., Moreau-Gaudry, A., & Bedouch, P. (2023). Development of artificial intelligence powered apps and tools for clinical pharmacy services: A systematic review. International Journal of Medical Informatics, 172. https://doi.org/https://doi.org/10.1016/j.ijmedinf.2022.104983
Setiadi, F., Utami, H., Ratih, D., & Subhan, A. (2025). Penguatan Praktik Farmasi Klinis melalui Optimalisasi Aplikasi PTO Berbasis Artificial Intelligence. Jurnal Farmamedika (Pharmamedica Journal), 10(1), 98–106. https://doi.org/https://doi.org/10.47219/ath.v10i1.485
Powered by Froala Editor
Update berita dan artikel RM.ID menarik lainnya di Google News
Dapatkan juga update berita pilihan dan breaking news setiap hari dari RM.id. Mari bergabung di Grup Telegram "Rakyat Merdeka News Update", caranya klik link https://t.me/officialrakyatmerdeka kemudian join. Anda harus install aplikasi Telegram terlebih dulu di ponsel.