China Menerbitkan Pedoman Etika AI untuk Melindungi Pasien dalam Pencitraan Medis

Pantau - China menerbitkan pedoman etika untuk penelitian pencitraan medis berbasis kecerdasan buatan (AI) guna mengatur pengembangan algoritma, verifikasi uji coba, dan penerapan klinis teknologi tersebut.

Kementerian Ilmu Pengetahuan dan Teknologi China pada Jumat (28/8/2026) menyebut pedoman itu diterbitkan oleh subkomite etika medis dari Komite Etika Ilmu Pengetahuan dan Teknologi Nasional China.

Pencitraan medis berbasis AI menggunakan teknologi kecerdasan buatan untuk menganalisis hasil pemindaian tomografi terkomputasi (CT), pencitraan resonansi magnetik (MRI), dan ultrasonografi (USG) sehingga dapat membantu dokter mendeteksi lesi serta meningkatkan efisiensi diagnosis.

Penggunaan teknologi tersebut juga melibatkan data kesehatan sensitif dengan sejumlah risiko, termasuk kebocoran privasi, bias algoritma, dan ketidakjelasan akuntabilitas.

Pedoman tersebut menetapkan enam prinsip utama berupa peningkatan kesejahteraan manusia, dukungan terhadap keadilan, penghormatan terhadap otonomi manusia, perlindungan privasi dan keamanan data, jaminan keselamatan dan keterkendalian, serta penguatan transparansi.

Kepentingan kesehatan pasien ditempatkan sebagai prioritas dalam penelitian maupun penerapan teknologi pencitraan medis berbasis AI.

Peneliti juga diwajibkan memperoleh persetujuan berdasarkan informasi atau informed consent dari peserta penelitian sebelum menggunakan data mereka.

Peserta penelitian memiliki hak untuk menarik kembali persetujuan tersebut kapan saja.

Pedoman China menegaskan manusia tetap menjadi pihak yang bertanggung jawab dalam penggunaan AI untuk pencitraan medis.

Hasil analisis yang diberikan AI tidak boleh dijadikan diagnosis akhir karena dokter tetap memiliki kewenangan untuk mengambil keputusan medis.

Pedoman tersebut juga melarang pihak terkait melebih-lebihkan kinerja model AI dalam penelitian maupun penerapan klinis.

Keadilan algoritma turut ditekankan untuk mengurangi risiko bias diagnosis yang dapat muncul akibat penggunaan sampel pelatihan yang tidak seimbang.