AI dalam Terapi Fisik: Apa yang Nyata, Apa yang Hanya Hype pada Tahun 2026

Kondisi penerapan kecerdasan buatan (AI) dalam terapi fisik, berdasarkan kategori

"AI dalam terapi fisik" merujuk pada tiga teknologi berbeda yang berada pada tiga tahap kematangan yang berbeda pula, dan menggabungkan ketiganya begitu saja adalah contoh bagaimana pemasaran melampaui kenyataan. Mengelompokkannya berdasarkan kategori akan memberi tahu Anda apa yang benar-benar efektif saat ini.

• Bantuan pendokumentasian diterapkan dalam praktik klinis. Alat pencatatan otomatis menyusun catatan dari sesi konsultasi, dan klinik-klinik sudah menggunakannya setiap hari.
• Analisis gerakan semakin matang dan sangat bergantung pada validasi. Teknologi penglihatan komputer dan sensor yang dapat dikenakan memang berfungsi secara teknis, namun bukti yang telah melalui tinjauan sejawat untuk penggunaan klinis masih terbatas.
• Sistem pendukung keputusan klinis masih berada pada tahap penelitian. Model triase dan prediksi hasil sebagian besar hanya terdapat dalam jurnal-jurnal dan sistem kesehatan akademis, bukan di praktik swasta.

Ada satu pola yang terlihat pada ketiganya. Penerapan alat tersebut bergantung pada kekuatan bukti ilmiah yang dipublikasikan, bukan pada seberapa meyakinkannya pernyataan pihak penyedia. Jika penelitiannya kuat, para praktisi medis menggunakan alat tersebut. Jika tidak, mereka menunggu.

Bantuan dokumentasi: pencatatan lingkungan dan pembuatan catatan

Dokumentasi adalah bidang di mana AI benar-benar telah diterapkan di klinik fisioterapi, dan hal ini terjadi karena tugas yang mendasarinya sesuai dengan keunggulan teknologi tersebut. Alat pencatatan otomatis (ambient scribing) merekam sesi konsultasi melalui telepon atau mikrofon klinik, mentranskripsikan percakapan, dan menghasilkan draf catatan yang disusun ke dalam bagian-bagian subjektif, objektif, penilaian, dan rencana. Ahli terapi kemudian meninjau, mengoreksi, dan menandatanganinya. Mesin yang menyusun draf, sedangkan manusia tetap bertanggung jawab atas apa yang tercantum dalam rekam medis.

Daya tarik terhadap alat-alat ini berasal dari beban dokumentasi, yang telah diukur secara cermat di seluruh sektor layanan kesehatan. Menurut sebuah studi yang sering dikutip dalam *Annals of Internal Medicine*, dokter menghabiskan hampir dua jam untuk rekam medis elektronik dan pekerjaan administratif untuk setiap jam pelayanan langsung kepada pasien. Fisioterapis menghadapi kendala serupa, karena penulisan catatan seringkali melampaui jam kerja yang dijadwalkan dan memperparah kelelahan yang tercatat. Penerapan awal sistem pencatatan otomatis (ambient scribing) di sistem kesehatan menunjukkan peningkatan yang moderat, bukan dramatis. Sebuah studi berskala besar yang dilaporkan oleh STAT hanya menemukan pengurangan moderat dalam total waktu yang dihabiskan untuk rekam medis elektronik dan tidak ada perubahan signifikan dalam pencatatan di luar jam kerja, dengan dokter perawatan primer dan tenaga medis perempuan mendapatkan manfaat lebih besar daripada yang lain.

Penerapan teknologi ini dalam fisioterapi secara khusus memang masih lebih awal dibandingkan di layanan perawatan primer dokter, namun hal ini nyata dan terus berkembang. Asosiasi Fisioterapi Amerika (APTA) telah mulai membahas alat-alat generatif dalam pedoman praktiknya, dengan menganggapnya sebagai alat bantu dokumentasi yang sedang berkembang yang harus diawasi oleh para klinisi, bukan langsung dipercaya begitu saja. Sebagian besar penerapan teknologi ini saat ini berada di dalam kelompok layanan rawat jalan yang lebih besar dan klinik yang berafiliasi dengan rumah sakit yang sudah mengoperasikan sistem rekam medis terintegrasi, karena lingkungan tersebut memiliki staf kepatuhan yang bertugas memeriksa sumber catatan baru sebelum digunakan dalam proses penagihan.

Masalah akurasi inilah yang paling menuntut deskripsi yang jujur. Sistem pencatatan otomatis menghasilkan catatan yang lancar dan masuk akal, namun kelancaran tersebut tidak sama dengan kebenaran. Catatan yang dihasilkan secara otomatis dapat salah mengaitkan suatu gejala, mengada-ada detail yang tidak pernah disebutkan oleh dokter, atau meredakan temuan yang ambigu menjadi kepastian yang keliru. Karena drafnya terlihat rapi, seorang dokter yang terburu-buru dapat dengan mudah menandatangani kesalahan tersebut daripada menyadari adanya kolom yang kosong. Tahap peninjauan bukanlah sekadar formalitas, dan klinik yang menganggapnya demikian akan menanggung risikonya.

Tanggung jawab terletak pada penandatangan, bukan pada perangkat lunak. Apabila catatan yang disusun oleh AI mengandung kesalahan yang berdampak pada perawatan atau audit, tenaga medis yang menandatanganinya bertanggung jawab atas catatan tersebut, dan kerangka hukum malpraktik serta perizinan yang berlaku saat ini tidak memberikan perlindungan apa pun bagi pihak yang mendelegasikan penyusunan teks kepada model. Penyedia layanan membebaskan diri dari tanggung jawab klinis dalam ketentuan mereka, yang berarti pertanyaan mengenai pertanggungjawaban memiliki jawaban yang jelas dan mengarah pada sikap kehati-hatian.

Risiko terkait pihak penanggung biaya dan kepatuhan menjadi kendala ketiga. Dokumentasi untuk terapi fisik harus mendukung keharusan medis, membenarkan rencana perawatan, dan sesuai dengan kode yang ditagihkan; sementara catatan yang dihasilkan cenderung menggunakan bahasa umum yang tidak lolos tinjauan pihak penanggung biaya, bahkan ketika perawatan klinisnya sudah tepat. Catatan yang terbaca baik namun tidak mencantumkan defisit fungsional spesifik dan tujuan yang dapat diukur—seperti yang diharapkan pihak penanggung biaya—dapat memicu penolakan klaim atau penarikan kembali pembayaran. Klinik yang menerapkan pencatatan otomatis (ambient scribing) secara sukses memperlakukannya sebagai draf awal yang kemudian disempurnakan oleh tenaga medis menjadi dokumentasi yang sesuai ketentuan, bukan sebagai catatan akhir yang disetujui secara massal.

Analisis gerakan: penglihatan komputer dan sensor yang dapat dikenakan untuk menganalisis gaya berjalan dan gerakan

Analisis gerakan adalah bidang di mana teknologi ini benar-benar berfungsi, namun klaim klinisnya jauh melampaui bukti yang ada. Dua jenis alat yang berbeda sering digabungkan dalam strategi pemasaran yang sama, dan memisahkan keduanya merupakan langkah pertama untuk menelaah klaim vendor mana pun secara objektif. Teknologi penangkapan gerak tingkat laboratorium, yaitu jenis yang menggunakan susunan penanda dan pelat gaya, didukung oleh penelitian biomekanika selama puluhan tahun dan menghasilkan pengukuran yang dapat dipercaya oleh para klinisi. Alat video dan estimasi pose tingkat konsumen, yaitu yang dapat dijalankan oleh klinik dari tablet atau ponsel, menggunakan penglihatan komputer untuk menyimpulkan posisi sendi dari rekaman biasa, dan akurasinya sangat bervariasi tergantung pada pencahayaan, sudut kamera, pakaian, dan gerakan yang dilacak.

Dasar penelitian yang telah melalui tinjauan sejawat untuk alat-alat pada ponsel dan tablet masih terbatas dan umumnya berskala kecil. Studi validasi biasanya melibatkan beberapa lusin peserta dan melaporkan kesesuaian dengan penangkapan gerak berbasis penanda pada tugas-tugas spesifik, seperti squat atau posisi berdiri dengan satu kaki, dalam kondisi terkendali. Studi-studi tersebut cenderung menunjukkan kesesuaian yang dapat diterima untuk gerakan besar dan datar, serta kesesuaian yang jauh lebih lemah untuk gerakan rotasi, sudut sendi yang halus, atau apa pun yang diukur di luar sumbu. Alat yang dapat memperkirakan fleksi lutut dalam rentang beberapa derajat selama gerakan squat yang direkam benar-benar berfungsi. Alat yang sama yang mengklaim dapat mengukur asimetri gaya berjalan yang halus di lorong klinik yang ramai membuat klaim yang tidak didukung oleh penelitian yang telah dipublikasikan.

Di mana klinik-klinik saat ini benar-benar menerapkan alat-alat ini memberi gambaran yang lebih jelas daripada sekadar brosur. Peningkatan performa olahraga dan skrining atletik memimpin adopsi teknologi ini, karena gerakannya dapat diulang, para atlet kooperatif, dan risiko akibat pengukuran yang salah lebih rendah dibandingkan dalam rehabilitasi medis. Beberapa program rehabilitasi ortopedi dan neurologi menjalankan uji coba, seringkali di dalam klinik universitas atau sistem rumah sakit yang dapat membandingkan hasilnya dengan laboratorium berteknologi canggih milik mereka sendiri. Praktik swasta umum hampir belum tersentuh. Sebagian besar klinisi yang menilai gaya berjalan atau kualitas gerakan masih mengandalkan pengamatan terampil dan tes fungsional yang tervalidasi, bukan karena mereka menolak teknologi tersebut, tetapi karena belum ada alat video yang menunjukkan bahwa alat tersebut dapat meningkatkan hasil yang tidak dapat dinilai oleh klinisi.

Sensor inersia yang dapat dikenakan berada satu langkah lebih maju daripada analisis video semata. Akselerometer dan giroskop yang diikatkan pada anggota tubuh atau dikenakan sebagai sol sepatu mengukur irama langkah, waktu langkah, dan simetri langkah dengan keandalan yang lebih baik daripada estimasi pose, karena perangkat tersebut menangkap gerakan secara langsung, bukan menyimpulkannya dari piksel. Penelitian gaya berjalan yang menggunakan perangkat yang dapat dikenakan telah menghasilkan hasil yang dipublikasikan secara lebih konsisten, terutama untuk hitungan langkah dan parameter temporal. Masih ada kesenjangan antara mengukur suatu parameter secara andal dan membuktikan bahwa tindakan berdasarkan parameter tersebut mengubah proses pemulihan pasien, dan studi kedua inilah yang belum dilakukan oleh sebagian besar vendor.

Pandangan yang jujur untuk tahun 2026 adalah bahwa analisis gerakan memberi Anda cara yang cepat dan dapat diulang untuk merekam pengukuran tertentu, bukan pengganti yang tervalidasi untuk penilaian klinis. Anggaplah setiap angka akurasi bergantung pada tugas dan pengaturan tepat di mana pengujian dilakukan, dan tanyakan apakah validasi tersebut membandingkan alat tersebut dengan sistem penangkapan gerakan standar emas atau tanpa perbandingan sama sekali. Alat yang mempercepat alur kerja resep latihan adalah hal yang berbeda dari alat yang mengklaim pengukuran gerakan tingkat diagnostik. Pembuat program Physitrack, misalnya, menggunakan pencarian cerdas untuk membantu seorang klinisi menemukan latihan dengan cepat, yang merupakan fungsi pencarian dan alur kerja, bukan analisis gerakan, dan perlu dibedakan dari klaim estimasi pose yang sebenarnya menjadi inti dari kategori ini.

Dukungan pengambilan keputusan klinis: triase, prediksi hasil, dan pencarian bukti

Dukungan pengambilan keputusan klinis merupakan kategori yang paling belum matang di antara ketiga kategori tersebut, dan mudah untuk melebih-lebihkannya. Sebagian besar yang ada saat ini terdapat dalam jurnal penelitian dan program percontohan sistem kesehatan, bukan dalam perangkat lunak yang dibeli oleh klinik swasta. Penyedia layanan terkadang menggunakan istilah-istilah yang berkaitan dengan dukungan pengambilan keputusan untuk menggambarkan fitur-fitur yang pada dasarnya hanyalah fungsi pencarian atau penyaringan; oleh karena itu, kesenjangan antara apa yang dipublikasikan dan apa yang benar-benar diterapkan menjadi lebih penting di sini daripada di bidang lain mana pun.

Karya-karya yang telah dipublikasikan secara umum dapat dikelompokkan menjadi tiga kategori. Algoritma pendukung diagnosis berupaya mengidentifikasi kondisi yang mungkin terjadi atau melakukan triase pasien ke jalur perawatan yang tepat berdasarkan data awal. Model prediksi hasil memperkirakan bagaimana seorang pasien akan merespons suatu rangkaian pengobatan tertentu, seringkali dengan menggunakan kumpulan data besar dari kasus-kasus sebelumnya untuk memperkirakan waktu pemulihan atau peluang hasil yang baik. Alat pencarian bukti dan ringkasan literatur membantu dokter menemukan penelitian yang relevan mengenai suatu kondisi atau intervensi dengan lebih cepat daripada pencarian manual di basis data. Masing-masing dari alat ini telah menghasilkan hasil yang telah ditelaah oleh rekan sejawat, dan masing-masing masih sebagian besar terbatas pada pusat-pusat medis akademis dan sistem kesehatan terintegrasi yang memiliki infrastruktur data serta staf peneliti untuk menjalankannya.

Perangkat lunak PT komersial arus utama jarang menyertakan fitur-fitur ini. Model yang dilatih menggunakan populasi pasien dari satu sistem kesehatan tidak secara otomatis dapat diterapkan ke klinik lain dengan demografi dan kebiasaan dokumentasi yang berbeda. Model prediksi hasil, khususnya, cenderung mengalami penurunan akurasi ketika diterapkan di luar dataset yang menjadi dasar pembuatannya, dan memvalidasi model tersebut pada populasi baru membutuhkan waktu dan biaya yang belum dikeluarkan oleh sebagian besar vendor. Akibatnya, dukungan pengambilan keputusan yang dapat Anda kutip dari jurnal ilmiah bukanlah dukungan pengambilan keputusan yang dapat Anda beli dan aktifkan minggu depan.

Alat bantu pengambilan keputusan juga dihadapkan pada standar yang lebih tinggi daripada alat dokumentasi, dan alasannya cukup jelas. Seorang asisten pencatat menyusun draf catatan yang kemudian dibaca, dikoreksi, dan ditandatangani oleh tenaga medis, sehingga manusia tetap memegang kendali atas catatan akhir. Sebuah algoritma triase atau model hasil secara langsung memengaruhi penilaian klinis, dan hal ini dapat mengarahkan seorang tenaga medis ke suatu keputusan bahkan sebelum catatan tersebut ditulis. Ketika sebuah alat menentukan apa yang Anda putuskan, bukan bagaimana Anda mendokumentasikan keputusan tersebut, tuntutan validasi pun meningkat tajam.

Pengaruh langsung terhadap pengambilan keputusan itulah yang juga membuat gambaran pertanggungjawaban menjadi lebih rumit. Jika saran triase mengarahkan seorang pasien untuk tidak menjalani pemeriksaan pencitraan yang ternyata diperlukan, pertanyaan mengenai siapa yang bertanggung jawab atas kelalaian tersebut menjadi nyata—sesuatu yang tidak pernah terjadi pada catatan medis yang salah ketik. Regulator dan badan profesi belum menetapkan sejauh mana seorang klinisi dapat mengandalkan rekomendasi algoritmik sebelum tanggung jawab beralih, dan ketidakpastian tersebut membuat klinik-klinik yang berhati-hati tetap berada di pinggir. Bukti ilmiah mengenai alat-alat ini mungkin pada akhirnya akan menyusul, tetapi untuk saat ini, penilaian yang jujur adalah bahwa dukungan pengambilan keputusan klinis dalam fisioterapi masih merupakan bidang penelitian, bukan kategori produk.

Mengapa adopsi terus tertinggal dari pemasaran

Tiga kendala menjelaskan mengapa klinik mengadopsi teknologi ini jauh lebih lambat daripada yang dijanjikan oleh penyedia, dan kendala-kendala ini berlaku di ketiga kategori tersebut. Yang pertama adalah pertanggungjawaban, dan hal ini masih belum terselesaikan. Ketika seorang asisten medis menyusun catatan yang salah mengartikan suatu temuan, atau alat triase menyarankan klasifikasi yang salah, pihak yang bertanggung jawab tetaplah dokter yang menandatanganinya, bukan perangkat lunak yang menghasilkan keluaran tersebut. Struktur pertanggungjawaban tersebut memberikan alasan bagi para dokter untuk melambat dan meninjau kembali, yang menghilangkan sebagian besar efisiensi yang dijanjikan oleh alat-alat tersebut. Belum ada regulator yang menarik garis yang jelas mengenai di mana tanggung jawab vendor berakhir dan tanggung jawab klinis dimulai.

Validasi yang lemah memperparah masalah pertanggungjawaban di luar dokumentasi. Metode “ambient scribing” mengacu pada bukti dari sejumlah besar penelitian umum di bidang kesehatan mengenai waktu kerja tenaga medis dan kelelahan kerja, sehingga memiliki landasan yang lebih kokoh. Hal ini tidak berlaku untuk analisis gerakan dan sistem pendukung keputusan. Sebagian besar klaim terkait analisis gerakan didasarkan pada studi kesesuaian berskala kecil yang dibandingkan dengan metode penangkapan gerakan sebagai standar emas, dan sebagian besar model sistem pendukung keputusan hanya dipublikasikan di jurnal ilmiah, bukan diterapkan dalam praktik klinis. Seorang direktur klinik yang diminta untuk membenarkan pembelian kepada pihak pembayar atau perusahaan asuransi malpraktik memiliki sedikit landasan yang telah ditinjau sejawat untuk kedua kategori tersebut.

Sikap skeptis para praktisi dalam bidang fisioterapi telah didokumentasikan dan masuk akal; ini bukanlah penolakan yang bersifat refleksif. Diskusi di forum APTA dan komunitas profesional fisioterapi berulang kali mengemukakan keberatan yang sama, termasuk catatan yang tampak masuk akal namun berisi detail yang direkayasa, alat yang mengasumsikan kondisi perekaman ideal yang jarang dimiliki klinik, serta penyedia layanan yang menyajikan hasil uji coba sebagai bukti yang sudah pasti. Para praktisi klinis yang pernah menyaksikan seorang pencatat medis mengada-ada gejala atau alat perkiraan postur salah membaca sudut sendi pasien obesitas tidak memerlukan peringatan khusus. Mereka telah memperhitungkan risiko tersebut dalam tingkat kepercayaan mereka.

Ketiga kekuatan tersebut secara bersama-sama membentuk pola struktural, bukan keterlambatan sementara yang akan teratasi oleh siklus produk yang lebih baik. Tingkat adopsi sejalan dengan kualitas bukti, dan hierarki bukti di seluruh kategori ini stabil. Dokumentasi memiliki dukungan terkuat dan penggunaan terluas; analisis gerakan diterapkan dalam proyek percontohan di bidang olahraga dan rehabilitasi khusus, di mana lingkungan terkendali mengimbangi validasi yang terbatas; sedangkan dukungan pengambilan keputusan tetap terbatas pada pusat-pusat medis akademis yang memiliki staf peneliti untuk mengawasinya. Sebuah proyek percontohan berhasil justru karena tim yang termotivasi mengendalikan kondisinya. Praktik sehari-hari menghilangkan kontrol tersebut, sehingga hasil yang diperoleh dalam uji coba menurun, dan alat tersebut terhenti sebelum dapat diterapkan pada beban kasus umum.

Oleh karena itu, kesenjangan antara tahap uji coba dan penerapan di lapangan hanya akan teratasi jika bukti ilmiah semakin kuat dan pertanyaan mengenai tanggung jawab hukum terjawab, kategori demi kategori. Keyakinan para vendor berkembang lebih cepat daripada kedua hal tersebut. Perbedaan laju inilah—bukan karena adanya fitur tertentu yang belum tersedia—yang menjadi alasan mengapa pemasaran terus berjalan lebih cepat daripada penerapan klinis.

Hal-hal apa saja yang sebenarnya perlu diperhatikan oleh para fisioterapis pada tahun 2026

Ketika sebuah vendor mencantumkan label "AI" pada produk rehabilitasi, tanyakan dulu dari mana bukti ilmiahnya berasal sebelum Anda menanyakan fungsi fitur tersebut. Demonstrasi dan studi kasus bukanlah hal yang sama dengan validasi. Mintalah studi yang telah melalui tinjauan sejawat yang mendasari klaim akurasi atau hasil apa pun, dan periksa apakah para penulisnya independen dari perusahaan yang menjual alat tersebut. Laporan resmi (white paper) yang dibuat oleh vendor serta tolok ukur internal hanya menunjukkan bahwa produk tersebut berkinerja baik dalam kondisi yang dipilih oleh vendor.

Tanyakan sejauh mana alat tersebut sesuai dengan acuan yang telah ditetapkan. Untuk analisis gerakan, hal itu berarti kesesuaian dengan teknologi motion capture sebagai standar emas dalam sebuah studi yang telah dipublikasikan, bukan sekadar perbandingan dengan tidak ada acuan sama sekali. Untuk dokumentasi, hal itu berarti tingkat kesalahan yang terukur dalam catatan yang dihasilkan, bukan klaim penghematan waktu.

Tentukan dengan jelas persyaratan keterlibatan manusia dalam proses tersebut. Cari tahu secara pasti langkah mana yang memerlukan peninjauan dan persetujuan Anda, serta pastikan siapa yang bertanggung jawab jika alat tersebut salah. Catatan yang Anda tandatangani adalah catatan Anda, terlepas dari perangkat lunak apa pun yang menyusunnya. Saran triase yang Anda tindaklanjuti merupakan keputusan klinis Anda.

Manfaat nyata memang ada di ketiga kategori tersebut, dan ambient scribing telah berhasil menempati posisi dalam alur kerja sehari-hari. Kedua kategori lainnya masih berada lebih jauh di belakang pada kurva bukti daripada yang disiratkan oleh strategi pemasaran mereka. Perlakukan setiap label "AI" sebagai klaim yang perlu diverifikasi berdasarkan karya yang telah dipublikasikan, dan Anda akan dapat membedakan alat-alat yang benar-benar membantu Anda dari yang hanya pandai dalam pemasaran.