Penelitian terbaru mengembangkan AMIE untuk menangani penyakit kronis secara longitudinal, yakni dari satu kunjungan ke kunjungan berikutnya. Sistem ini memanfaatkan kemampuan konteks panjang model Gemini dan menggunakan dua agen: agen dialog yang berfokus pada percakapan empatik dengan pasien, serta agen penalaran manajemen yang menelaah ratusan halaman pedoman klinis tepercaya .

Dalam evaluasi tersamar terhadap 100 skenario tiga kunjungan di bidang kardiologi, pulmonologi, neurologi, OBGYN/urologi, dan gastroenterologi, rekomendasi AMIE untuk pemeriksaan dan terapi dinilai lebih presisi secara konsisten. Pada kunjungan kedua, rekomendasi pemeriksaan AMIE cocok dengan jawaban acuan sebesar 99%, dibandingkan 84% pada dokter. Pada kunjungan ketiga, angkanya 100% berbanding 88%. Rencana tersebut juga menyertakan rujukan eksplisit ke pedoman NICE dan BMJ Best Practice .

MIRA: agen yang bekerja di dalam rekam medis elektronik

MIRA mengambil pendekatan yang berbeda. Alih-alih berfokus terutama pada percakapan, agen ini dirancang untuk bekerja di dalam sistem EHR. Dalam simulasi sistem informasi rumah sakit, MIRA mengevaluasi informasi medis, memesan pemeriksaan, serta menyiapkan keputusan diagnosis dan terapi berdasarkan kasus pasien nyata .

Dalam simulasi retrospektif, MIRA mencatat akurasi diagnosis keseluruhan 87,8%, dibandingkan 78,1% pada dokter bersertifikasi. Perbedaannya terlihat pada beberapa diagnosis tertentu, seperti pankreatitis—95,2% berbanding 78,6%—dan apendisitis, dengan 100% berbanding 88% .

MIRA memesan lebih banyak tes darah daripada dokter, yaitu 51% berbanding 28%. Namun, hal itu sebagian diimbangi dengan penggunaan pemindaian pencitraan yang jauh lebih sedikit . Sistem ini memiliki akses ke lebih dari 85.000 kemungkinan tindakan klinis dan diuji dengan 880 perintah adversarial—instruksi yang sengaja dirancang untuk menyesatkan AI. Dalam pengujian tersebut tidak ditemukan kasus kebocoran data .

Mengapa hasil simulasi belum cukup?

Keterbatasan terbesar AMIE dan MIRA cukup mendasar: keduanya belum diuji sebagai sistem yang menangani pasien nyata dalam praktik klinis rutin. Tinjauan cakupan tentang agen AI di bidang kesehatan menyebut kurangnya validasi klinis yang kuat di lingkungan dunia nyata sebagai tantangan utama. Banyak evaluasi masih menggunakan data sintetis atau kondisi ideal yang tidak mencerminkan catatan medis nyata dengan data yang hilang, tidak seimbang, dan tidak rapi .

Beberapa keterbatasan penting lainnya adalah:

• Tidak dapat melakukan pemeriksaan fisik. AMIE dan MIRA terutama bekerja melalui teks serta data terstruktur. Keduanya tidak dapat meraba perut, mendengarkan suara jantung dan paru-paru, atau mengamati pola berjalan pasien. Padahal, pemeriksaan fisik masih menjadi bagian penting dalam banyak diagnosis.
• Belum menunjukkan pembelajaran berkelanjutan. Analisis terhadap bab kedokteran dalam AI Index Report 2026 menyatakan bahwa belum ada sistem yang menunjukkan pembelajaran berkelanjutan atau memori jangka panjang lintas pertemuan pasien .
• Menggunakan simulasi, bukan interaksi klinis biasa. Studi pengelolaan penyakit AMIE melibatkan aktor pasien profesional dalam konsultasi virtual bergaya OSCE. Sementara itu, evaluasi MIRA menggunakan kasus retrospektif dan agen AI lain yang mensimulasikan perilaku pasien .
• Masih ada risiko keselamatan. Halusinasi, proses pengambilan keputusan yang tidak transparan, kegagalan koordinasi antaragen, dan kerentanan terhadap pembobolan EHR tetap menjadi risiko yang belum terselesaikan .

Peringatan para ahli

Para ilmuwan yang mengomentari dua studi Nature tersebut mengakui bahwa hasilnya merupakan kemajuan penting. Salah satu reaksi ahli yang dihimpun UK Science Media Centre bahkan menyebutnya sebagai “lompatan kualitatif” dibandingkan generasi AI medis sebelumnya. Namun, para ahli juga menekankan bahwa penelitian itu dilakukan dalam kondisi yang terkendali .

Kajian yang lebih luas tentang agen AI untuk layanan kesehatan menunjukkan setidaknya empat persoalan besar.

1. Sulit menelusuri alasan di balik keputusan AI

Ketika agen AI menghasilkan rekomendasi diagnosis atau terapi, proses penalarannya sering kali tidak cukup transparan. Dokter dapat kesulitan mengetahui bagaimana sistem sampai pada suatu kesimpulan. Kurangnya keterjelasan ini dapat mengurangi kepercayaan dan menghambat penerapan .

2. Siapa yang bertanggung jawab jika terjadi kesalahan?

Jika rekomendasi AI berujung pada kesalahan medis, belum ada kesepakatan yang jelas mengenai pihak yang memikul tanggung jawab hukum dan etis: pengembang AI, rumah sakit yang menggunakannya, atau dokter yang mengawasi. Kerangka regulasi seperti aturan FDA dan EU AI Act juga belum sepenuhnya menjawab kebutuhan tata kelola khusus untuk AI medis yang bersifat agentik .

3. Performa belum tentu berlaku di semua tempat

Sistem yang dilatih dan diuji menggunakan data dari satu pusat medis atau dataset tertentu, seperti MIMIC-IV, belum tentu bekerja dengan baik pada kelompok demografis, prosedur administrasi, dan sistem kesehatan yang berbeda .

4. Risiko terlalu bergantung pada AI

Para peneliti yang mengembangkan versi AMIE dengan pengaman, yaitu g-AMIE, secara eksplisit membatasi sistem agar hanya melakukan pengambilan riwayat kesehatan dan tidak memberikan nasihat medis yang dipersonalisasi. Batasan tersebut menunjukkan bahwa penggunaan AI secara bebas tanpa pengawasan masih dianggap terlalu dini dan berisiko .

Seberapa dekat dengan penggunaan di klinik?

Untuk saat ini, AMIE maupun MIRA belum siap digunakan secara rutin sebagai pengambil keputusan klinis otonom.

AMIE memang sudah mulai memasuki tahap validasi dunia nyata. Studi kelayakan prospektif satu lengan yang dilakukan bersama Beth Israel Deaconess Medical Center mengeksplorasi kemampuan AMIE mengumpulkan informasi pasien sebelum kunjungan layanan primer rawat jalan . Dalam studi kelayakan terpisah di layanan urgent care yang melibatkan 100 pasien, diagnosis banding AMIE mencakup diagnosis akhir pada 90% kasus, dengan akurasi 75% untuk tiga kemungkinan diagnosis teratas. Namun, dokter layanan primer tetap mengungguli AMIE dalam menilai kepraktisan dan efektivitas biaya rencana penatalaksanaan .

Temuan ini merupakan sinyal awal yang menjanjikan, tetapi masih berupa studi kelayakan. Hasil tersebut belum sama dengan uji terkontrol acak berskala besar yang diperlukan untuk membuktikan bahwa AI benar-benar meningkatkan keselamatan dan hasil kesehatan pasien.

Sebelum deployment klinis berskala luas menjadi realistis, masih ada sejumlah prasyarat:

• Jalur regulasi yang jelas. AI yang membantu diagnosis atau pengelolaan penyakit membutuhkan bukti keamanan dan efektivitas. Hingga kini, belum ada badan regulator utama yang memiliki kerangka komprehensif untuk agen otonom yang terus belajar di lingkungan klinis.
• Integrasi EHR yang aman. Penggabungan AI generatif dengan rekam medis dapat menimbulkan risiko tercampurnya konten yang dibuat AI dan catatan dokter, sehingga jejak tanggung jawab klinis menjadi kabur .
• Pengawasan manusia. Sistem seperti g-AMIE menunjukkan pentingnya batasan yang jelas dan keterlibatan dokter, terutama ketika AI menyusun rekomendasi yang berpotensi memengaruhi diagnosis atau terapi .
• Kesenjangan pemeriksaan fisik. AI berbasis teks dan data terstruktur belum dapat menggantikan penilaian langsung yang dilakukan tenaga kesehatan.
• Validasi pada populasi yang beragam. Klaim kinerja yang adil dan konsisten masih memerlukan pengujian pada pasien nyata dari berbagai latar belakang dan sistem layanan kesehatan.

Kesimpulan: kemajuan besar, tetapi bukan pengganti dokter

Studi Juni 2026 menunjukkan kemajuan nyata. AMIE berkembang dari AI percakapan untuk satu kali diagnosis menjadi sistem yang dapat membantu menyusun rencana pengelolaan penyakit lintas kunjungan dengan merujuk pada pedoman klinis. MIRA menunjukkan bahwa agen AI dapat menavigasi rekam medis elektronik serta menyarankan tindakan klinis dalam simulasi retrospektif dengan performa yang menyamai atau melampaui dokter pada metrik tertentu .

Namun, jarak antara demonstrasi laboratorium dan praktik kedokteran masih lebar. Lingkungan klinis nyata dipenuhi data yang tidak lengkap, gejala yang ambigu, keterbatasan sumber daya, variasi prosedur, serta kebutuhan akan akuntabilitas yang jelas .

Tonggak berikutnya harus berupa penelitian prospektif pada pasien nyata, kerangka regulasi yang tegas, bukti keselamatan pada populasi beragam, dan demonstrasi bahwa sistem ini benar-benar memperbaiki hasil pasien—bukan sekadar memperoleh nilai tinggi dalam skenario pengujian.

Untuk sekarang, AMIE dan MIRA lebih tepat dipandang sebagai prototipe riset yang menjanjikan. Keduanya mungkin kelak menjadi alat bantu dokter, tetapi belum dapat dianggap sebagai pengganti dokter atau digunakan tanpa pengawasan klinis.

Penelitian terbaru mengembangkan AMIE untuk menangani penyakit kronis secara longitudinal, yakni dari satu kunjungan ke kunjungan berikutnya. Sistem ini memanfaatkan kemampuan konteks panjang model Gemini dan menggunakan dua agen: agen dialog yang berfokus pada percakapan empatik dengan pasien, serta agen penalaran manajemen yang menelaah ratusan halaman pedoman klinis tepercaya .

Dalam evaluasi tersamar terhadap 100 skenario tiga kunjungan di bidang kardiologi, pulmonologi, neurologi, OBGYN/urologi, dan gastroenterologi, rekomendasi AMIE untuk pemeriksaan dan terapi dinilai lebih presisi secara konsisten. Pada kunjungan kedua, rekomendasi pemeriksaan AMIE cocok dengan jawaban acuan sebesar 99%, dibandingkan 84% pada dokter. Pada kunjungan ketiga, angkanya 100% berbanding 88%. Rencana tersebut juga menyertakan rujukan eksplisit ke pedoman NICE dan BMJ Best Practice .

MIRA: agen yang bekerja di dalam rekam medis elektronik

MIRA mengambil pendekatan yang berbeda. Alih-alih berfokus terutama pada percakapan, agen ini dirancang untuk bekerja di dalam sistem EHR. Dalam simulasi sistem informasi rumah sakit, MIRA mengevaluasi informasi medis, memesan pemeriksaan, serta menyiapkan keputusan diagnosis dan terapi berdasarkan kasus pasien nyata .

Dalam simulasi retrospektif, MIRA mencatat akurasi diagnosis keseluruhan 87,8%, dibandingkan 78,1% pada dokter bersertifikasi. Perbedaannya terlihat pada beberapa diagnosis tertentu, seperti pankreatitis—95,2% berbanding 78,6%—dan apendisitis, dengan 100% berbanding 88% .

MIRA memesan lebih banyak tes darah daripada dokter, yaitu 51% berbanding 28%. Namun, hal itu sebagian diimbangi dengan penggunaan pemindaian pencitraan yang jauh lebih sedikit . Sistem ini memiliki akses ke lebih dari 85.000 kemungkinan tindakan klinis dan diuji dengan 880 perintah adversarial—instruksi yang sengaja dirancang untuk menyesatkan AI. Dalam pengujian tersebut tidak ditemukan kasus kebocoran data .

Mengapa hasil simulasi belum cukup?

Keterbatasan terbesar AMIE dan MIRA cukup mendasar: keduanya belum diuji sebagai sistem yang menangani pasien nyata dalam praktik klinis rutin. Tinjauan cakupan tentang agen AI di bidang kesehatan menyebut kurangnya validasi klinis yang kuat di lingkungan dunia nyata sebagai tantangan utama. Banyak evaluasi masih menggunakan data sintetis atau kondisi ideal yang tidak mencerminkan catatan medis nyata dengan data yang hilang, tidak seimbang, dan tidak rapi .

Beberapa keterbatasan penting lainnya adalah:

• Tidak dapat melakukan pemeriksaan fisik. AMIE dan MIRA terutama bekerja melalui teks serta data terstruktur. Keduanya tidak dapat meraba perut, mendengarkan suara jantung dan paru-paru, atau mengamati pola berjalan pasien. Padahal, pemeriksaan fisik masih menjadi bagian penting dalam banyak diagnosis.
• Belum menunjukkan pembelajaran berkelanjutan. Analisis terhadap bab kedokteran dalam AI Index Report 2026 menyatakan bahwa belum ada sistem yang menunjukkan pembelajaran berkelanjutan atau memori jangka panjang lintas pertemuan pasien .
• Menggunakan simulasi, bukan interaksi klinis biasa. Studi pengelolaan penyakit AMIE melibatkan aktor pasien profesional dalam konsultasi virtual bergaya OSCE. Sementara itu, evaluasi MIRA menggunakan kasus retrospektif dan agen AI lain yang mensimulasikan perilaku pasien .
• Masih ada risiko keselamatan. Halusinasi, proses pengambilan keputusan yang tidak transparan, kegagalan koordinasi antaragen, dan kerentanan terhadap pembobolan EHR tetap menjadi risiko yang belum terselesaikan .

Peringatan para ahli

Para ilmuwan yang mengomentari dua studi Nature tersebut mengakui bahwa hasilnya merupakan kemajuan penting. Salah satu reaksi ahli yang dihimpun UK Science Media Centre bahkan menyebutnya sebagai “lompatan kualitatif” dibandingkan generasi AI medis sebelumnya. Namun, para ahli juga menekankan bahwa penelitian itu dilakukan dalam kondisi yang terkendali .

Kajian yang lebih luas tentang agen AI untuk layanan kesehatan menunjukkan setidaknya empat persoalan besar.

1. Sulit menelusuri alasan di balik keputusan AI

Ketika agen AI menghasilkan rekomendasi diagnosis atau terapi, proses penalarannya sering kali tidak cukup transparan. Dokter dapat kesulitan mengetahui bagaimana sistem sampai pada suatu kesimpulan. Kurangnya keterjelasan ini dapat mengurangi kepercayaan dan menghambat penerapan .

2. Siapa yang bertanggung jawab jika terjadi kesalahan?

Jika rekomendasi AI berujung pada kesalahan medis, belum ada kesepakatan yang jelas mengenai pihak yang memikul tanggung jawab hukum dan etis: pengembang AI, rumah sakit yang menggunakannya, atau dokter yang mengawasi. Kerangka regulasi seperti aturan FDA dan EU AI Act juga belum sepenuhnya menjawab kebutuhan tata kelola khusus untuk AI medis yang bersifat agentik .

3. Performa belum tentu berlaku di semua tempat

Sistem yang dilatih dan diuji menggunakan data dari satu pusat medis atau dataset tertentu, seperti MIMIC-IV, belum tentu bekerja dengan baik pada kelompok demografis, prosedur administrasi, dan sistem kesehatan yang berbeda .

4. Risiko terlalu bergantung pada AI

Para peneliti yang mengembangkan versi AMIE dengan pengaman, yaitu g-AMIE, secara eksplisit membatasi sistem agar hanya melakukan pengambilan riwayat kesehatan dan tidak memberikan nasihat medis yang dipersonalisasi. Batasan tersebut menunjukkan bahwa penggunaan AI secara bebas tanpa pengawasan masih dianggap terlalu dini dan berisiko .

Seberapa dekat dengan penggunaan di klinik?

Untuk saat ini, AMIE maupun MIRA belum siap digunakan secara rutin sebagai pengambil keputusan klinis otonom.

AMIE memang sudah mulai memasuki tahap validasi dunia nyata. Studi kelayakan prospektif satu lengan yang dilakukan bersama Beth Israel Deaconess Medical Center mengeksplorasi kemampuan AMIE mengumpulkan informasi pasien sebelum kunjungan layanan primer rawat jalan . Dalam studi kelayakan terpisah di layanan urgent care yang melibatkan 100 pasien, diagnosis banding AMIE mencakup diagnosis akhir pada 90% kasus, dengan akurasi 75% untuk tiga kemungkinan diagnosis teratas. Namun, dokter layanan primer tetap mengungguli AMIE dalam menilai kepraktisan dan efektivitas biaya rencana penatalaksanaan .

Temuan ini merupakan sinyal awal yang menjanjikan, tetapi masih berupa studi kelayakan. Hasil tersebut belum sama dengan uji terkontrol acak berskala besar yang diperlukan untuk membuktikan bahwa AI benar-benar meningkatkan keselamatan dan hasil kesehatan pasien.

Sebelum deployment klinis berskala luas menjadi realistis, masih ada sejumlah prasyarat:

• Jalur regulasi yang jelas. AI yang membantu diagnosis atau pengelolaan penyakit membutuhkan bukti keamanan dan efektivitas. Hingga kini, belum ada badan regulator utama yang memiliki kerangka komprehensif untuk agen otonom yang terus belajar di lingkungan klinis.
• Integrasi EHR yang aman. Penggabungan AI generatif dengan rekam medis dapat menimbulkan risiko tercampurnya konten yang dibuat AI dan catatan dokter, sehingga jejak tanggung jawab klinis menjadi kabur .
• Pengawasan manusia. Sistem seperti g-AMIE menunjukkan pentingnya batasan yang jelas dan keterlibatan dokter, terutama ketika AI menyusun rekomendasi yang berpotensi memengaruhi diagnosis atau terapi .
• Kesenjangan pemeriksaan fisik. AI berbasis teks dan data terstruktur belum dapat menggantikan penilaian langsung yang dilakukan tenaga kesehatan.
• Validasi pada populasi yang beragam. Klaim kinerja yang adil dan konsisten masih memerlukan pengujian pada pasien nyata dari berbagai latar belakang dan sistem layanan kesehatan.

Kesimpulan: kemajuan besar, tetapi bukan pengganti dokter

Studi Juni 2026 menunjukkan kemajuan nyata. AMIE berkembang dari AI percakapan untuk satu kali diagnosis menjadi sistem yang dapat membantu menyusun rencana pengelolaan penyakit lintas kunjungan dengan merujuk pada pedoman klinis. MIRA menunjukkan bahwa agen AI dapat menavigasi rekam medis elektronik serta menyarankan tindakan klinis dalam simulasi retrospektif dengan performa yang menyamai atau melampaui dokter pada metrik tertentu .

Namun, jarak antara demonstrasi laboratorium dan praktik kedokteran masih lebar. Lingkungan klinis nyata dipenuhi data yang tidak lengkap, gejala yang ambigu, keterbatasan sumber daya, variasi prosedur, serta kebutuhan akan akuntabilitas yang jelas .

Tonggak berikutnya harus berupa penelitian prospektif pada pasien nyata, kerangka regulasi yang tegas, bukti keselamatan pada populasi beragam, dan demonstrasi bahwa sistem ini benar-benar memperbaiki hasil pasien—bukan sekadar memperoleh nilai tinggi dalam skenario pengujian.

Untuk sekarang, AMIE dan MIRA lebih tepat dipandang sebagai prototipe riset yang menjanjikan. Keduanya mungkin kelak menjadi alat bantu dokter, tetapi belum dapat dianggap sebagai pengganti dokter atau digunakan tanpa pengawasan klinis.