Kecerdasan buatan (artificial intelligence atau AI) berupa chatbot mampu menyusun respons bernuansa empatik terhadap pertanyaan seputar kanker, tetapi persepsi pasien tentang empati yang disampaikan oleh chatbot masih belum sepenuhnya dipahami.

Penelitian ini menemukan bahwa pasien kanker menilai respons chatbot lebih empatik daripada respons dokter. Akan tetapi, adanya perbedaan persepsi empati antara pasien dan dokter menunjukkan perlunya penelitian lebih lanjut untuk mengetahui cara yang tepat untuk menyesuaikan pesan klinis, agar jawaban bisa memenuhi kebutuhan pasien secara lebih optimal.

Chatbot dapat dimanfaatkan untuk membuat template respons yang bersifat empatik terhadap pertanyaan pasien, tetapi dengan tetap diawasi oleh klinisi.

Ulasan Alomedika

Penelitian mengenai persepsi empati dalam respons dokter dan chatbot berbasis large language model (LLM) tampak semakin relevan seiring meningkatnya penggunaan AI dalam pelayanan kesehatan. Berbagai jenis chatbot yang berkembang menunjukkan respons medis beragam terhadap kebutuhan pasien. Penelitian ini hendak menelusuri bagaimana pasien kanker menilai empati yang diberikan oleh dokter dibandingkan respons beberapa model chatbot.

Empati menjadi elemen esensial dalam proses komunikasi klinis, sehingga sering menjadi penentu kualitas hubungan dokter dan pasien. Penelitian ini memberikan kontribusi penting untuk memahami apakah AI mampu menyamai atau melampaui persepsi empati yang diterima dari tenaga medis.

Ulasan Metode Penelitian

Penelitian ini menggunakan desain survey potong lintang yang melibatkan 45 partisipan dengan riwayat kanker. Subjek penelitian adalah laki-laki, keturunan Eropa, usia >65 tahun, dan riwayat pendidikan tinggi. Subjek diminta untuk menilai empat jenis respons terhadap pertanyaan di bidang onkologi, masing-masing ditulis oleh dokter dan tiga varian chatbot, yaitu Claude V1, Claude V2, dan Claude V2 dengan chain-of-thought (CoT) prompting.

Penilaian empati menggunakan skala Likert, sementara penilaian variabel tambahan menggunakan panjang teks dan tingkat keterbacaan untuk mengevaluasi potensi efeknya terhadap persepsi subjek penelitian. Metode ini memungkinkan perbandingan langsung antar sumber respons, tetapi menjadi terbatas karena interaksi respons hanya berlangsung satu waktu dan tidak mencerminkan komunikasi nyata dalam lingkungan klinis.

Ulasan Hasil Penelitian

Hasil penelitian menunjukkan pola konsisten bahwa seluruh model chatbot dinilai lebih empatik dibandingkan dokter. Chatbot Claude C2 dengan CoT memperoleh skor tertinggi, yang menandakan bahwa teknik prompting mampu memperhalus ataupun memperkaya respons model, sehingga lebih diterima secara emosional oleh pembaca.

Sebaliknya, respons dokter memperoleh nilai empati terendah. Namun, penelusuran lebih lanjut menunjukkan bahwa penilaian subjek penelitian (pasien kanker) terhadap empati dokter juga lebih rendah daripada penilaian dokter sendiri terhadap respons tersebut. Hal ini mengindikasikan adanya perbedaan pandangan mendasar mengenai apa yang dianggap sebagai ekspresi empati yang tepat atau memadai.

Kelebihan Penelitian

Penelitian ini memiliki beberapa kelebihan. Topik yang dibahas merupakan topik aktual dan terbaru dalam perkembangan teknologi kesehatan seiring kecenderungan pasien memanfaatkan chatbot untuk mendapatkan saran mengenai kondisi kesehatannya.

Kelebihan lain adalah penggunaan perspektif pasien sebagai media evaluasi empati, serta pengujian teknik CoT prompting secara empiris sehingga memberikan kontribusi baru dalam pengembangan chatbot yang empatik. Selain itu, analisis komparatif yang disajikan cenderung komprehensif untuk menyoroti perbedaan kualitas respons dari berbagai model LLM dan dokter.

Limitasi Penelitian

Penelitian ini memiliki beberapa keterbatasan, seperti subjek penelitian yang kurang representatif (terbatas pada pria keturunan Eropa dengan riwayat pendidikan tinggi), sehingga hasil penelitian sulit digeneralisasi pada populasi berbeda. Keterbatasan lain adalah penilaian interaksi bersifat statis (berlangsung sekali), yang tidak mencerminkan komunikasi klinis secara simultan dan berkesinambungan.

Adanya kecenderungan respons chatbot yang lebih panjang mungkin memengaruhi persepsi empati meskipun tidak selalu signifikan. Penggunaan data pertanyaan dari Reddit (platform) menimbulkan pertanyaan mengenai kesesuaiannya dengan situasi klinis nyata yang melibatkan komunikasi profesional dalam aspek kehadiran (tatap muka serta isyarat non verbal yang terlibat). Selain itu, penggunaan satu jenis LLM tidak bisa langsung digeneralisasi pada model lain seperti ChatGPT atau Gemini.

Aplikasi Hasil Penelitian

Hasil penelitian ini bisa semakin membuka peluang pengembangan chatbot berbasis pelayanan kesehatan, termasuk di Indonesia. Secara umum, chatbot bisa berpotensi mendukung komunikasi kesehatan dengan respons empatik, mendampingi pasien melalui edukasi kesehatan, dan meringankan beban tenaga medis. Apabila didapatkan penyesuaian yang tepat, chatbot dapat digunakan dalam layanan telemedicine, layanan berbasis pesan, dan pendampingan psikososial pasien kanker atau penyakit kronis lain.

Pengembangan chatbot empatik di Indonesia memiliki peluang besar, terutama dengan mempertimbangkan keterbatasan distribusi tenaga kesehatan dan kecenderungan peningkatan kebutuhan akses platform digital. Chatbot berbahasa Indonesia yang dirancang secara sensitif terhadap konteks budaya berperan sebagai pendamping edukatif dan emosional bagi pasien, terutama di daerah dengan keterbatasan layanan akses kesehatan.

Kekhususan pada pengembangan prompting seperti CoT diharapkan memberikan kualitas komunikasi optimal yang bisa dipadukan dengan layanan telemedicine, layanan kesehatan berbasis chat, atau sistem triage yang membantu menyaring kebutuhan pasien sebelum menjalani konsultasi langsung dengan tenaga medis.

Namun, penerapan chatbot diharapkan tetap melalui pengawasan, pertimbangan etis, dan penelitian lebih lanjut untuk mengevaluasi dampak jangka panjangnya terhadap hubungan dokter-pasien serta kualitas pelayanan kesehatan.