Ringkasan

HIV dan infeksi menular seksual (IMS) masih menjadi tantangan kesehatan masyarakat di Indonesia, khususnya pada populasi kunci, dengan hampir 70% infeksi baru terjadi pada kelompok ini dan pasangannya. Sistem surveilans HIV konvensional yang bersifat statis dan retrospektif memiliki keterbatasan dalam mendeteksi dinamika penularan secara real-time, sehingga menghambat pencapaian target nasional dan global, meliputi RIRN, ASTACITA, dan UNAIDS 95-95-95.

Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi pendekatan kecerdasan buatan berbasis jaringan (network-aware AI) guna meningkatkan deteksi risiko HIV dan mendukung intervensi yang lebih terarah. Studi ini menggunakan pendekatan pengembangan model dengan desain cross-sectional, membandingkan model pembelajaran mesin berbasis fitur individual dengan model berbasis jaringan sosial menggunakan Graph Convolutional Network (GCN). Analisis dilakukan dengan memodelkan individu sebagai simpul (node) dan hubungan kontak sebagai sisi (edge) dalam suatu jaringan, sehingga memungkinkan identifikasi risiko HIV tidak hanya berdasarkan karakteristik individu, tetapi juga posisi dan keterhubungan dalam jaringan sosial.

Hasil penelitian menunjukkan bahwa struktur jaringan bersifat heterogen, dengan klaster padat dan individu perifer, serta bahwa risiko infeksi HIV sangat dipengaruhi oleh posisi individu dalam jaringan dan paparan tidak langsung melalui kontak bersama. Model GCN menunjukkan kinerja prediktif yang sangat unggul dibandingkan model konvensional, dengan nilai AUC mencapai 0,983, jauh melampaui regresi logistik, random forest, dan XGBoost. Model ini mampu memisahkan individu HIV-positif dan HIV-negatif dengan tingkat ketidakpastian yang rendah, serta mengidentifikasi individu HIV-positif dengan potensi penularan tinggi dan individu HIV-negatif yang berada dalam lingkungan jaringan berisiko tinggi.

Temuan ini menegaskan bahwa integrasi struktur jaringan ke dalam pemodelan berbasis AI memberikan prediksi risiko yang lebih akurat dan relevan secara epidemiologis.Secara keseluruhan, penelitian ini menyimpulkan bahwa penerapan AI berbasis jaringan memiliki potensi besar untuk memperkuat surveilans HIV di Indonesia, mendukung deteksi dini, optimalisasi alokasi sumber daya, serta perancangan intervensi pencegahan dan pengobatan yang lebih terarah, termasuk prioritisasi testing dan pemberian PrEP, dengan tetap memperhatikan aspek etika dan perlindungan privasi.

Acknowledgement

Penelitian ini merupakan bagian dari PUI-PT CPHI Knowledge Product yang dikembangkan dalam kerangka agenda riset berkelanjutan PUI-PT Center for Public Health Innovation (CPHI), Universitas Udayana. Seluruh temuan dalam studi ini telah melalui proses penelaahan, diskusi teknis, dan konsultasi dengan para pemangku kepentingan terkait, serta ditujukan untuk memperkuat basis bukti ilmiah dalam mendukung pengembangan program HIV dan IMS di Indonesia.

Penulis menyampaikan apresiasi dan terima kasih kepada Kementerian Pendidikan Tinggi, Sains, dan Teknologi Republik Indonesia atas dukungan pendanaan dan fasilitasi yang memungkinkan perancangan, pelaksanaan, serta diseminasi penelitian ini. Dukungan tersebut berperan penting dalam mendorong pemanfaatan inovasi berbasis kecerdasan buatan untuk penguatan surveilans HIV dan perancangan intervensi kesehatan masyarakat yang lebih efektif dan terarah.