RujukCepat

Inspirasi

Dalam situasi darurat, mengetahui rumah sakit terdekat saja belum cukup. Keluarga dan kru ambulans juga perlu mengetahui apakah rumah sakit tersebut memiliki layanan yang dibutuhkan.

Dari kebutuhan itu, tim TwinTech dari Universitas Negeri Jakarta membangun RujukCepat: aplikasi yang menghubungkan laporan kondisi pasien dengan informasi fasilitas untuk membantu meninjau tujuan rujukan.

Apa yang dilakukan RujukCepat?

RujukCepat menyediakan dua antarmuka yang saling terhubung: portal pelapor dan dashboard petugas rumah sakit.

Melalui portal, pengguna dapat:

• Melaporkan kondisi melalui suara atau teks.
• Meninjau ringkasan SOAP, perkiraan urgensi, dan kebutuhan layanan yang disusun AI.
• Membandingkan rumah sakit berdasarkan kebutuhan kapabilitas, status layanan, kuota, dan perkiraan perjalanan.
• Membuka navigasi menuju rumah sakit.
• Menampilkan atau membacakan ringkasan serah terima saat tiba.

Melalui dashboard, petugas dapat memperbarui kesiapan layanan dan kuota rumah sakitnya. Perubahan tersebut memengaruhi informasi fasilitas dan rekomendasi di portal.

Dataset mencakup 200 lokasi rumah sakit di DKI Jakarta dan Jawa Timur. Versi hackathon menggunakan data kesiapan dan kapasitas contoh untuk memperagakan alurnya. Pemilihan tujuan tidak membuat reservasi; penerimaan pasien tetap menjadi keputusan rumah sakit.

Bagaimana kami membangunnya?

Kami menggunakan Next.js, React, TypeScript, Tailwind CSS, dan Lucide untuk membangun antarmuka yang responsif.

Google Gemini memproses laporan suara atau teks melalui server. Keluarannya divalidasi menggunakan Zod sebelum digunakan untuk pencocokan. Sistem membedakan informasi dari pelapor, interpretasi AI, dan informasi yang belum diketahui.

Mesin pencocokan memeriksa delapan kapabilitas layanan. Rumah sakit harus memenuhi seluruh kebutuhan wajib, memiliki status READY yang belum kedaluwarsa, dan mempunyai kuota tersedia sebelum masuk ke daftar kandidat.

Leaflet dan OpenStreetMap digunakan untuk peta, sedangkan OSRM menyediakan rute serta perkiraan perjalanan. PostgreSQL dan Supabase menangani data fasilitas, dengan Supabase Realtime untuk pemberitahuan perubahan. Aplikasi juga menyediakan mode lokal menggunakan PGlite.

Tantangan yang kami hadapi

Tantangan utama adalah menjaga agar informasi yang ditampilkan sesuai dengan apa yang benar-benar diketahui sistem.

Kami menangani keluaran AI yang tidak sesuai format, laporan yang kurang lengkap, kegagalan layanan rute, izin perangkat yang ditolak, serta kondisi tanpa rumah sakit yang memenuhi kebutuhan. Ketika rute gagal, aplikasi tidak mengubah jarak garis lurus menjadi klaim waktu berkendara.

Kami juga memisahkan logika AI, pencocokan, navigasi, dan akses data agar masing-masing dapat diperiksa secara mandiri.

Pencapaian yang kami banggakan

Kami berhasil menghubungkan laporan, ringkasan AI, pencocokan rumah sakit, navigasi, dan ringkasan serah terima dalam satu alur.

Proyek telah melewati 93 tes otomatis yang mencakup validasi AI, pencocokan, akses petugas, pengelolaan kuota, navigasi, serta penanganan kegagalan. Portal dan dashboard juga menggunakan sumber data fasilitas yang sama.

Apa yang kami pelajari?

Kami belajar bahwa aplikasi koordinasi kesehatan perlu menjelaskan asal informasi dan ketidakpastian dengan jelas. Ringkasan yang mudah ditinjau, alasan rekomendasi yang terlihat, dan pemulihan ketika layanan gagal sama pentingnya dengan kemampuan AI.

Langkah berikutnya

Kami ingin bekerja sama dengan fasilitas kesehatan untuk memverifikasi data layanan, menguji pengalaman pengguna pada perangkat nyata, dan mengevaluasi alur bersama tenaga kesehatan.

RujukCepat dikembangkan sebagai alat bantu koordinasi. Ringkasan AI memerlukan peninjauan dan tidak menggantikan diagnosis tenaga kesehatan.

Built With

• google-gemini
• leaflet.js
• next.js
• openstreetmap
• osrm
• postgresql
• react
• supabase
• tailwind-css
• typescript
• vercel
• zod