##plugins.themes.bootstrap3.article.main##
Abstract
Tujuan: Penelitian ini bertujuan mengembangkan Indonesian Responsible Artificial Intelligence in Medical Education (IRAIME) Model sebagai model konseptual penggunaan kecerdasan artifisial yang bertanggung jawab dalam pendidikan kedokteran Indonesia dengan mengintegrasikan tata kelola AI, keselamatan pasien, regulasi nasional, dan bioetika Islam.
Metode: Penelitian menggunakan structured narrative review yang dipadukan dengan analisis kebijakan-normatif terhadap publikasi ilmiah dan dokumen resmi yang relevan. Prinsip mengenai keselamatan, transparansi, privasi, akuntabilitas, keadilan, integritas akademik, penalaran klinis, dan pengawasan manusia diidentifikasi, dibandingkan, dikontekstualisasikan dengan pendidikan kedokteran dan regulasi Indonesia, kemudian disintesis dengan prinsip bioetika Islam untuk membentuk domain operasional IRAIME.
Hasil: Sintesis menghasilkan 13 domain operasional yang mencakup orientasi berpusat pada manusia dan keselamatan pasien; literasi AI; integritas penalaran klinis; pengawasan manusia; verifikasi halusinasi dan bias otomatisasi; desain pembelajaran; integritas dokumentasi klinis; privasi dan tata kelola data; integritas asesmen; transparansi dan profesionalisme digital; integritas penelitian; keadilan akses dan mitigasi bias; serta tata kelola institusional dan evaluasi berkelanjutan. Model dilengkapi klasifikasi penggunaan AI berbasis risiko kategori hijau, kuning, dan merah, kompetensi inti tanpa bantuan AI, serta standar pengungkapan penggunaan AI.
Implikasi: IRAIME menawarkan kerangka konseptual untuk membantu institusi pendidikan kedokteran menetapkan batas penggunaan, tingkat pengawasan, verifikasi, dan akuntabilitas AI secara proporsional berdasarkan risiko. Integrasi keselamatan pasien, regulasi Indonesia, dan bioetika Islam memberikan landasan kontekstual bagi pengembangan tata kelola AI di pendidikan kedokteran Indonesia. Namun, model ini masih memerlukan validasi melalui konsensus Delphi multipemangku kepentingan dan uji implementasi multisenter sebelum dipertimbangkan untuk penerapan yang lebih luas.
Keywords:
##plugins.themes.bootstrap3.article.details##
References
Abidi, S. H., Almazan, J., Fabiyi, O., Zehra, F., & Tariq, M. (2026). AI-supported case-based learning in medical education: A comprehensive scoping review. Frontiers in Medicine, 13. https://doi.org/10.3389/fmed.2026.1798097
Boscardin, C., Gin, B. C., Golde, P. B., & Hauer, K. (2023). ChatGPT and generative artificial intelligence for medical education: Potential impact and opportunity. Academic Medicine, 99, 22–27. https://doi.org/10.1097/ACM.0000000000005439
Ibrahim, A. H., Rahman, N. N. A., Saifuddeen, S. M., & Baharuddin, M. (2019). Maqasid al-Shariah based Islamic bioethics: A comprehensive approach. Journal of Bioethical Inquiry, 16(3), 333–345. https://doi.org/10.1007/s11673-019-09902-8
Janumpally, R., Nanua, S., Ngo, A., & Youens, K. (2025). Generative artificial intelligence in graduate medical education. Frontiers in Medicine, 11. https://doi.org/10.3389/fmed.2024.1525604
Karabacak, M., Ozkara, B., Margetis, K., Wintermark, M., & Bisdas, S. (2023). The advent of generative language models in medical education. JMIR Medical Education, 9. https://doi.org/10.2196/48163
Kementerian Pendidikan Tinggi, Sains, dan Teknologi Republik Indonesia. (2025). Panduan penggunaan generative artificial intelligence pada pembelajaran di perguruan tinggi (Cetakan ke-2). Direktorat Pembelajaran dan Kemahasiswaan. https://dikti.go.id/library/book/122191
Masters, K. (2023). Ethical use of artificial intelligence in health professions education: AMEE Guide No. 158. Medical Teacher, 45(6), 574–584. https://doi.org/10.1080/0142159X.2023.2186203
Padela, A. I. (2019). Using the Maqāṣid al-Sharī‘ah to furnish an Islamic bioethics: Conceptual and practical issues. Journal of Bioethical Inquiry, 16(3), 347–352. https://doi.org/10.1007/s11673-019-09940-2
Rodger, D., Mann, S. P., Earp, B., Savulescu, J., Bobier, C., & Blackshaw, B. (2025). Generative AI in healthcare education: How AI literacy gaps could compromise learning and patient safety. Nurse Education in Practice, 87, 104461. https://doi.org/10.1016/j.nepr.2025.104461
Rujito, L., Muhaimin, A., Pergodi, M. A., Darmawan, A. S., Ferine, M., & Wahyudin, W. (2026). Understanding AI adoption in medical education: Insights from students and faculty members in Indonesian medical schools. Journal of Education and Health Promotion, 15, 121. https://doi.org/10.4103/jehp.jeh
Saifuddeen, S. M., Rahman, N. N. A., Isa, N. M., & Baharuddin, A. (2014). Maqasid al-shariah as a complementary framework to conventional bioethics. Science and Engineering Ethics, 20(2), 317–327. https://doi.org/10.1007/s11948-013-9457-0
Simoni, J., Pereira, J. L., Aschenbrenner-Noriega, I., et al. (2026). Principles for medical students’ responsible use of generative AI: A student-partnered Delphi study. BMC Medical Ethics. https://doi.org/10.1186/s12910-026-01550-z
Triola, M., & Rodman, A. (2024). Integrating generative artificial intelligence into medical education: Curriculum, policy, and governance strategies. Academic Medicine, 100, 413–418. https://doi.org/10.1097/ACM.0000000000005963
Xie, W., Liu, F., Liu, J., & Liu, S. (2026). Beyond literacy to clinical competency: A framework for integrating generative AI into nursing education. Nurse Education Today, 163, 107108. https://doi.org/10.1016/j.nedt.2026.107108