Saya memasang antivirus AVG free 8. Selama ini sih berjalan dengan baik, bahkan ketika saya mengupdate data-data virus. Hanya saja dalam 1 minggu terakhir ini, saya selalu mendapati pesan kesalahan pada saat melakukan peng-update-an: invalid update control CTC file. Semula saya pikir bisa saya selesaikan dengan mendownload file update-nya (*.bin), kemudian melakukan peng-update-an dengan cara memilih menu Tool/Update from Directory. Updating berhasil dilakukan, tapi pesan kesalahan yang sama muncul.

Beberpa teman mengatakan komputer saya sudah terjangkit virus, sebab pada saat itu beberapa komputer di lab kami terkena virus. Setelah saya utak-atik, saya mencoba mencari file dengan ekstension *.ctf, dan saya temukan di direktori:

C:\Documents and Settings\All Users\Application Data\avg8\update\download

Terdapat 3 file di sana yang berekstension *.ctf : avginfo.gen.ctf, avginfoav.ctf, dan avginfowin.ctf. Ketiga file tersebut saya hapus. Kemudian saya mengulangi proses update. Voala …. proses update berhasil

Selama ini terdapat persaingan hebat antara dua internet browser besar, yaitu Microsoft IE dan Mozilla Firefox. Pada tanggal 2 September 2008 (waktu Amerka Serikat) masuk satu lagi rival di dalam persaingan tersebut, yaitu Google Chrome. Google Chrome adalah internet web browser yang dikembangkan oleh Google dengan menghadirkan bebebrapa teknologi baru, misalnya javascript engine V8 yang belum diimplementasikan di web browser manapun, serta threading process untuk setiap tab di dalam browser tersebut, sehingga kalau sebuah tab crash, tidak akan menyebabkan gangguan pada keseluruhan web browser. Web browser ini membawa tampilan yang sederhana tapi elegan seperti yang selama ini Anda lihat pada halaman-halaman web Google. Web browser ini memfokuskan diri pada kecepatan dan kehandalan dalam menghadirkan aplikasi web di web browser. Anda dapat mendownload web browser ini di www.google.com/chrome

Apakah kompresi citra medik diperlukan? Ini adalah sebuah pertanyaan yang menggelitik di hati saya belakangan ini, meskipun saya memiliki pendapat tentang pertanyaan ini. Semua bermula dari kunjungan tamu dari Pakistan beberapa waktu yang lalu ke lab kami. Rombongan pertama berasal dari Aga Khan University, dan sewaktu saya presentasikan mengenai algoritma scalable fuzzy vector quantization (SFVQ) sekaligus dengan aplikasinya di PDA, mereka sangat berminat. Bahkan mereka meminta publikasi terkait dengan algoritma tersebut. Rombongan kedua datang beberapa hari kemudian, dan berasal dari Karachi University. Sewaktu saya menjelaskan hal yang serupa pada rombongan pertama, mereka justru tidak terlalu tertarik. Sebab selama ini mereka tidak memiliki masalah dengan bandwidth komunikasi, sehingga citra medik dikirimkan tanpa dikompres terlebih dahulu atau dikompres secara tidak merugi (lossless). Selain itu rombongan kedua tidak menggunakan asumsi yang digunakan dalam pengembangan algoritma SFVQ, yaitu pencermatan ahli medis terhadap suatu citra medik hanya berkisar pada bagian tertentu dari citra medik tersebut. Jadi pencermatan tidak dilakukan pada keseluruhan citra medik tersebut.

Menarik sekali pendapat kedua rombongan tersebut. Satu rombongan tertarik dan bahkan sedang bekerja dengan kompresi citra medik, sedangkan rombongan kedua tidak terlalu tertarik dengan kompresi citra medik. Pihak yang merasa perlu adalah pihak yang melihat potensi hambatan dari kapasitas penyimpanan dan lebar kanal komunikasi. Faktanya adalah ukuran citra medik itu besar, berkisar antara 3 hingga 10 MB atau mungkin juga lebih. Pihak yang merasa tidak perlu melihat bahwa harga media penyimpanan sudah semakin murah dengan orde kapasitas hingga ratusan GB bahkan hingga 1 TB. Sedangkan teknologi jaringan terkini sudah menyediakan lebar kanal yang besar dengan harga yang terjangkau, misalnya layanan speedy dari Telkom dengan harga 220.000 untuk 1 GB data per bulan dengan lebar kanal hingga 1 Mbps.

Baiklah kita coba kaji kedua pendapat tadi. Pendapat kedua (yang tidak memerlukan kompresi) cukup beralasan, namun bagaimana jika sebuah sistem melibatkan volume citra medik yang besar. Mari kita asumsikan untuk penyimpanan nasional secara terpusat, jika penduduk Indonesia adalah 250 juta dan masing2 memiliki 1 buah citra medik dan masing-masing citra medik berukuran 5 MB, maka diperlukan kapasitas penyimpanan sebesar kurang lebih 1.2 juta TB. Sebuah angka yang sangat besar. Baiklah bagaimana kalau sistemnya terdistribusi? OK … katakanlah penduduk kota Bandung adalah 2.5 juta (?) dan 10% nya berobat di sebuah rumah sakit.. Keperluan kapasitas media penyimpanannya akan menjadi 1220 TB. Angka-angka yang sangat besar. Bukan berarti tidak bisa dicapai, tapi berapa uang yang harus dikeluarkan. Jika 1 TB bisa dibeli dengan 3 juta, maka kita membutuhkan sekitar 3.6 milyar rupiah. Bagimana kalau kita harus menyediakan media penyimpanan dengan performansi yang tinggi, misalnya dengan mengimplementasikan RAID 0+1 dan SAN server? Jumlahnya akan berlipat beberapa kalinya. Belum lagi berbicara harga sistemnya. Sebuah rumah sakit mungkin lebih tertarik ke pengembangan jumlah tempat tidur, karena langsung berkorelasi dengan aliran dana masuk.

Untuk kanal komunikasi, pendapat kedua menyatakan bahwa lebar kanal komunikasi saat ini sudah mampu mentransmisikan citra medik dalam waktu yang singkat. Sebagai contoh kalau kita menggunakan teknologi fast ethernet (100 Mbps), kita dapat mentransmisikan sebuah citra medik berukuran 3.7 MB hanya dalam waktu 1.7 detik. Permasalahan mungkin akan timbul jika kita melakukan kegiatan telemedicine. Oh … tidak ada masalah, karena bisa menggunakan komunikasi satelit dan fiber optik (FO).. Tidak masalah dari sisi lebar kanal, tapi bermasalah dengan tarif. Berapa tarif untuk menyediakan komunikasi satelit atau FO? Di Indonesia masih dirasakan mahal, karena di Indonesia masih dikenakan tarif bisnis, dan bukannya tarif khusus. Belum lagi kalau berbicara tentang telemedicine dengan daerah rural. Selain satelit, hanya beberapa teknologi dengan lebar kanal terbatas saja yang bisa mencapai daerah rural, diantaranya adalah PSTN (56 Kbps) dan celular (115 Kbps – 384 Kbps). Beberapa daerah di Indonesia memang telah dilalui infrastruktur FO, tetapi daerah lainnya tidakdemikian terutama di Indonesia bagian Timur (lihat gambar 1). Kemungkinan masalah lebar kanal komunikasi dapat diselesaikan jika infrastruktur PALAPA RING berhasil diwujudkan (lihat gambar 2.

Gambar 1. Kondisi jaringan fiber optik saat ini

Gambar 2. infrastruktur PALAPA RING

Menurut hemat saya (termasuk anggota dari kelompok pertama ), kompresi citra medik itu masih diperlukan, terutama untuk negara kita Indonesia. Dan jika menyangkut volume citra medik yang besar. Kompresi citra medik SFVQ yang selama ini telah dikembangkan berhasil mengkompres citra medik hingga 16 kalinya bahkan bisa dipaksa hingga 64 kalinya. Sehingga kebutuhan media penyimpanan dan lebar kanal komunikasi bisa dihemat sebesar itu juga. Tentu saja dengan asumsi bahwa bagain yang akan diamati pada sebuah citra medik bukanlah keseluruhan bagian, tetapi hanya bagian-bagian tertentu saja.

Memang terdapat sebuah pertentangan, bahwa jika kita ingin mendapatkan rasio kompresi yang tinggi, maka terdapat beberapa informasi yang hilang dan sebaliknya. Jika kita menginginkan tidak ada informasi yang hilang, maka rasio kompresi yang kita dapatkan hanya kecil. Kita tidak bisa mendapatkan sebuah sistem kompresi dengan rasio kompresi yang tinggi, namun (hampir) tidak ada informasi yang hilang. Hal yang mungkin dapat dilakukan untuk menyatukan dua buah kubu pertentangan ini adalah dengan mengembangkan skema pengkodean yang scalable atau progresif.

Pertentangan tersebut diakibatkan oleh adanya dinding diantara keduanya, yang disebut sebagai teorema shanon/nyquist, dan sebagai bahan renungan: mungkinkah dalam waktu dekat ini kita bisa membuat sistem pengkodean citra medik dengan rasio kompresi yang tinggi ( > 16 kali) dan hasil rekonstruksi citranya (hampir) sama dengan citra aslinya? BISA …. kalau saja dinding shanon/nyquist dapat dihancurkan. MUNGKINKAH ????

Meneruskan posting tentang kompresi citra medik, saya melihat ada semacam kebutuhan dan tren ke depan untuk mengakses citra medik menggunakan gadget yang bisa dibawa kemana-mana. Gadget yang saya pilih untuk melakukan eksperimen ini adalah PDA. Mengapa PDA? Saya rasa PDA/PDA phone memiliki kemampuan komputasi yang lebih baik dibandingkan dengan mobile phone biasa. Di samping itu PDA/PDA phone memiliki layar yang relatif lebih besar (240 x 320 piksel) dengan kemampuan komputasi yang lumayan OK. Versi awal sudah saya kembangkan tahun 2007 kemarin. PDA yang digunakan adalah HP Ipaq H2200 dengan processor ARM 406 MHz dan RAM 64 MB. Lumayan lah … Versi awal ini masih sangat sederhana, yaitu hanya bisa menampilkan citra medik yang tersimpan di laptop saya dengan koneksi bluetooth. Mau mencoba pakai Wifi IEEE 802.11b/g tidak bisa. Soalnya PDA ini belum punya koneksi WiFi . Saya sudah mencari-cari card WiFi CF di BEC, tapi belum ketemu yang punya barangnya. Prototipe versi awal ini dapat dilihat pada Gambar 1.

Gambar 1. Prototipe awal pengaksesan citra medik di PDA

Setahun kemudian lab kami mampu membeli PDA baru, yaitu PDA phone O2 XDA Zinc … … gaya euy dengan processor yang lebih kuat: Intel XScale 520 MHz dan RAM 128 MB. Mantaplah … ada koneksi WiFi, GPRS, dan 3G meskipun belum 3.5G (HSDPA) Tapi tidak apa-apalah. Proyek selanjutnya menjadi proyek tugas akhir S1 yang dikerjakan oleh teman saya Renita Ompusunggu (Telekomunikasi STEI ITB) di bawah bimbingan Pak Andriyan Bayu Suksmono dan Bu Tati L.R Mengko. Setelah beberapa bulan melakukan pengembangan menggunakan platform .NET CF (Compat Framework) dan bahasa pemrograman C# munculah hasilnya, yang merupakan pengembangan dari versi sebelumnya. Oh ya pada versi awal saya mencoba menggunakan platform Java (EWE) yang sekarang berubah menjadi EVE. Release terakhirnya adalah EVE Ver. 1.21.  Pada awal perkembangannya JVM ini masih belum memenuhi requirement software yang hendak saya buat. Ke depan saya akan menjadi menggunakan JVM ini lagi. Versi terbarunya bahkan mendukung pengembangan di Windows Mobile 6. Sebagai informasi O2 XDA Zinc memiliki OS bawaan WM 5 yang kemudian saya upgrade ke WM 6.

Hasil dari software pengaksesan citra medik di PDA yang baru ini sudah lumayan. Beberapa fiturnya antara lain adalah:

1. Kecepatan decoding gambar sudah diperbaiki (sekitar 6 detik untuk dimensi gambar 2000 x 2000 piksel)
2. Memiliki kemampuan zoom-in dan zoom-out
3. Sudah mengimplementasikan skema scalable dengan pemilihan ROI (lihat posting kompresi citra medik)

Gambar 2. Menu zoom-in dan zoom-out

Gambar 3. Penampilan citra pada skala 33% (zoom-out)

Gambar 4. Penampilan citra pada skala 50% (zoom-out)

Gambar 5. Penampilan citra pada ukuran sebenarnya (skala 1:1)

Gambar 6. Implementasi skema scalable untuk peningkatan kualitas citra di ROI (kotak putih)

Rencana ke depan, software ini akan kami sempurnakan dengan memperbaiki user interfacenya agar lebih user friendly. Selanjutnya kami akan menggabungkannya dalam sistem besar yang sedang kami rancang, yaitu rekam medis multimedia. Hal-hal yang berkaitan dengan keamanan juga akan diimplementasikan. Banyak akan bisa dikembangkan, mengingat software ini masih dalam tahap awal. Ada keinginan untuk mengembangkannya di iPhone sayang harga iPhone apalagi yang iPhone 3G dirasakan mahal. Mungkin ada yang mau memberikan donasi? Dengan senang hati akan saya terima hehehe.

Semoga berguna dan saya menunggu umpan balik dari teman-teman. Salam

Wah mozilla firefox 3.0 memang mantap, Anda dapat mendownloadnya di halaman ini … ada beberapa perbaikan besar pada dukungan terhadap web 2.0 terutama AJAX. Kinerja firefox ini menurut situs resminya juga telah ditingkatkan, bahkan ratusan memory leak juga sudah diperbaiki. Firefox 3.0 mengimplementasikan cycle collector, fungsinya adalah mengumpulkan cycle yang broken. Mungkin mirip dengan teknologi garbage collector di teknologi Java. Sebuah memory allocator yang baru juga diimplementasikan untuk mengurangi fragmentasi. Tampilan dan beberapa kemudahan yang ditawarkannya pun menarik. Meskipun beberapa modul add-in seperti Google Toolbar tidak kompatibel (mungkin perlu saya cek lagi)

Namun ada satu hal yang mengganggu, yaitu saya tidak bisa login ke wordpress menggunakan firefox 3.0 RC2 !!!!! Sedangkan browser lain seperti firefox 2.x dan IE 7 tidak bermasalah. Apakah ini juga sebuah bug? Mungkin ada kaitannya dengan mekanisme login yang diimplementasikan oleh wordpress. Tapi seharusnya memang tidak masalah. Entahlah … mungkin ada yang bisa membantu?

Saat ini saya sedang melakukan bencmarking secara kuantitatif terhadap firefox 2.x, firefox 3.0 RC2 dan IE7. Hasilnya akan saya update di posting ini.

Salam

Radiologi adalah salah satu domain aplikasi utama di teknologi pencitraan medis. Menurut Wong et. al. [1], 30%  pemeriksaan radiologi di Amerika serikat dilakukan secara langsung pada media digital. Berbagai macam citra medik dalam berbagai modalitas diantaranya adalah citra sinar-x (X-ray), computed tomography (CT), magnetic resonance imaging (MRI), ultrasonography (USG), positron emission tomography (PET), single photon emission computerized tomography (SPECT), nuclear medicine (NM), digital substraction angiography (DSA), dan digital flurography (DF) belum dapat disimpan dalam rekam medik bersama-sama dengan informasi tekstual. Sebelum disimpan dalam rekam medis, citra-citra medik ini harus diubah dahulu ke dalam format digital.

Terdapat beberapa permasalahan yang menyebabkan informasi citra medik tidak disimpan dalam rekam medis, yaitu besarnya kapasitas penyimpanan dan lebar kanal telekomunikasi yang dibutuhkan untuk mentransmisikan citra medik tersebut. Sebagai ilustrasi, sebuah citra digital sinar-x thorax memiliki dimensi 2000 x 2000 piksel dengan derajat keabuan 8 bit, memiliki ukuran sebesar 3.7 MB. Selain berukuran besar, jumlah citra medik yang disimpan juga sangat banyak. Stephen Wong et al [1], dalam publikasinya menyebutkan bahwa komunitas PACS (Picture Archiving and Communication Systems) di USA mencatat jumlah citra medik digital yang telah disimpan mencapai orde petabyte, 10^15.

Sebuah solusi telah dikembangkan untuk menjawab permasalahan tersebut, yaitu kompresi citra medik. Solusi ini masih berhadapan dengan masalah-masalah legal, sebab berkaitan dengan proses diagnosis yang berujung pada jiwa manusia. Terdapat dua jenis kompresi citra, yaitu kompresi lossless dan lossy. Kompresi lossy memiliki kinerja yang lebih baik dibandingkan dengan lossless dalam pemampatan citra. Sebaliknya, dilihat dari sisi legalitas kompresi lossless tidak memiliki masalah, karena bersifat dapat dikembalikan (reversible). Kompresi ini tidak akan menghilangkan informasi apapun dari citra medik. Akan tetapi, kompresi lossy akan bersinggungan dengan aspek legal, sebab terdapat informasi yang hilang pada citra hasil rekonstruksinya. Banyak kompresi lossy dikembangkan agar memenuhi syarat dalam aspek legalitas, meskipun aspek legal standarnya belum ada.

Saya bersama Pak Andriyan meneruskan penelitian di lab kami sebelumnya untuk mengembangkan pengkodean citra medik ini. Algoritma yang kami gunakan adalah kuantisasi vektor (KV). Pengkodean yang telah kami kembangkan mampu memampatkan citra sinar-x hingga 16 kalinya bahkan hingga 64 kali tetapi tetap memelihara diagnostic value dari citra tersebut. Detail tentang algoritma yang kami kembangkan (Scalable Fuzzy Vector Quantization) [2] akan saya jelaskan pada posting yang lain. Algoritma ini mampu mengkodekan citra sinar-x thorax yang berukuran 3.7 MB menjadi 235 KB. Berikut ini adalah hasil dari implementasi algoritma yang kami kembangkan

Gambar di sebelah kiri adalah citrathorax asli, sedangkan yang di sebelah kiri merupakan citra rekonstruksinya. Terlihat citra rekonstruksi masih memelihara diagnostic information/value. Jika kita lihat dengan skala 1:1, terdapat blocking artifact. Hal ini disebabkan oleh proses kuantisasi. Artifak ini bisa dilihat pada gambar di bawah ini.

Bisa Anda lihat blocking artifact muncul pada citra rekonstruksi di sebelah kiri. Bandingkan dengan citra asli di sebelah kanan. Saat ini kami sedang mencoba mengimplementasikan algoritma tertentu untuk meminimalkan efek blocking ini. Di samping itu kami juga sedang mencoba mengimplmentasikan lossless coding menggunakan search-order coding untuk memampatkan citra terkode (235 KB) menjadi lebih kecil lagi (sekitar 160 – 180 KB).

Sistem pengkodean yang kami kembangkan juga menerapkan skema scalable atau lossy-to-lossless. Artinya citra rekonstruksi yang merupakan citra terkompresi lossy dapat kita tingkatkan kualitas citranya menjadi kualitas yang sama dengan citra aslinya pada suatu daerah tertentu yang ingin dianalisis (region of interest – ROI). Asumsinya, dokter atau radiologis hanya menganalisis pada beberapa daerah tertentu (ROI)dengan luas yang tidak terlalu lebar.

Pada gambar di atas ini, Anda bisa melihat area di dalam kotak telah ditingkatkan kualitasnya dengan tanda hilangnya blocking artifact. Sedangkan, daerah di luar kotak ditemui blocking artifact, sebab daerah tersebut adalah daerah pada citra rekonstruksi (lossy) yang belum ditingkatkan kualitasnya.

Referensi

1. S. Wong et. al., Radiologic image compression-A review, Proc. of the IEEE, Vol. 83, No.2, Feb. 1995
2. A.D. Setiawan, A.B. Suksmono, and B. Dabarsyah, Scalable Radiology Image Transfer and Compression Using Fuzzy Vector Quantization, Jounal of eHealth Tech. & Applications, 2007

Wah baiklah, setelah sekian lama akhirnya saya punya waktu untuk meneruskan tulisan tentang kode etik eHealth. Maaf bagi yang sudah menunggu bagian kedua ini, berhubung saya terlambat seminggu untuk menuliskannya. Seminggu ini saya harus menyelesaikan banyak hal, jadi baru sempat menuliskannya sekarang.

Baik, saya akan meneruskannya dengan membahas tentang kerangka kerja, stakeholder dan guiding principles yang dapat membantu kita dalam mengembangkan eHealth.

Kerangka Kerja eHealth

Dalam kerangka untuk eHealth beberapa pertanyaan muncul, diantaranya adalah

1. Siapakah stakeholder dari eHealth? Bagaimanakah kebutuhan, kepentingan, dan kekuasaan masing-masing stakeholder berpengaruh terhadap eHealth di masa depan?
2. Apakah tugas utama yang harus diselesaikan melalui mekanisme eHealth sekarang dan di masa depan?
3. Apakah arah-arah kunci (ekonomi, teknologi, demografi, sosial, dan budaya) yang dapat diserap dan diukur bersamaan dengan berevolusinya eHealth
4. Bagaimanakah praktek-praktek etik dan jaminan mutu dapat dimasukan ke dalam banyak dimensi dalam implementasi eHealth?

Stakeholder eHealth

Berikut ini adalah stakeholder eHealth, diantaranya adalah

1. Penyedia perawatan (provider of care) meliputi dokter (physicians) dan profesional kesehatan lainnya, rumah sakit, HMO (Health Maintenance Organization), pusat-pusat rehabilitasi, rumah perawatan, dan bisnis yang berkaitan dengan kesehatan seperti industri farmasi, toko makanan kesehatan, dll
2. Penyedia infrastruktur (provider of inftastructure) yang dapat didefinisikan sebagai materi-materi dan layanan-layanan yang dibutuhkan untuk mendukung desain dan implementasi eHealth, termasuk pengembang, pabrikan, implementator teknologi elektronik, sistem telekomunikasi, perusahaan farmasi, pabrikan suplai dan peralatan kesehatan, administrator layanan
3. Pemberi pengaruh (Influencer) termasuk berbagai macam pemerhati eHealth di bidang perawatan kesehatan. Beberapa contoh diantaranya adalah IDI, Komunitas Tuberkolosa Indonesia, Lembaga Konsumen Indonesia.
4. Pembuat keputusan (Policymaker) yang berhubungan dengan kesehatan, dalam hal ini adalah pemerintah dan agensi-agensinya, seperti Departemen kesehatan dan Badan Pengawasan Obat dan Makanan.
5. Konsumen (Consumer), yang dimaksudkan adalah pengguna dari informasi, produk, dan layanan eHealth

Guiding Principles

Guiding principles adalah hal-hal yang harus diperhatikan bagi siapa saja yang menyediakan informasi, produk, dan layanan kesehatan secara online. Guiding principles ini dimunculkan pada eHealth Ethics Summit di Washington D.C yang diorganisasikan oleh World Health organization/Pan-American Health Organization (WHO/PAHO). Berikut ini adalah guiding principles tersebut:

1. Candor (Keterusterangan): informasi yang diperlihatkan jika diketahui oleh konsumen akan berpeluang besar mempengaruhi pemahaman konsumen atau penggunaan situs atau pemesanan atau penggunaan produk atau layanan. Dalam bahasa yang lebih sederhana, masyarakat yang menggunakan internet untuk tujuan yang berkaitan dengan kesehatan perlu menilai bahwa situs yang mereka kunjungi dan layanan yang mereka gunakan dapat dipercaya
2. Hosnesty (Kejujuran) : harus benar dan tidak meperdaya, yaitu masyarakat yang mencari informasi di internet perlu tahu bahwa produk atau layanan disajikan dengan benar dan informasi yang diterima oleh masyarakat merupakan informasi yang benar
3. Quality (Kualitas) : memberikan informasi kesehatan yang akurat, mudah dimengerti, dan terbaru dan menyediakan informasi yang diperlukan masyarakat untuk menilai sendiri informasi kesehatan, produk, atau layanan yang disediakan oleh penyedia
4. Informed Consent (Persetujuan Pemilik Informasi): menghormati hak-hak pengguna untuk menentukan apakah atau bagaimana data-data pribadinya dikumpulkan, digunakan, atau dibagikan
5. Privacy (Kerahasiaan): menghormati kewajiban untuk melindungi kerahasiaan pengguna
6. Profesionalism in Online Care (Profesionalisme dalam Perawatan Online): menghormati kewajiban etika dasar kepada pasien dan klien dan memberikan informasi dan mendidik klien tentang limitasi dari perawatan kesehatan online
7. Responsibility Partnering (Kerjasama yang bertanggungjawab): menjamin bahwa organisasi yang berafiliasi dengan pengguna dapat dipercaya
8. Accountibility (Akuntabilitas) : menyediakan kesempatan yang berarti bagi pengguna untuk memberikan umpan balik ke penyedia dan mengawasi penyedia dalam pemenuhan terhadap kode etik eHealth

Baik …. jadi kita telha melihat kode etik dari eHealth. eHealth bukanlah semata-mata kita membuat sebuah sistem online untuk mencatat berbagai aktivitas di lembaga penyedia kesehatan dengan komponen-komponen piranti lunak dan jaringan (istilah yang umum dipakai adalah komputerisasi), namun terdapat banyak hal yang wajib diperhatikan agar kita bisa mendesain eHealth yang betul-betul baik.

Pada suatu saat ketika saya pergi ke Okinawa untuk mengikuti Asia Pacific Telemedicine Conference, salah satu hal yang saya perbincangkan dengan Pak Utoro Sastrokusumo, dosen Teknik Elektro, STEI ITB (beliau sudah pensiun tetapi masih aktif di ITU Study Group 2 Question 14 tentang telemedicine bersama dengan Pak Andriyan Bayu Suksmono) adalah siapa yang sesungguhnya bertanggungjawab jika terjadi kesalahan diagnosa dalam sebuah sesi telediagnosis. Dokter yang memberikan diagnosa dari jarak jauh, atau dokter yang berhadapan dengan pasien? Pertanyaan lain adalah apa yang terjadi ketika data kesehatan pribadi kita lalu lalang di jaringan publik? Apakah aman (tidak ‘dicuri’ pada saat data ini melintas di jaringan publik) ?

Ada baiknya kita betul-betul melihat kedelapan guiding principles ini dan memperhatikan kebutuhan stakeholder di dalam mendesain sistem eHealth. Saya akan mencoba mendiskusikan tentang kondisi kita di Indonesia saat ini dan apakah solusi-solusi yang bisa kita tawarkan di posting mendatang.

Semoga bermanfaat ….

eHealth Code of Ethics, itu adalah judul paper yang baru saja saya baca dari proceedings BME Days 2006. Paper ini ditulis oleh Prof. Fr. Lily I. Rilantono, dr., Sp.A, Sp.JP(K) dari Ikatan Dokter Indonesia (IDI). Beberapa waktu ini memang topik eHealth banyak dibicarakan orang, seiring dengan kemajuan infrastruktur internet dunia dan Indonesia. Bahkan Bill Gates dalam presentasinya kemarin di Jakarta juga menyebutkan urusan kesehatan di dalam visinya dan Microsoft tentunya. Bahkan di dalam sebuah seminar yang diadakan minggu depan ada seseorang dari Microsoft yang akan mempresentasikan materi tentang eHealth. Sudah ah jangan membicarakan Microsoft terus, nanti ge .. er … mereka

Di dalam paper tersebut saya membaca bahwa kita perlu memperhatikan tentang definisi, komponen dan kerangka kerja aktivitas dari eHealth ini dalam membicarakan atau memformulasikan tentang kode etik eHealth ini. Mengapa kode etik eHealth ini perlu didiskusikan, sebab kita harus memastikan agar seluruh masyarakat menyadari potensi pemanfaatan internet untuk mengelola aspek-aspek kesehatan mereka.

Definisi

Sebuah tinjauan secara sistematik telah dilakukan pada tahun 2004 dengan mencermati 358 buah definisi eHealth sebanyak yang telah dipublikasikan. Menurut tinjauan ini eHealth berkaitan dengan aktivitas berikut: managing, educating, arranging, connecting, obtaining, providing, redefining, assisting, accesing, dan supporting. Sebagian besar dari definisi-definisi tersebut menitikberatkan pada proses dari perawatan (care), dan seperempatnya lagi lebih memfokuskan kekeluaran seperti yang diinginkan. Terdapat tiga kelompok definisi eHealth (dicuplik dari alinya), yaitu:

1. definisi pertama menyebutkan tentang improving and increasing the costeffectiveness of health care and making process more efficient. Defini ini lebih menitikberatkan pada biaya perawatan kesehatan yang cost-effective dengan membuat seluruh proses bekerja secara efisien.
2. definisi kedua menyarankan bahwa eHealth could solve problem related to access to care, cost, quality, and portability of health care services. Definisi kedua ini memfokuskan ke penyelesaian masalah yang berhubungan dengan akses ke perawatan (terutama masyarakat kelas bawah), biaya (berisisan dengan definisi pertama), kualitas, dan ini yang menarik, yaitu portabilitas sebuah perawatan kesehatan (mungkin dengan klinik/rumah sakit bergerak?). Kalau tidak salah Amerika punya ya, sewaktu tsunami di Aceh mereka mendatangkan kapal rumah sakit dengan peralatan yang lengkap. Wah rumah sakitnya bisa dibawa kemana-mana jadinya.
3. definisi ketiga menyarankan bahwa distance and place no longer remain barrier, as eHealth is “to provide and support health care wherever the participants are located“. Definisi ketiga ini lebih menitikberatkan ke portabilitas juga dan kemungkinan ke telemedicine. Saya jadi ingat dengan film tentang suster/perawat yang naik kapal ke desa-desa terpencil di Metro TV. Yah mungkin beririsan banyak juga dengan definisi kedua, tapi dugaan saya arahnya adalah telemedicine.

Nah, dua hal telah kita bahas, yaitu definisi dari eHealth dan serangkaian (kerangka kerja) aktivitas terkait dengan eHealth. Berikut ini adalah komponen dari eHealth menurut paper tersebut, yaitu:

1. Infomasi kesehatan, meliputi informasi untuk staying well (ada hubungannya dengan rawat inap? I will figure it out), pencegahan dan pengelolaan penyakit (wah jadi ingat NAMRU-2: U.S Naval Medical research Unit No. 2 di jakarta), dan pembuatan keputusan lain yang berhubungan dengan kesehatan dan perawatan kesehatan. Lebih lanjut: (a) meliputi informasi untuk pembuatan keputusan tentang produk kesehatan dan layanan kesehatan (b) datanya dapat berupa teks, audio, dan video (tentu juga gambar) (c) mungkin melibatkan enhancement melalui pemrograman atau interaksi
2. Produk kesehatan, meliputi obat, perangkat medis, dan berbagai materi yang digunakan untuk diagnosis dan tindakan sakit atau cedera atau memelihara kesehatan. Semuanya tadi ada yang harus melalui perijinan dari POM ada juga yang tidak.
3. Layanan kesehatan, meliputi perawatan medis personal, pengelolaan rekam medis, komunikasi antara penyedia layanan kesehatan dan/atau pasien dan rencana kesehatan atau asuransi, atau fasilitas perawatan kesehatan berkaitan dengan keputusan tindakan medis, klaim, tagihan terhadap layanan, dsb. dan layanan lain yang disediakan untuk mendukung perawatan kesehatan. Layanan kesehatan juga meliputi berbagai metoda untuk mempertukarkan informasi kesehatan.

Berlanjut …… (semoga besok bisa diselesaikan ), materi pembahasannya adalah tentang kerangka kerja (framework), stakeholder, guiding principles.

Google Chart API adalah layanan dari Google untuk membuat grafik secara dinamik di web kita, tanpa perlu memrogram sesuatu yang kompleks. Penggunaan Google Chart API sederhana saja. Mari kita coba dengan memasukan URL berikut (saya kutip dari web google chart API) ke WEB Browser favorit kita

http://chart.apis.google.com/chart?cht=p3&chd=t:60,40&chs=250×100
&chl=Hello|World

Hasilnya … luar biasa … langsung keluar tuh pie chart lengkap dengan labelnya

Format dari perintah yang kita berikan di atas dapat dijelaskan pada pembahasan berikut ini.

• http://chart.apis.google.com/chart? adalah lokasi dari google chart
• & pemisah antar parameter
• chs=250×100 adalah ukuran grafik dalam satuan piksel
• chd=t:60,40 adalah data grafik
• cht=p3 merupakan tipe dari grafik yang ingin ditampilkan, , tabel jenis grafik akan saya sampaikan di posting berikutnya
• chl=Hello|World adalah label dari grafik

Kita dapat menampilkan grafik dengan menyatukannya di dalam halaman web kita dengan menggunakan tag <img>. Berikut ini adalah contoh penggunaannya

<img src=”http://chart.apis.google.com/chart? chs=250×100
&chd=t:60,40
&cht=p
&chl=Hello|World” alt=”Sample chart” />

Anda lihat bahwa grafik yang ingin kita tampilkan akan muncul di dalam halaman ini

Topik lain tentang google chart API akan sampaikan di posting berikutnya. Semoga bermanfaat

Mungkin Anda sudah sering sekali mengkases Wikipedia untuk mendapatkan berbagai pengetahuan berkaitan dengan subjek tertentu. Di Wikipedia, berbagai penulis (author) melakukan kolaborasi untuk menuliskan sebuah pengetahuan dalam berbagai macam bidang. Belum lama ini muncul sebuah lingkungan (ekosistem) baru tempat banyak penulis berkolaborasi dalam menuliskan sebuah subjek pengetahuan. Ekosistem ini bernama Connexions dengan pendekatan berikut (saya kutip dari website official-nya):

Connexions is an environment for collaboratively developing, freely sharing, and rapidly publishing scholarly content on the Web. Our Content Commons contains educational materials for everyone — from children to college students to professionals — organized in small modules that are easily connected into larger collections or courses. All content is free to use and reuse under the Creative Commons “attribution” license.

Connexions lebih terfokus dibandingkan Wikipedia, karena Connexions lebih mengkhususkan dirinya untuk mengelaborasikan konten untuk kepentingan pengajaran (educational material). unit terkecil dari materi adalah sebuah modul. Beberapa modul yang terbentuk dapat dikelola menjadi sebuah kursus, buku, tau laporan. Connexions didukung oleh teknoplogi XML, yaitu MathML dan CNXML. Anda dapat berkontribusi dengan mendaftarkan diri di website Connexions. Projek ini digawangi oleh Richard Baraniuk dari Rice University. Anda dapat melihat presentasinya di TED.