Lewati ke isi

Sentra Healthcare — Scalability Plan & Future Improvements

Scalability Plan

Ketika jaringan klinik berkembang menjadi puluhan hingga ratusan cabang di seluruh Indonesia dengan jutaan pasien aktif, arsitektur data harus mampu menangani peningkatan beban secara elastis.

Database Multi-Tenant Regional Sharding

  • Database Tenant Sharding: Data transaksi medis dan billing dibagi berdasarkan wilayah regional (misal: db-region-java, db-region-sumatera, db-region-bali).
  • Setiap regional memiliki cluster Aurora PostgreSQL masing-masing.
  • Database master terpusat hanya untuk pelaporan analitik eksekutif — tidak mengolah transaksi klinis langsung.
  • Shard key: kombinasi branch_id dan region_code yang di-hash untuk distribusi merata.

RabbitMQ HL7 FHIR Broker Queue Scaling

  • Integrasi SatuSehat Kemenkes sering mengalami lonjakan beban respons lambat dari pihak pemerintah.
  • Untuk mencegah kemacetan, pengiriman data FHIR dibungkus ke dalam RabbitMQ broker asinkron dengan 5 worker berjalur paralel.
  • Jika SatuSehat mati, worker melakukan percobaan berulang secara eksponensial (exponential backoff) tanpa menghentikan beban transaksi internal klinik.
  • Worker count dapat di-scale secara dinamis (auto-scaling ECS/EKS) berdasarkan queue depth.

Edge Node Scaling

  • Setiap cabang klinik baru mendapatkan edge node yang identik (menggunakan Docker Compose yang sama).
  • Provisioning edge node baru dapat dilakukan secara remote via Ansible playbook dari cloud — tanpa kunjungan fisik IT ke lokasi klinik.
  • Sync daemon pada setiap edge terhubung ke cloud menggunakan branch-specific credentials (JWT per branch) sehingga data antar cabang tetap terisolasi.

SatuSehat High Volume Management

  • Saat klinik tumbuh ke ratusan cabang, volume pengiriman FHIR ke IHS Kemenkes bisa mencapai puluhan ribu request per jam.
  • Strategi: Request batching — menggabungkan beberapa FHIR resource dalam satu bundle request sebelum dikirim ke IHS (POST /fhir-r4/v1 Bundle), mengurangi jumlah HTTP roundtrip secara drastis.
  • Rate limiter di SatuSehat Adapter dikonfigurasi secara adaptif berdasarkan respons header X-RateLimit-Remaining dari IHS API.

Horizontal Pod Auto-Scaling (HPA)

  • Core NestJS pods: auto-scale berdasarkan CPU > 70%.
  • SatuSehat Adapter pods: auto-scale berdasarkan RabbitMQ queue depth > 500 items.
  • BPJS Adapter pods: scale terbatas (dibatasi IP whitelist BPJS — hanya IP yang terdaftar yang bisa mengakses).

Future Improvements

AI-Assisted Diagnostic ICD-10 Recommendation Engine

Menerapkan model Natural Language Processing (NLP) ringan di cloud untuk menganalisis teks subjektif & objektif SOAP dokter secara real-time, dan merekomendasikan kode ICD-10 yang paling mendekati secara akurat guna mengurangi waktu pencarian manual dokter.

  • Input: Teks SOAP Subjective + Objective.
  • Output: Ranked list kode ICD-10 dengan confidence score.
  • Privasi: Model berjalan di cloud dengan data yang telah di-anonymize (tanpa nama/NIK pasien).
  • Estimasi dampak: Mengurangi waktu pencarian ICD-10 dari rata-rata 45 detik menjadi < 5 detik per kunjungan.

Voice-to-SOAP EMR Dictation

Integrasi API transkripsi suara medis bahasa Indonesia (Speech-to-Text) untuk mengonversi dikte lisan dokter di dalam ruang pemeriksaan menjadi catatan rekam medis SOAP terstruktur secara instan.

  • Dokter cukup berbicara: "Pasien mengeluhkan pusing, tekanan darah 150/90..." → sistem otomatis mengisi field SOAP.
  • Menggunakan model ASR (Automatic Speech Recognition) yang telah fine-tuned dengan kosakata medis Indonesia.
  • Privasi: Audio diproses secara streaming dan tidak disimpan di server; hanya transkrip teks yang disimpan.

RFID Integrated Apothecary Tracking

Menggunakan label RFID mini tahan air pada kemasan botol obat bernilai tinggi untuk penelusuran stok nirsentuh yang seketika mencatat pengeluaran stok begitu obat dibawa melewati sensor pintu keluar ruang farmasi.

  • Eliminasi input manual pengeluaran stok oleh apoteker.
  • Deteksi real-time jika obat keluar tanpa resep yang valid (anomaly detection).
  • Integrasi dengan sistem FEFO yang sudah ada: RFID reader memvalidasi batch dan expiry date secara otomatis.

Telemedicine Integration

Modul konsultasi video online (telemedicine) yang terintegrasi langsung dengan EMR — dokter bisa input SOAP, menulis resep, dan melakukan BSrE sign-off dari konsultasi video tanpa berpindah aplikasi.

  • Video call: WebRTC-based (peer-to-peer, terenkripsi end-to-end).
  • Resep digital dari telemedicine dapat langsung di-pickup di apotek fisik klinik.
  • Integrasi dengan SatuSehat: encounter telemedicine tetap dilaporkan sebagai FHIR Encounter dengan tipe VR (virtual).

Lab Result Direct Integration (LIS Bridge)

Integrasi langsung dengan Laboratory Information System (LIS) dari mesin laboratorium (Mindray, Sysmex, dll) untuk mengimpor hasil lab secara otomatis ke dalam EMR dokter — menghilangkan input manual Lab Tech.

  • Protokol: HL7 v2.x atau ASTM E1381 untuk komunikasi dengan mesin lab.
  • Hasil lab otomatis terlampir pada encounter yang relevan dan dapat diakses langsung dari Doctor EMR Console.