Perkembangan teknologi pada beberapa tahun terakhir telah membawa perubahan yang sangat besar dalam berbagai bidang kehidupan manusia. Teknologi yang dahulu hanya digunakan untuk membantu pekerjaan sederhana kini telah berkembang menjadi sistem yang mampu melakukan analisis, memberikan prediksi, mengenali pola, bahkan menghasilkan suatu informasi baru. Salah satu perkembangan teknologi yang paling menarik sekaligus paling kontroversial adalah Artificial Intelligence (AI) atau kecerdasan buatan.
Data merupakan bagian penting dalam dunia farmasi. Dalam proses penemuan obat terdapat data mengenai struktur kimia, aktivitas biologis, toksisitas, farmakokinetika, dan berbagai karakteristik senyawa. Dalam industri farmasi terdapat data mengenai bahan baku, formulasi, proses produksi, pengendalian mutu, distribusi, hingga pemantauan keamanan obat setelah dipasarkan. Sementara itu, dalam pelayanan kefarmasian terdapat data mengenai pasien, diagnosis, resep, riwayat penggunaan obat, alergi, hasil laboratorium, interaksi obat, dan berbagai informasi klinis lainnya.
Banyaknya data tersebut membuat AI memiliki potensi yang sangat besar untuk membantu pekerjaan manusia. AI dapat digunakan untuk menganalisis data dalam jumlah besar, menemukan pola yang sulit ditemukan secara manual, membuat prediksi, serta membantu tenaga kesehatan dalam mengambil keputusan. Dalam industri farmasi, kajian terbaru menunjukkan bahwa AI telah dipertimbangkan untuk digunakan pada berbagai tahap siklus hidup obat, mulai dari drug discovery, pengembangan formulasi, manufaktur, pengendalian mutu, hingga post-market surveillance.
Namun, menurut pendapat saya, perkembangan AI dalam dunia farmasi tidak seharusnya hanya dilihat dari sisi kecanggihannya. Ada kecenderungan bahwa ketika membicarakan AI, masyarakat langsung berpikir bahwa teknologi tersebut dapat menggantikan manusia. Saya justru memiliki pandangan yang berbeda. AI seharusnya diposisikan sebagai alat yang membantu manusia, bukan sebagai pengganti manusia secara keseluruhan.
Dengan demikian, pertanyaan yang lebih penting bukanlah "Apakah AI akan menggantikan apoteker?", tetapi "Bagaimana apoteker dapat menggunakan AI agar pelayanan kefarmasian menjadi lebih baik?"
Perkembangan AI dalam Dunia Farmasi
Dalam dunia farmasi, machine learning memiliki potensi besar karena penelitian dan pelayanan farmasi menghasilkan data dalam jumlah besar. Data tersebut dapat digunakan untuk membuat model prediksi. Sebagai contoh, dalam penelitian obat, peneliti dapat menggunakan data senyawa yang telah diketahui aktivitas biologisnya untuk melatih model. Model tersebut kemudian dapat digunakan untuk memprediksi apakah senyawa baru kemungkinan memiliki aktivitas tertentu.
Baca juga : AI di Dunia Farmasi: Membantu Apoteker atau Justru Menggantikan Perannya?
Carracedo-Reboredo et al. (2021) menjelaskan bahwa berbagai metode machine learning telah digunakan dalam proses drug discovery. Perkembangan tersebut menunjukkan bahwa AI bukan lagi sekadar teori, tetapi telah menjadi bagian dari penelitian modern dalam penemuan obat.
Menurut saya, hal yang paling menarik dari AI adalah kemampuannya untuk membantu manusia menghadapi kompleksitas data. Manusia memiliki kemampuan berpikir yang luar biasa, tetapi kemampuan manusia dalam memproses data dalam jumlah sangat besar tentu memiliki batas. AI dapat membantu mengatasi keterbatasan tersebut. Namun, kemampuan memproses data tidak sama dengan kemampuan memahami manusia. Perbedaan tersebut harus selalu diingat ketika membicarakan AI dalam kesehatan.
AI dapat mengetahui pola dari ribuan data pasien, tetapi AI tidak secara otomatis memahami ketakutan seorang pasien terhadap obat. AI dapat memberikan rekomendasi, tetapi belum tentu memahami kondisi sosial pasien. AI dapat menghitung risiko, tetapi keputusan klinis tetap memerlukan pertimbangan manusia. Oleh sebab itu, saya melihat AI sebagai teknologi pendukung yang memiliki kemampuan analitis sangat kuat, sementara manusia tetap memiliki kemampuan kontekstual dan emosional yang sangat penting.
AI dalam Desain Molekul Obat
AI juga dapat digunakan dalam desain molekul. Dalam pendekatan tradisional, peneliti menggunakan pengetahuan kimia dan farmakologi untuk memodifikasi struktur molekul. Saat ini, AI dapat membantu memprediksi karakteristik molekul dan bahkan membantu menghasilkan kandidat molekul baru.
Hal tersebut menarik karena AI tidak hanya digunakan untuk menemukan molekul yang sudah ada, tetapi juga dapat membantu manusia mengeksplorasi kemungkinan struktur yang sebelumnya belum dipertimbangkan. Namun, semakin canggih teknologi tersebut, semakin penting pula proses validasinya.
Sebuah molekul yang secara komputasional terlihat sangat baik belum tentu dapat diproduksi dengan mudah. Molekul tersebut juga belum tentu stabil, aman, atau efektif pada manusia. Karena itu, saya tidak setuju jika AI dipandang sebagai "mesin penemu obat otomatis". AI lebih tepat disebut sebagai alat yang membantu peneliti menemukan kemungkinan baru.
Baca juga : AI dalam Pelayanan Kefarmasian: Teknologi Canggih, Tapi Manusia Tetap Utama
AI dalam Pelayanan Kefarmasian
Jika penerapan AI dalam industri farmasi lebih banyak berkaitan dengan penelitian dan produksi, penerapan AI dalam pelayanan kefarmasian memiliki hubungan langsung dengan pasien. Bidang ini merupakan salah satu area yang paling sensitif. Apoteker harus memeriksa resep, obat, dosis, interaksi, kontraindikasi, alergi, serta berbagai kondisi pasien.
AI dapat membantu proses tersebut. Sistem AI dapat digunakan untuk menganalisis informasi pasien dan memberikan peringatan terhadap potensi masalah terkait obat.
Menurut saya, ini merupakan penggunaan AI yang masuk akal karena AI dapat membantu apoteker menangani informasi yang kompleks. Namun, AI tidak boleh menjadi satu-satunya dasar keputusan.
Misalnya, AI memberikan peringatan mengenai interaksi antara dua obat. Apoteker harus memeriksa apakah interaksi tersebut benar-benar relevan secara klinis. Tidak semua interaksi memiliki tingkat kepentingan yang sama. Apoteker harus mempertimbangkan dosis, kondisi pasien, lama penggunaan, penyakit penyerta, serta berbagai faktor lainnya. Dengan demikian, AI memberikan sinyal, sedangkan apoteker memberikan penilaian.
DAFTAR PUSTAKA
Abdel Aziz, M. H., Rowe, C., Southwood, R., Nogid, A., Berman, S., & Gustafson, K. (2024). A scoping review of artificial intelligence within pharmacy education. American Journal of Pharmaceutical Education, 88(1), 100615.
Baca juga : Kecerdasan Buatan dan Masa Depan Dunia Farmasi
Carracedo-Reboredo, P., Liñares-Blanco, J., Rodríguez-Fernández, N., Cedrón, F., Novoa, F. J., Carballal, A., Maojo, V., Pazos, A., & Fernández-Lozano, C. (2021). A review on machine learning approaches and trends in drug discovery. Computational and Structural Biotechnology Journal, 19, 4538–4558.
Huanbutta, K., Burapapadh, K., Kraisit, P., Sriamornsak, P., Ganokratanaa, T., Suwanpitak, K., & Sangnim, T. (2024). Artificial intelligence-driven pharmaceutical industry: A paradigm shift in drug discovery, formulation development, manufacturing, quality control, and post-market surveillance. European Journal of Pharmaceutical Sciences, 203, 106938.
Mortlock, R., & Lucas, C. (2024). Generative artificial intelligence (Gen-AI) in pharmacy education: Utilization and implications for academic integrity: A scoping review. Exploratory Research in Clinical and Social Pharmacy, 15, 100481.
Mullowney, M. W., Duncan, K. R., Elsayed, S. S., Garg, N., van der Hooft, J. J. J., Martin, N. I., Meijer, D., et al. (2023). Artificial intelligence for natural product drug discovery. Nature Reviews Drug Discovery, 22, 895–916.
Powered by Froala Editor
Update berita dan artikel RM.ID menarik lainnya di Google News
Dapatkan juga update berita pilihan dan breaking news setiap hari dari RM.id. Mari bergabung di Grup Telegram "Rakyat Merdeka News Update", caranya klik link https://t.me/officialrakyatmerdeka kemudian join. Anda harus install aplikasi Telegram terlebih dulu di ponsel.