Menemukan satu obat baru bukan perkara mudah. Dulu, prosesnya bisa memakan waktu satu dekade lebih. Mulai dari mencari senyawa yang tepat sampai obat itu benar-benar siap dipakai pasien. Sekarang, Artificial Intelligence (AI) mulai ikut ambil bagian di setiap tahapnya, dan perannya nggak main-main.
Menyaring Jutaan Kemungkinan Jadi Lebih Cepat
Cara lama mencari kandidat obat biasanya mengharuskan peneliti menguji ribuan bahkan jutaan senyawa kimia satu per satu di laboratorium, proses yang mahal, lambat, dan sering berujung kegagalan. Dengan machine learning, tahap penyaringan awal ini bisa jauh lebih efisien karena algoritma mampu mempelajari pola dari data senyawa dan target biologis dalam skala besar. Studi di jurnal Nature Reviews Drug Discovery mencatat bahwa penerapan AI kini merambah berbagai tahap pengembangan obat, mulai dari prediksi target molekuler, desain struktur senyawa, sampai optimalisasi desain uji klinis (Vamathevan et al., 2019).
Salah satu bukti nyata soal ini adalah penemuan halicin, kandidat antibiotik baru dari tim MIT yang ditemukan lewat pendekatan deep learning. Yang menarik, senyawa ini terbukti efektif melawan sejumlah bakteri yang sudah resisten terhadap antibiotik biasa, sesuatu yang sebelumnya sulit ditemukan lewat metode konvensional (Stokes et al., 2020). Temuan ini jadi bukti bahwa AI bisa "melihat" pola yang mungkin terlewat dari pengamatan manusia, karena kemampuannya memproses data dalam jumlah yang jauh lebih besar dan cepat.
Bukan Berarti Prosesnya Instan
Meski AI mempercepat tahap awal riset, penting diingat bahwa obat tetap harus melewati proses pembuktian ilmiah yang sama ketatnya. Uji praklinis pada model biologis, uji klinis fase I sampai III pada manusia, dan tinjauan dari lembaga regulator tetap harus dilalui sesuai standar keamanan dan efikasi yang berlaku. AI mempersempit senyawa yang perlu diteliti lebih lanjut, bukan menghilangkan tahapan validasi yang memang dibutuhkan demi keamanan pasien.
Regulasi Ikut Menyesuaikan
Perkembangan ini juga direspons oleh lembaga kesehatan dunia. WHO dalam panduan etika penggunaan AI di bidang kesehatan menekankan pentingnya transparansi dan akuntabilitas sistem AI yang digunakan, termasuk kejelasan soal bagaimana sebuah rekomendasi dihasilkan (WHO, 2021). Sementara itu, FDA di Amerika Serikat sudah menyusun kerangka kerja khusus untuk perangkat kesehatan berbasis AI/machine learning, lengkap dengan mekanisme pemantauan performa model secara berkelanjutan setelah produk itu digunakan (U.S. FDA, 2021). Ini penting karena sistem AI, berbeda dari obat konvensional yang formulanya tetap, bisa berubah performanya seiring waktu karena terus belajar dari data baru.
Tantangan yang Tetap Perlu Diperhatikan
Di balik potensinya, AI di riset obat juga punya risiko yang perlu diwaspadai, terutama soal bias data. Studi di jurnal Science pernah menemukan algoritma kesehatan yang hasilnya kurang akurat untuk kelompok pasien tertentu, karena data yang dipakai untuk melatihnya kurang mewakili semua kelompok masyarakat (Obermeyer et al., 2019). Kalau pola serupa terjadi di tahap pengembangan obat, dampaknya bisa berarti senyawa yang ditemukan kurang efektif untuk sebagian populasi yang datanya minim terwakili.
Penutup
AI sudah membuktikan perannya dalam mempercepat riset dan pengembangan obat, dari menyaring senyawa dalam skala besar sampai membantu menemukan kandidat obat yang sebelumnya sulit ditemukan manusia. Tapi kemajuan ini tetap perlu diimbangi kesiapan regulasi dan kehati-hatian terhadap risiko seperti bias data, supaya manfaatnya benar-benar dirasakan tanpa mengorbankan keamanan pasien.
Daftar Rujukan
Stokes, J. M., Yang, K., Swanson, K., et al. (2020). A Deep Learning Approach to Antibiotic Discovery. Cell, 180(4), 688–702. https://doi.org/10.1016/j.cell.2020.01.021
Baca juga : Bertanya Obat kepada AI: Kemudahan Baru atau Risiko Baru?
World Health Organization (WHO). (2021). Ethics and Governance of Artificial Intelligence for Health. https://www.who.int/publications/i/item/9789240029200
U.S. Food and Drug Administration (FDA). (2021). Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD) Action Plan. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-software-medical-device
Baca juga : Adopsi AI dalam Pelayanan Kefarmasian: Dari Manual Menuju Otomatis
Obermeyer, Z., Powers, B., Vogeli, C., & Mullainathan, S. (2019). Dissecting racial bias in an algorithm used to manage the health of populations. Science, 366(6464), 447–453. https://doi.org/10.1126/science.aax2342
Vamathevan, J., Clark, D., Czodrowski, P., et al. (2019). Applications of machine learning in drug discovery and development. Nature Reviews Drug Discovery, 18, 463–477. https://doi.org/10.1038/s41573-019-0024-5
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.