Membangun Masa Depan Farmasi melalui Pemanfaatan AI yang Etis dan Inovatif

Perkembangan Artificial Intelligence (AI) telah membuka babak baru dalam dunia farmasi. Teknologi ini tidak lagi hanya digunakan untuk mengolah data, tetapi mulai dimanfaatkan dalam penemuan obat, identifikasi interaksi obat, pemantauan efek samping, hingga mendukung pengambilan keputusan dalam pelayanan kefarmasian. Dalam penemuan dan pengembangan obat, misalnya, machine learning mampu membantu proses identifikasi target, penyaringan kandidat senyawa, serta prediksi karakteristik molekul secara lebih cepat dibandingkan pendekatan konvensional (Vamathevan et al., 2019). Perkembangan tersebut menunjukkan bahwa AI memiliki potensi besar untuk meningkatkan efisiensi sekaligus memperluas kemampuan tenaga kefarmasian.

Dalam pelayanan farmasi, pemanfaatan AI juga semakin relevan. Teknologi ini dapat membantu apoteker meninjau resep, mendeteksi potensi interaksi obat, mengenali kemungkinan medication error, serta memantau keamanan penggunaan obat. Hatzimanolis et al. (2025) menunjukkan bahwa berbagai aplikasi AI telah mulai digunakan dalam praktik farmasi untuk mendukung pengelolaan obat dan proses pengambilan keputusan. AI bahkan berpotensi memperkuat farmakovigilans melalui pengolahan data dalam jumlah besar untuk menemukan informasi mengenai adverse drug events yang mungkin sulit dikenali secara manual (Li et al., 2024). Dengan dukungan tersebut, pekerjaan yang bersifat repetitif dapat dilakukan lebih cepat sehingga apoteker mempunyai lebih banyak ruang untuk berinteraksi dengan pasien dan memberikan pelayanan klinis yang lebih optimal.

Pemanfaatan AI juga perlu diarahkan untuk memperkuat kualitas hubungan antara apoteker dan pasien, bukan sekadar mempercepat pekerjaan administratif. Waktu yang dapat dihemat melalui otomatisasi seharusnya digunakan untuk memperdalam konseling obat, memastikan pemahaman pasien, mengevaluasi kepatuhan terapi, dan mengidentifikasi kebutuhan yang mungkin tidak terbaca oleh sistem. Dengan demikian, keberhasilan penerapan AI dalam farmasi tidak cukup diukur dari kecepatan atau efisiensi proses, tetapi juga dari kemampuannya mendukung pelayanan yang lebih aman, personal, dan berpusat pada pasien.

Baca juga : AI di Dunia Farmasi: Teknologi yang Membantu, Bukan Menggantikan Apoteker

Namun, kecanggihan AI tidak berarti teknologi ini dapat menggantikan peran apoteker. Salah satu persoalan terbesar adalah kemungkinan AI menghasilkan informasi yang terlihat meyakinkan tetapi sebenarnya tidak tepat. Dalam pelayanan kesehatan, kesalahan informasi mengenai dosis, kontraindikasi, interaksi, atau efek samping obat dapat berpengaruh langsung terhadap keselamatan pasien. Karena itu, informasi yang dihasilkan AI tetap harus diverifikasi dengan sumber ilmiah dan dinilai oleh tenaga profesional. AI seharusnya berfungsi sebagai decision-support tool, bukan sebagai pengambil keputusan akhir.

Persoalan lain yang tidak kalah penting adalah etika. Pemanfaatan AI dalam kesehatan berkaitan dengan keamanan data pasien, transparansi algoritme, akuntabilitas, serta kemungkinan munculnya bias. Morley et al. (2020) menegaskan bahwa penerapan AI dalam kesehatan menghadirkan persoalan etis pada tingkat individu, profesional, institusi, hingga sistem kesehatan. Risiko bias juga bukan sekadar persoalan teoritis. Obermeyer et al. (2019) menunjukkan bahwa algoritme kesehatan dapat menghasilkan ketidakadilan apabila data atau indikator yang digunakan tidak secara tepat menggambarkan kebutuhan pasien. Oleh karena itu, penerapan AI dalam farmasi harus disertai sistem pengawasan, validasi, perlindungan data, dan tanggung jawab profesional yang jelas.

Menurut saya, masa depan farmasi tidak terletak pada pilihan antara manusia atau mesin, tetapi pada kemampuan keduanya untuk bekerja secara sinergis. AI unggul dalam mengolah data dalam jumlah besar, mengenali pola, dan memberikan rekomendasi awal. Sementara itu, apoteker memiliki kemampuan yang tidak dapat sepenuhnya digantikan oleh algoritme, seperti memahami kondisi individual pasien, mempertimbangkan manfaat dan risiko terapi, berkomunikasi secara empatik, serta mengambil keputusan berdasarkan konteks klinis.

Baca juga : AI di Dunia Farmasi: Membantu Tenaga Kefarmasian, Bukan Menggantikannya

Karena itu, pendidikan dan praktik kefarmasian perlu mulai membangun literasi AI yang kuat. Apoteker masa depan bukan hanya harus mampu menggunakan teknologi, tetapi juga memahami keterbatasannya, mampu memeriksa validitas informasi, serta berani menolak rekomendasi algoritme apabila tidak sesuai dengan bukti ilmiah atau kondisi pasien. Dengan prinsip tersebut, AI dapat menjadi sarana inovasi tanpa menghilangkan nilai kemanusiaan dalam pelayanan farmasi. Masa depan farmasi yang ideal adalah masa depan ketika teknologi membuat pelayanan semakin cepat dan cerdas, sementara keputusan tetap dijalankan secara etis, berbasis bukti, dan berorientasi pada keselamatan pasien.

Referensi

Hatzimanolis, J., Riley, B., El-Den, S., Aslani, P., Zhou, J., & Chaar, B. B. (2025). Applications of artificial intelligence in current pharmacy practice: A scoping review. Research in Social and Administrative Pharmacy, 21(3), 134–141. https://doi.org/10.1016/j.sapharm.2024.12.007

Li, Y., Tao, W., Li, Z., & Sun, Z. (2024). Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets. Journal of Biomedical Informatics, 152. https://doi.org/10.1016/j.jbi.2024.104621

Baca juga : PEMANFAATAN AI DI DUNIA FARMASI: ANTARA PELUANG, TANTANGAN & MASA DEPAN APOTEKER

Morley, J., Machado, C. C. V., Burr, C., & Cowls, J. (2020). The ethics of AI in health care: A mapping review. Social Science & Medicine. https://doi.org/10.1016/j.socscimed.2020.113172

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/https://doi.org/10.1126/science.aax2342

Vamathevan, J., Clark, D., Czodrowski, P., Dunham, I., Ferran, E., Lee, G., Li, B., Madabhushi, A., Shah, P., Spitzer, M., & Zhao, S. (2019). Applications of machine learning in drug discovery and development. Nature Reviews Drug Discovery, 18, 463–477. https://doi.org/https://doi.org/10.1038/s41573-019-0024-5

Ummu Zahro
Mahasiswa Farmasi Universitas Batam

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.