Revolusi AI Percepat Penemuan Obat dan Ubah Riset Farmasi
Kecerdasan buatan (AI) mulai mengubah cara industri farmasi mencari dan mengembangkan kandidat obat. Teknologi ini membantu peneliti mengolah data biologis, memprediksi interaksi molekul, serta menyaring kandidat yang berpotensi sebelum menjalani pengujian laboratorium.
Perubahan tersebut penting karena pengembangan obat konvensional membutuhkan waktu panjang dan memiliki tingkat kegagalan tinggi. AI tidak menghapus tahapan penelitian, tetapi dapat mempercepat bagian tertentu dari proses penemuan obat.
Dekan Fakultas Farmasi Universitas Indonesia, Prof. Dr. apt. Arry Yanuar, M.Si., menilai machine learning telah digunakan untuk memprediksi aktivitas biologis senyawa dan membantu penyaringan kandidat obat. Teknologi tersebut berpotensi meningkatkan efisiensi sekaligus mengurangi jumlah kandidat yang perlu diuji secara eksperimental.
Baca Juga “Zurich Life Sebut Implementasi AI Dapat Membantu Mengelola Klaim Kesehatan“
AI Mempercepat Penyaringan Kandidat Obat
Dalam metode konvensional, peneliti harus menyaring banyak senyawa untuk menemukan molekul yang memiliki karakteristik sesuai. Proses tersebut membutuhkan eksperimen berulang untuk menilai efektivitas, keamanan, dan karakteristik farmakologis kandidat.
AI memungkinkan sebagian proses dilakukan melalui simulasi komputasi. Algoritma dapat mempelajari pola dari kumpulan data besar untuk memperkirakan aktivitas senyawa dan kemungkinan interaksinya dengan target biologis.
Hasil prediksi tersebut kemudian dapat membantu peneliti menentukan kandidat yang lebih layak untuk diuji. Dengan demikian, laboratorium dapat memusatkan sumber daya pada molekul yang memiliki peluang lebih tinggi untuk dikembangkan.
Namun, kemampuan tersebut tidak berarti AI dapat menggantikan eksperimen. Prediksi komputasi tetap membutuhkan validasi melalui penelitian laboratorium dan uji klinis sebelum suatu kandidat dapat digunakan sebagai obat.
Rentosertib Menjadi Contoh Pengembangan Berbasis AI
Perkembangan AI dalam penemuan obat terlihat dari sejumlah kandidat yang telah memasuki tahap klinis. Salah satu contohnya adalah rentosertib, kandidat obat untuk fibrosis paru idiopatik yang dikembangkan Insilico Medicine.
Insilico menggunakan pendekatan AI untuk mengidentifikasi target dan merancang molekul kandidat. Kandidat tersebut kemudian berkembang hingga pengujian klinis, menunjukkan bagaimana AI dapat mempercepat fase awal pengembangan obat.
Namun, pencapaian tersebut perlu dibaca secara proporsional. Keberhasilan mencapai uji klinis belum berarti suatu obat pasti efektif atau aman untuk penggunaan luas.
Tahap klinis tetap menentukan apakah kandidat mampu memberikan manfaat yang lebih besar daripada risikonya. Proses regulasi juga tetap diperlukan sebelum obat memperoleh izin edar.
AI Bantu Pengembangan Obat yang Lebih Personal
AI juga membuka peluang lebih besar bagi pengembangan personalized medicine atau pengobatan yang disesuaikan dengan karakteristik pasien.
Peneliti dapat menggabungkan berbagai jenis data, termasuk informasi genetik, riwayat kesehatan, respons terhadap terapi, dan karakteristik biologis. Analisis tersebut dapat membantu menemukan pola yang sulit dikenali melalui pengolahan data secara konvensional.
Pendekatan ini berpotensi membantu peneliti memperkirakan respons pasien terhadap terapi tertentu. Tujuannya bukan sekadar menemukan obat baru, tetapi juga menentukan penggunaan terapi yang lebih tepat.
Meski demikian, penerapan personalized medicine membutuhkan data berkualitas tinggi. Perlindungan informasi kesehatan juga menjadi persyaratan penting karena data genomik dan rekam medis termasuk informasi yang sensitif.
AI Tidak Menghapus Peran Peneliti
Percepatan komputasi tidak membuat AI menjadi pengganti ilmuwan. Peneliti tetap menentukan pertanyaan ilmiah, merancang eksperimen, memvalidasi hasil, dan menilai apakah prediksi sistem memiliki dasar biologis yang kuat.
AI juga dapat menghasilkan prediksi yang keliru apabila data pelatihan tidak representatif. Bias data dapat memengaruhi hasil analisis dan berpotensi menghasilkan kandidat atau rekomendasi yang kurang tepat.
Karena itu, kombinasi antara kemampuan komputasi dan keahlian manusia menjadi pendekatan yang lebih realistis. AI dapat memperluas kapasitas analisis, sementara ilmuwan bertanggung jawab memastikan hasilnya dapat diuji dan dipertanggungjawabkan.
WHO Soroti Risiko AI di Bidang Kesehatan
Organisasi Kesehatan Dunia (WHO) mengakui AI memiliki potensi besar untuk mendukung penelitian kesehatan dan pengembangan obat. Namun, WHO menekankan bahwa penerapannya harus menempatkan etika, hak asasi manusia, keselamatan, dan tata kelola sebagai bagian utama.
Risiko yang perlu diperhatikan mencakup bias algoritma, perlindungan data, keamanan sistem, transparansi, serta akuntabilitas ketika teknologi menghasilkan kesalahan. WHO juga menerbitkan panduan khusus mengenai tata kelola model AI multimodal yang dapat digunakan dalam penelitian dan pengembangan obat.
Pengawasan tersebut semakin penting ketika AI digunakan untuk menganalisis data pasien. Kecepatan pemrosesan harus berjalan beriringan dengan standar keamanan dan validasi ilmiah.
Regulasi Perlu Mengikuti Perkembangan Teknologi
Perkembangan AI berlangsung lebih cepat dibandingkan sebagian proses pembentukan kebijakan. Kondisi tersebut membuat regulator perlu terus menyesuaikan kerangka pengawasan dengan teknologi yang berkembang.
Regulasi tidak hanya diperlukan untuk mengatur penggunaan AI. Kerangka pengawasan juga perlu memastikan validitas data, keamanan informasi, transparansi model, serta kejelasan pihak yang bertanggung jawab atas keputusan.
Bagi industri farmasi, kepastian regulasi dapat membantu perusahaan mengembangkan teknologi tanpa mengabaikan keselamatan pasien. Bagi peneliti, standar yang jelas juga dapat meningkatkan kepercayaan terhadap hasil penelitian berbasis AI.
Pendidikan Farmasi Perlu Beradaptasi
Perubahan teknologi turut membawa konsekuensi bagi pendidikan dan tenaga profesional farmasi. Penguasaan ilmu farmasi perlu dilengkapi dengan pemahaman mengenai data, pemodelan komputasi, dan penggunaan AI secara bertanggung jawab.
Perguruan tinggi dapat memperkuat pembelajaran lintas disiplin antara farmasi, biologi, ilmu data, dan teknologi informasi. Kolaborasi tersebut penting karena pengembangan obat berbasis AI membutuhkan pemahaman terhadap aspek komputasi sekaligus mekanisme biologis.
Bagi industri Indonesia, kesiapan sumber daya manusia akan menjadi salah satu faktor penting dalam memanfaatkan perkembangan tersebut. Teknologi yang canggih tetap membutuhkan tenaga profesional yang mampu memahami, menguji, dan menginterpretasikan hasilnya.
AI Menjadi Akselerator, Bukan Jalan Pintas Mutlak
AI memang berpotensi memangkas waktu pada sejumlah tahap penemuan obat. Namun, klaim bahwa seluruh proses pengembangan obat dapat dipangkas dari sekitar satu dekade menjadi hitungan hari perlu ditempatkan secara hati-hati.
Yang paling realistis adalah AI mempercepat tahap tertentu, terutama pencarian target, penyaringan molekul, prediksi karakteristik senyawa, dan optimasi kandidat. Tahapan praklinis, uji klinis, serta evaluasi regulator tetap membutuhkan waktu dan bukti yang memadai.
Dengan demikian, revolusi AI dalam farmasi bukan berarti menghilangkan proses ilmiah. Teknologi ini lebih tepat dipandang sebagai akselerator yang membantu peneliti bekerja dengan data lebih besar dan menemukan kandidat secara lebih efisien.
Ke depan, keberhasilan AI dalam industri farmasi akan ditentukan oleh kemampuan menggabungkan inovasi, validasi ilmiah, keamanan data, dan pengawasan manusia. Jika keseimbangan tersebut terjaga, AI berpotensi mempercepat hadirnya terapi baru tanpa mengorbankan keselamatan pasien.
Baca Juga “AI dalam Pelayanan Kefarmasian: Teknologi Canggih, Tapi Manusia Tetap Utama“
