Inovasi AI dalam Penelitian Medis yang Mengubah Layanan Kesehatan dengan Kemajuan dan Kekhawatiran

Industri farmasi menghadapi banyak tantangan dalam mengembangkan obat baru karena proses yang rumit dan biaya tinggi. Kini, perusahaan seperti Novo Nordisk menggunakan teknologi kecerdasan buatan (AI) untuk membantu mempercepat dan mempermudah proses ini. Novo Nordisk menghadirkan pendekatan baru dengan memanfaatkan data manusia seperti genetika dan multiomik dari berbagai pasien guna menemukan target-target obat yang baru dan potensial. Dengan bantuan AI dan pembelajaran mesin, perusahaan ini mampu menganalisis data besar dan gambar sel secara lebih efektif. Teknologi ini memetakan karakteristik sel berdasarkan bentuknya untuk memprediksi fungsi dan respon terhadap obat. Penerapan AI juga memungkinkan standarisasi data dan percepatan pengujian model eksperimen, sehingga bisa meningkatkan efisiensi di banyak tahap pengembangan obat, termasuk uji klinis. Melalui inisiatif ini, Novo Nordisk berharap dapat mempercepat munculnya kandidat obat yang aman dan efektif, serta pada akhirnya membantu meningkatkan hasil pengobatan bagi pasien di seluruh dunia.

Systematic reviews sangat penting dalam dunia medis karena menggabungkan hasil dari banyak penelitian, sehingga membantu dokter dan pembuat kebijakan mengambil keputusan yang tepat. Namun, membuat review ini biasanya memerlukan waktu sangat lama dan biaya tinggi. Kini, para ilmuwan menggunakan AI dan teknologi large language models untuk mempercepat dua tahapan utama dalam pembuatan systematic reviews. Dengan demikian, mereka berhasil mereproduksi 12 review yang biasanya memakan waktu berbulan-bulan hanya dalam dua hari. Selain itu, mereka juga mampu mengupdate sebuah review dalam waktu singkat, hanya 20 menit saja. Hal ini sangat membantu untuk memastikan informasi dan pedoman medis tetap terbaru tanpa perlu menunggu lama. Meski demikian, tidak semua orang yakin dengan klaim ini. Beberapa ahli menekankan pentingnya pengujian independen dan transparansi agar hasil dari sistem AI ini benar-benar dapat dipercaya dan digunakan secara luas. Perkembangan ini menunjukkan potensi besar AI dalam dunia penelitian dan medis, namun juga mengingatkan kita untuk tetap kritis dan memastikan teknologi baru dapat diuji dengan baik sebelum diadopsi secara luas.

SandboxAQ, perusahaan AI yang muncul dari Google dan didukung NVIDIA, telah meluncurkan dataset besar bernama SAIR yang berisi lebih dari 5,2 juta struktur protein-molekul obat hasil komputasi. Dataset ini dilengkapi dengan data potensi nyata obat, sehingga dapat membantu ilmuwan memprediksi apakah molekul obat akan menempel pada protein target dengan efektif. Interaksi antara molekul obat dan protein penting karena memengaruhi apakah obat bisa menghambat atau mengubah proses biologis, termasuk menghentikan penyebaran penyakit. Biasanya, studi eksperimental struktur ini memakan waktu dan biaya tinggi, mulai dari mendapatkan struktur 3D protein hingga menguji ribuan molekul obat. SandboxAQ menggunakan chip NVIDIA dan model Boltz-1x untuk menghasilkan struktur komputasi sintetis yang diikatkan ke data potensi eksperimental. Setiap pasangan protein-obat dari data publik diuji dengan lima variasi pose 3D, kemudian disaring agar hasilnya akurat dan dapat diandalkan. Walaupun AI seperti AlphaFold sudah membantu memprediksi struktur 3D, model-model ini masih kesulitan menghadapi protein dan molekul baru di luar data latih. SAIR memberikan data sintetis yang cukup besar untuk melatih model AI dengan lebih baik tanpa perlu akses ke database privat yang biasanya dimiliki perusahaan farmasi. SandboxAQ akan menyediakan dataset SAIR secara gratis kepada para peneliti untuk mempercepat inovasi di bidang obat, sementara mereka menawarkan akses berbayar ke model AI proprietary yang dikembangkan menggunakan data ini. Langkah ini diharapkan mendekatkan prediksi ikatan obat-protein dengan akurasi laboratorium secara virtual dan lebih cepat.

Martin Schrimpf adalah seorang peneliti yang menggunakan kecerdasan buatan (AI) untuk membuat model digital otak manusia yang disebut 'digital twin'. Tujuannya adalah untuk memahami bagaimana otak bekerja dengan membandingkan perilaku dan aktivitas otak manusia dengan hasil dari model AI yang dibuat menyerupai cara kerja neuron sebenarnya. Schrimpf dan timnya mengembangkan platform bernama Brain-Score yang berisi data otak manusia serta perilaku. Platform ini memungkinkan peneliti di seluruh dunia untuk menguji dan memperbaiki model AI agar semakin menyerupai otak manusia, khususnya dalam bidang penglihatan dan bahasa. Salah satu terobosan penting mereka adalah menggunakan model AI untuk menghasilkan kalimat yang dapat mengubah aktivitas otak manusia secara terukur, yang bisa membuka jalan bagi pengobatan gangguan otak seperti depresi dan disleksia dengan cara noninvasif. Meskipun AI tidak dapat menjelaskan otak secara sempurna, model-model ini sudah sangat membantu dalam penelitian neuroscience. Namun, tantangan dan risiko etis terkait pengaruh AI pada pikiran manusia harus diperhatikan, dan aturan-aturan hukum yang mengaturnya masih perlu dibuat. Schrimpf percaya bahwa kecerdasan bukan hanya milik manusia, melainkan sebuah pola pemrosesan informasi yang dapat muncul secara buatan. Penelitian ini bukan hanya untuk menciptakan AI yang pintar, tapi juga untuk memahami lebih dalam tentang apa yang membuat pengalaman manusia itu unik.

Industri layanan medis sedang mengalami perubahan besar yang dipicu oleh kemajuan teknologi dan dorongan untuk perawatan yang berfokus pada nilai dan pasien. Teknologi seperti telemedicine dan analitik AI membantu meningkatkan diagnosis, operasional, dan hasil pasien dengan lebih efisien dan personal. Kekurangan tenaga kesehatan, khususnya perawat dan asisten perawat, menjadi masalah besar di Amerika Serikat karena pascapandemi dan bertambahnya populasi lansia. Hal ini menyebabkan kenaikan biaya tenaga kerja rumah sakit dan mendorong penciptaan peran tenaga kesehatan yang lebih khusus dan berbasis teknologi. Data menunjukkan pasar analitik kesehatan global cepat berkembang, didukung oleh kemunculan big data dan kecerdasan buatan di bidang kesehatan. Perkiraan pertumbuhan tahunan pasar ini sangat tinggi, yang memberi peluang besar bagi perusahaan yang bergerak di bidang tersebut. Perusahaan-perusahaan seperti CVS Health, BrightSpring Health Services, dan GeneDx Holdings menjadi pemain utama yang diprediksi akan mendapatkan keuntungan dari tren ini, dengan pertumbuhan pendapatan dan perbaikan rating bintang oleh beberapa lembaga pengawas sebagai faktor positif. Meskipun industri ini mengalami tekanan harga saham dan valuasi yang relatif rendah dibandingkan sektor lebih luas dan pasar saham secara keseluruhan, potensi pertumbuhan jangka panjang tetap kuat berkat kebutuhan layanan medis lebih digital, personal, dan didukung teknologi.