Mengubah Operasional Kesehatan dengan AI

Pemerintah Tiongkok kini semakin gencar mendukung perusahaan-perusahaan obat yang menggunakan kecerdasan buatan sebagai bagian dari strategi mereka untuk mengurangi ketergantungan pada teknologi asing dan membangun ekosistem bioteknologi yang mandiri. Melalui investasi besar dari dana yang berhubungan dengan pemerintah, perusahaan-perusahaan ini dapat berkembang lebih cepat dan mendekati tahap komersialisasi produk. Salah satu perusahaan yang menonjol adalah METiS TechBio, yang berbasis di Hangzhou dan didirikan pada tahun 2020. METiS berhasil membawa produk obat AI mereka, yaitu MTS-004, ke tahap akhir uji klinis fase III. Ini adalah pencapaian penting karena menandai kemajuan nyata teknologi AI dalam pengembangan obat di Tiongkok. Obat MTS-004 yang dikembangkan oleh METiS menggunakan platform AI yang fokus pada pengoptimalan cara pengantaran obat. Obat ini ditargetkan untuk pengobatan gangguan neurologis dan menjadi kandidat obat AI pertama di Tiongkok yang memasuki tahap uji klinis akhir, yang memberikan harapan besar bagi pasar kesehatan nasional. Investasi yang didapat perusahaan ini berasal dari beberapa dana yang berhubungan dengan pemerintah seperti Beijing Medical and Health Industry Investment Fund dan Daxing Industrial Investment Fund. Selain itu, dana dari perusahaan asuransi besar dan investor ventura domestik juga turut memberikan modal sehingga total pendanaan sejak 2022 sudah mencapai ratusan juta dolar AS. Untuk memperbesar modal dan mempercepat pengembangan, METiS juga sedang mempertimbangkan melakukan penawaran umum perdana di Hong Kong yang dapat menarik dana hingga 200 juta dolar AS. Perusahaan berniat mengajukan persetujuan regulasi untuk obat ini di Tiongkok pada tahun ini, menandai langkah lebih dekat ke pemanfaatan komersial.

Teknologi bioteknologi modern memang mampu mengedit gen dan mendesain obat, tetapi ribuan penyakit langka masih belum memiliki perawatan yang memadai. Salah satu alasan utama adalah kurangnya tenaga ahli yang cukup dalam industri farmasi, yang menghambat kemajuan penemuan obat. Perusahaan seperti Insilico Medicine percaya AI bisa menjadi pengali tenaga kerja yang mempercepat proses ini. Insilico Medicine mengembangkan platform AI yang disebut MMAI Gym untuk melatih model bahasa besar agar dapat menjalankan banyak tugas sekaligus dalam penemuan obat dengan akurasi tinggi. Dengan mengintegrasikan data biologis, kimia, dan klinis, AI tersebut bisa secara otomatis menemukan molekul obat potensial dan mengidentifikasi obat yang bisa di-repurposing untuk penyakit seperti ALS. Sementara itu, GenEditBio fokus pada pengeditan gen di dalam tubuh (in vivo) dengan menggunakan kendaraan protein yang dikembangkan dari virus-like particles yang dioptimalkan oleh AI. Pendekatan ini memungkinkan pengiriman alat pengedit gen ke jaringan target secara tepat dan mengurangi risiko respon imun, sehingga terapi bisa lebih efektif dan terjangkau. Salah satu tantangan terbesar keduanya adalah ketersediaan data biologis yang cukup dan beragam secara global. Insilico menggunakan laboratorium otomatis untuk menghasilkan data biologis berskala besar, sementara GenEditBio menguji ribuan nanopartikel secara paralel untuk data eksperimen mereka. Data ini sangat penting untuk melatih AI agar dapat beradaptasi dengan kompleksitas biologi manusia. Ke depan, Insilico berharap teknologi AI dapat digunakan untuk membuat 'digital twin' manusia yang bisa menjalani uji klinis secara virtual. Ini akan mengurangi biaya dan waktu yang dibutuhkan dalam pengembangan obat baru dan bisa mempercepat kemunculan terapi personal bagi banyak penyakit. Dengan demikian, AI diharapkan membawa lonjakan nyata dalam jumlah obat yang disetujui setiap tahunnya.

Kekurangan dokter dan tenaga medis terlatih sangat dirasakan di negara-negara seperti Rwanda dan Pakistan, sehingga banyak pasien yang tidak mendapatkan diagnosis yang akurat. Karena itulah para peneliti menguji apakah teknologi Large Language Models (LLM) dapat membantu para tenaga kesehatan, khususnya di lingkungan dengan sumber daya yang terbatas. Di Rwanda, sebuah studi menunjukkan bahwa LLM mampu menjawab pertanyaan medis dalam bahasa lokal Kinyarwanda dan memberikan jawaban dengan kualitas lebih baik dibandingkan tenaga kesehatan lokal. Selain itu, penggunaan LLM juga jauh lebih murah dan tersedia kapan saja, yang membantu komunitas dengan sedikit dokter. Sementara di Pakistan, hasil uji coba dari 58 dokter yang dilatih menggunakan LLM menunjukkan peningkatan signifikan dalam kemampuan diagnosis mereka, dengan skor diagnostik naik dari 43% menjadi 71% dibandingkan saat menggunakan sumber informasi tradisional seperti internet dan database medis. Meskipun AI sendiri kadang-kadang mampu memberikan diagnosis yang lebih baik dari dokter, ada kasus di mana dokter lebih unggul, terutama ketika harus mempertimbangkan tanda bahaya dan konteks klinis yang kompleks. Jadi, integrasi antara AI dan tenaga medis dianggap sebagai pendekatan terbaik. Penelitian ini membuka peluang baru bagi negara berkembang untuk memanfaatkan teknologi AI agar dapat meningkatkan kualitas layanan kesehatan masyarakat secara efisien dan aman, asalkan juga dilakukan dengan pengawasan dan pelatihan yang memadai.

James Park dan Eric Friedman, pendiri Fitbit, meluncurkan startup baru bernama Luffu yang bertujuan membantu keluarga dalam memantau kesehatan secara proaktif dengan teknologi AI. Startup ini ingin mengurangi beban mental pengasuh keluarga dengan menyediakan sistem perawatan keluarga yang cerdas. Luffu memulai dengan aplikasi yang mengumpulkan dan mengorganisir data kesehatan anggota keluarga dari berbagai sumber, seperti statistik kesehatan, obat, gejala, dan kunjungan dokter. Informasi ini dapat dimasukkan melalui suara, teks, atau foto, yang memudahkan pengguna dalam mencatat data kesehatan. AI di Luffu akan mempelajari pola kehidupan sehari-hari tiap anggota keluarga dan memberikan peringatan jika ada perubahan penting, seperti perubahan pada tekanan darah atau kualitas tidur. Dengan begitu, keluarga bisa lebih cepat tanggap terhadap masalah kesehatan tanpa harus secara langsung memantau setiap detil. Park dan Friedman menjelaskan bahwa mereka menciptakan Luffu karena pengalaman pribadi mereka saat merawat anggota keluarga dari jarak jauh dan kesulitan dalam mengelola informasi kesehatan yang tersebar di berbagai portal dan alat. Luffu dirancang agar pengasuhan lebih terkoordinasi dan tidak terasa membebani. Saat ini, Luffu membuka daftar tunggu untuk beta publik terbatas. Jika berhasil, aplikasi ini berpotensi menjadi alat penting bagi jutaan pengasuh keluarga yang semakin meningkat, terutama di Amerika Serikat, dalam memperbaiki cara mereka mengelola kesehatan keluarga secara terpadu.

James Park dan Eric Friedman, yang pernah mendirikan Fitbit dan kini telah meninggalkan Google selama dua tahun, meluncurkan startup baru bernama Luffu. Startup ini bertujuan untuk menciptakan sistem perawatan keluarga yang pintar dan canggih. Luffu mengumpulkan informasi kesehatan dari berbagai perangkat yang terhubung, seperti Apple Health dan Fitbit, serta data yang dibagikan langsung oleh anggota keluarga lewat suara, teks, atau foto. Semua data akan dikelola secara otomatis oleh kecerdasan buatan. Pengguna Luffu bisa bertanya tentang kondisi kesehatan setiap anggota keluarga dan mendapat jawaban yang disesuaikan dengan kebutuhan masing-masing, misalnya bagaimana diet mempengaruhi tidur atau apakah seseorang sudah minum obat tertentu. AI dalam Luffu juga mampu memantau perubahan pola kesehatan secara proaktif, memberikan peringatan seperti jika obat terlewat diminum atau jika ada tanda-tanda masalah serius yang mulai muncul, sehingga keluarga dapat waspada lebih awal. Saat ini, Luffu masih dalam tahap pengujian privat dan hanya tersedia sebagai aplikasi mobile. Namun, rencananya akan berkembang ke perangkat keras tambahan guna memberikan ketenangan pikiran bagi keluarga yang menggunakan layanan ini.

Dalam beberapa tahun terakhir, istilah shadow IT sering digunakan untuk menggambarkan sistem teknologi yang muncul tanpa persetujuan resmi dalam organisasi karena kebutuhan yang tidak terpenuhi. Seperti hal tersebut, saat ini muncul fenomena shadow AI, yang merujuk pada penggunaan alat kecerdasan buatan tanpa izin formal di lingkungan perawatan kesehatan oleh para staf frontline. Data dari survei Wolters Kluwer Health menunjukkan bahwa penggunaan alat AI gratis dan tidak resmi sangat umum dan meningkat pesat. Banyak staf bahkan secara rutin menggunakan teknologi ini untuk mempermudah pekerjaan mereka, meskipun belum ada solusi AI resmi dan aman yang disediakan oleh organisasi. Respon tradisional berupa pembatasan dan pengingat kebijakan dinilai tidak efektif karena kebutuhan untuk bekerja dan berinovasi berjalan cepat sementara keputusan di level pimpinan sering tertunda. Hal ini mendorong terjadinya gap antara kebutuhan teknologi dan ketersediaan solusi resmi. Penulis artikel mengajak para CIO dan pimpinan organisasi kesehatan untuk merubah mindset mereka. Shadow AI harus dilihat sebagai sinyal kuat bahwa ada permintaan riil sehingga organisasi harus cepat mengadopsi dan mengatur alat AI yang digunakan dengan benar, bukan sekadar menawarkan larangan atau pengendalian ketat. Strategi yang dianjurkan adalah mengadopsi model orkestrasi dimana CIO menetapkan batasan keamanan dan standar data tetapi memberikan ruang bagi departemen untuk memilih dan menerapkan solusi AI yang sesuai dengan kebutuhan operasional mereka. Pendekatan ini menjaga keseimbangan antara konsistensi dan fleksibilitas demi percepatan inovasi.