Peran AI dalam Penemuan dan Pengembangan Obat

Perkembangan teknologi kecerdasan buatan (AI) telah mencapai berbagai sektor industri, termasuk industri farmasi. Dampaknya yang signifikan terasa dalam perubahan paradigma dalam proses penemuan dan pengembangan obat. Integrasi AI dalam proses ini telah merevolusi cara peneliti dan ilmuwan berkolaborasi, dengan harapan mampu mempercepat laju penemuan obat sambil menurunkan biaya yang terlibat.

Kali ini, kita akan membahas potensi dan peran AI dalam proses penemuan dan pengembangan obat. 

Metode Tradisional

Dalam beberapa dekade terakhir, kemajuan teknologi komputasi telah memungkinkan peningkatan eksplorasi dalam ruang kimia yang luas, memungkinkan perancangan dan penyusunan obat menggunakan bantuan komputer atau pendekatan in silico.

Pendekatan ini berhasil mengurangi waktu dan biaya yang diperlukan untuk pengembangan obat, serta meningkatkan tingkat keberhasilan. Namun, meskipun demikian, tingkat keberhasilan pengembangan obat tetap rendah, dengan hanya sekitar 10% dari kandidat yang berhasil melewati tahap pengembangan pra klinis dan uji klinis. Proses ini sering kali memakan waktu tiga hingga enam tahun dan menghabiskan biaya ratusan juta hingga miliaran dolar.

Apa Peran AI dalam Penemuan dan Pengembangan Obat?

Penerapan AI dalam industri farmasi memiliki potensi besar untuk menangani tantangan yang berhubungan dengan penyakit langka dan pengembangan antibiotik baru. Dengan bantuan AI, proses pengembangan obat yang sebelumnya memakan waktu dan biaya tinggi dapat dipercepat secara signifikan, memungkinkan para peneliti untuk fokus pada penelitian yang lebih mendalam dan inovatif.

Sehingga, terobosan ini tidak hanya membuka peluang baru dalam pengembangan obat, tetapi juga mengarah pada perbaikan kesehatan masyarakat yang lebih luas.

-Identifikasi Target

Pada fase ini, AI dilatih pada kumpulan data besar, termasuk kumpulan data omics, data fenotipik dan ekspresi, asosiasi penyakit, paten, publikasi, uji klinis, hibah penelitian, dan banyak lagi untuk memahami mekanisme biologis dari penemuan obat. Dikombinasikan dengan sistem seperti AlphaFold, AI dapat melakukan lebih dari sekadar identifikasi target dengan memprediksi struktur 3D target dan mempercepat perancangan obat yang tepat untuk mengikatnya. 

-Simulasi Molekuler

AI juga digunakan untuk mengurangi kebutuhan pengujian fisik kandidat senyawa obat dengan memungkinkan simulasi molekuler dengan ketelitian tinggi yang dapat dijalankan seluruhnya di komputer (yaitu, secara silico) tanpa menimbulkan biaya yang mahal dibandingkan metode kimia tradisional.

-Prediksi Sifat Obat

Beberapa sistem AI digunakan untuk melewati pengujian simulasi kandidat obat dengan memprediksi sifat utama obat seperti toksisitas, bioaktivitas, dan karakteristik fisiko-kimia dari molekul-molekul tersebut.

-Penetapan Prioritas Calon Obat

Setelah serangkaian senyawa obat "unggulan" yang menjanjikan telah diidentifikasi, AI dapat digunakan untuk menentukan peringkat molekul-molekul tersebut dan memprioritaskannya untuk penilaian lebih lanjut.

-Pembuatan Jalur Sintesis

Lebih dari sekadar desain obat teoritis, AI juga digunakan untuk menghasilkan jalur sintesis dalam menghasilkan senyawa obat hipotetis, dalam beberapa kasus memberikan saran modifikasi terhadap senyawa agar lebih mudah diproduksi.

Kendala dalam Peneran AI

Terlepas dari kemajuan ini, sebagian besar obat baru yang dikembangkan menggunakan AI masih dalam tahap pra klinis atau penemuan, dan mungkin memerlukan waktu bertahun-tahun sebelum terapi berbasis AI disetujui. Meskipun AI telah menunjukkan potensinya untuk mengubah proses penemuan obat, teknologi ini menghadapi banyak tantangan.

Hal ini mencakup kualitas dan kesesuaian data, jaminan keamanan dan efektivitas obat yang berkelanjutan, edukasi kepada komunitas ilmiah untuk meningkatkan dukungan, dan permasalahan seputar hak kekayaan intelektual. Meskipun dampak AI pada penemuan obat tradisional masih dalam tahap awal, kita telah melihat bahwa ketika diintegrasikan ke dalam proses tradisional, kemampuan AI dapat secara signifikan mempercepat dan mengurangi biaya dari percobaan-percobaan mahal, yang berpotensi mengubah paradigma bagi pasien, penyedia layanan medis, dan sektor farmasi.

Kesimpulan

Dengan terus berkembangnya teknologi kecerdasan buatan (AI), terutama dalam konteks penemuan dan pengembangan obat, potensi pengurangan biaya dan waktu untuk produksi obat menjadi semakin nyata.

Di samping itu, potensi besar AI untuk meningkatkan ketersediaan obat dan merawat kondisi yang hingga kini belum bisa disembuhkan juga menjadi kenyataan.

Namun, terobosan ini juga membuka ruang bagi sejumlah masalah yang belum terpecahkan, termasuk isu terkait hak kekayaan intelektual, potensi risiko penyalahgunaan teknologi, dan kebutuhan akan jaminan terus-menerus terhadap keamanan dan efektivitas obat baru ini.

Jika Anda tertarik untuk mempelajari lebih jauh mengenai machine learning, serta ingin menjelajahi lebih dalam tentang data science dan penerapannya dalam industri serta ingin mengubahnya menjadi karir yang cemerlang hingga menjadi #JadiTalentaData, maka Anda dapat mendaftar dalam Bootcamp Algoritma Data Science. Bootcamp ini menyajikan serangkaian program yang akan membimbing Anda untuk memahami seluruh aspek dunia data dalam industri yang Anda minati. Tunggu apa lagi, mari bergabung dengan Algoritma sekarang!