AI dalam Penemuan Obat: Kenapa Data Itu Penting?

Penemuan obat itu bukan hal yang mudah, lho! Biayanya bisa sampai miliaran dolar dan butuh waktu bertahun-tahun. Bayangkan, dari awal sampai obat itu siap dipasarkan, bisa memakan waktu 10-15 tahun. Dan yang lebih parah, tingkat kegagalannya bisa mencapai 90%! Nah, di sinilah AI masuk sebagai penyelamat. Dengan AI, perusahaan obat bisa lebih cepat menemukan dan menguji senyawa baru, sehingga mengurangi risiko kegagalan yang mahal.

Salah satu cara AI membantu adalah dengan mengidentifikasi senyawa yang berpotensi jadi obat. Dulu, para peneliti harus melakukan screening secara manual, tapi sekarang mereka bisa pakai AI untuk mendesain kandidat obat dari nol. Ini artinya, mereka nggak lagi terhambat oleh seberapa banyak senyawa yang bisa mereka uji secara fisik. Menarik, kan? AI bisa mengeliminasi kandidat berkualitas rendah sebelum diuji, jadi waktu dan sumber daya bisa lebih hemat.

Tapi, ada yang perlu diingat. AI belum bisa memprediksi semua hal, seperti bagaimana senyawa baru itu akan berperilaku di dalam tubuh. Jadi, setiap kandidat yang dihasilkan AI tetap harus diuji di lab. Proses tradisional untuk menemukan kandidat yang tepat juga masih ada, dan sekarang lab harus bekerja lebih keras untuk menguji senyawa-senyawa baru yang dihasilkan AI.

Belcher, seorang ahli di bidang ini, bilang bahwa banyak model AI yang dilatih dengan data yang sama, jadi hasilnya bisa mirip-mirip dan nggak selalu akurat. Banyak dataset yang ada sekarang ini nggak dirancang untuk AI, jadi kurang terstruktur dan beragam. Ini bikin model AI kesulitan untuk memberikan prediksi yang akurat. Dan masalahnya, banyak peneliti yang lebih suka berbagi hasil positif daripada kegagalan, jadi data negatif yang sebenarnya penting untuk pelatihan model sering kali terabaikan.

Belcher juga menyoroti bahwa manipulasi data di dunia penelitian bisa jadi masalah besar, terutama dengan adanya AI. Misalnya, teknik Western blot yang sering dipakai untuk mendeteksi protein dalam sampel bisa dimanipulasi. Ini bikin kepercayaan terhadap data jadi meragukan. Kita butuh lebih banyak alat untuk memastikan data yang kita gunakan itu asli dan nggak dimanipulasi.

Nah, ke depan, Belcher membayangkan lab-lab yang sepenuhnya otomatis, yang bisa beroperasi dengan sedikit intervensi manusia. Lab-lab ini akan menggunakan AI untuk memprediksi, menguji, dan mengoptimalkan senyawa, lalu mengembalikan hasilnya untuk meningkatkan model AI. Dengan cara ini, peluang sukses kandidat obat yang masuk ke uji klinis bisa lebih tinggi. Tapi, untuk mencapai itu, semua sistem harus terintegrasi dengan baik.

Sekarang, meskipun penemuan obat dengan bantuan AI masih dalam tahap awal, ada harapan besar. Belcher percaya bahwa dalam dua hingga tiga tahun ke depan, kita bisa melihat obat yang ditemukan dengan desain berbasis AI mendapatkan persetujuan FDA. Tantangannya memang banyak, tapi jika kita bisa menemukan keseimbangan antara teknologi AI dan kerja lab tradisional, masa depan penemuan obat bisa jadi lebih cerah.