alexkich/ShutterstockIndustri farmasi kini harus mempertimbangkan cara mengidentifikasi bahan aktif baru secara paling efisien; bagaimana dia mengembangkannya lebih lanjut dan akhirnya menjualnya secara menguntungkan. Tantangan terbesar dalam tugas ini: hasil yang tidak dapat diprediksi. Kecerdasan buatan (AI) dan pembelajaran mesin – yaitu analisis cerdas terhadap kumpulan data besar – dapat mengurangi ketidakpastian ini. Setidaknya itulah yang diyakini oleh para pendukung teknologi ini.
Tapi bagaimana mereka sampai pada hal ini? Sederhananya: Karena industri yang memiliki banyak kumpulan data yang tersedia secara gratis dapat memproses dan menafsirkannya lebih cepat dengan bantuan pembelajaran mesin dan AI. Berdasarkan kedua teknologi ini, jawaban yang lebih tepat dapat ditemukan untuk pertanyaan-pertanyaan rumit – seperti ini: Obat apa, yang masih dalam tahap pengujian, yang mungkin dapat membantu orang sakit?
Jawaban atas pertanyaan seperti ini sangat dibutuhkan dalam industri farmasi – industri tempat dilakukannya penelitian dan pengembangan lebih lanjut obat-obatan baru kembali beberapa dekade. Direktur pelaksana raksasa farmasi Swiss Novartis, Vas Narasimhan, baru saja menyoroti potensi besar yang dimiliki pembelajaran mesin dan AI. Hanya untuk kemudian menarik diri dari kawasan bisnis ini.
Sanofi, perusahaan lain yang baru saja menunjuk CDO pertamanya (“Chief Digital Officer”), menggunakan AI untuk lebih mengembangkan terapi digital yang – diharapkan – dapat membantu, misalnya, depresi. Perusahaan bioteknologi Moderna bahkan menggunakan AI untuk mengembangkan vaksinasi kanker individual yang disesuaikan untuk setiap pasien.
Harapan terhadap AI bertentangan dengan teknologi terkini
Namun: Hype seputar AI sangat besar. Kritikus mengatakan bahwa harapan yang diberikan pada teknologi terkadang bertentangan dengan teknologi yang sebenarnya. Dikatakan sejauh ini belum ada satu pun obat yang dikembangkan dengan bantuan AI. “Saat ini, menurut saya sangat penting untuk tidak melakukan hype yang berlebihan,” kata Daphne Koller, mantan peneliti AI di Universitas Stanford dan pendiri serta direktur pelaksana startup pembelajaran mesin “Insitro”.
“Insitro” mengembangkan model yang dapat digunakan untuk menguji obat baru. Sebagai bagian dari upaya ini, perusahaan baru saja mengumumkan bahwa mereka akan bekerja sama dengan perusahaan bioteknologi Gilead untuk menemukan obat yang dapat menyembuhkan penyakit yang dapat menyebabkan gagal hati. Daphne Koller, yang sebelumnya memegang posisi senior di Calico, perusahaan spin-off perpanjangan umur Google, menganggap hal ini tidak realistis. Pada saat ini, tidak ada “obat AI” yang dapat diharapkan – proses pengembangan suatu obat memakan waktu sepuluh tahun dalam beberapa kasus.
“Kami baru saja memulai perjalanan ini,” kata Koller tentang industri biofarmasi. Bahaya dari hype tersebut sudah terlihat jelas di IBM: Dengan perhatian media yang besar, mereka menyatakan bahwa mereka dapat mengobati kanker dengan lebih baik dengan sistem AI Watson. Namun upaya perusahaan komputer untuk menerapkan AI di pasar layanan kesehatan mengecewakan semua harapan. Setidaknya itulah yang dilaporkan Wall Street Journal. IBM juga berhenti menjual produk berbasis Watson untuk penemuan obat – produk tersebut terlalu sia-sia. Portal STAT melaporkan hal ini pada bulan April.
Moderna menggunakan AI untuk membuat keputusan bisnis yang sulit – dan untuk lebih mengembangkan pengobatan yang dipersonalisasi
Moderna, perusahaan bioteknologi yang berbasis di Cambridge, Massachusetts, menjadi terkenal pada tahun 2018 dengan IPO bioteknologi terbesar dalam sejarah. Bagi mereka yang bertanggung jawab di sana, pendekatan berbasis teknologi terhadap pengobatan sangatlah penting: mulai dari tablet yang mentransfer seluruh langkah produksi ke produksi di Norwood, Massachusetts; sampai ke algoritma yang digunakan dalam percobaan vaksin kanker.
AI digunakan di semua bidang industri biofarmasi. Harapannya: Ini akan membantu mengatasi beberapa tantangan terbesar di bidang ini. Dave Johnson, Direktur Senior Informatika di Moderna: “Kami tidak merayakan keberhasilan kami di bidang ini dengan proyek-proyek besar dan utopis – namun dengan hal-hal kecil yang dulunya mempersulit pekerjaan para ilmuwan kami. Sekarang, kata Johnson, mereka dapat fokus. ” fokus pada inti sebenarnya dari pekerjaan mereka: inovasi.
“Ada banyak aplikasi pembelajaran mesin yang tidak digunakan,” katanya. Tujuan-tujuan kecil yang mudah dicapai ini akan terabaikan. “Akibatnya, banyak perusahaan yang masih mengalami masalah.” Sebab, perusahaan, kata Johnson, sudah melakukan digitalisasi di seluruh area sejak awal. Sekarang terdapat cukup data yang tersedia di mana saja untuk mendukung algoritma. Moderna, misalnya, saat ini sedang bereksperimen dengan bahan aktif untuk vaksin kanker. Misalnya, obat ini diuji pada pasien penderita melanoma – dan harus diproduksi secara individual untuk setiap pasien.
Data untuk memberi makan algoritma AI
Hal ini menyulitkan perencanaan proses pembuatan secara tepat – begitu pula dengan fakta bahwa pasien yang berbeda mendaftar untuk prosedur tes untuk periode waktu yang berbeda. Mereka yang bertanggung jawab harus memikirkan secara hati-hati mengenai kemampuan mereka: berapa banyak pesanan yang dapat diterima dan kapan, berapa banyak bahan aktif yang mereka butuhkan – dan seterusnya. Pada satu titik mereka bertanya pada diri sendiri: Apa yang akan terjadi jika mereka mengubah cara kerja mereka? Bagaimana pengaruh perubahan ini terhadap produk?
Moderna mengubah sesuatu: perusahaan mulai bekerja dengan suatu algoritma. Jumlah ratusan tes narkoba terhadap ribuan pasien fiktif dimasukkan. Mereka yang bertanggung jawab mengajukan pertanyaan-pertanyaan seperti: “Bagaimana jika kita hanya menghabiskan tiga hari untuk ujian, bukan lima hari? “Apa maksudnya?” jelas Johnson. Dengan menggunakan hasil tersebut, Moderna mampu menyesuaikan kemampuan manufakturnya dengan kebutuhan nyata. Juga karena algoritme membantu perusahaan membuat keputusan penting tentang tempat terbaik untuk menginvestasikan modalnya.
“Sebelum kami memiliki alat ini, kami sebenarnya harus menebak-nebak saat mengambil keputusan,” kata Dave Johnson. Pembelajaran mesin memberi dia dan timnya kesempatan untuk memberikan angka-angka konkret kepada pengambil keputusan; Misalnya angka tentang berapa banyak pasien yang nantinya memerlukan dosis obat tertentu. Para pengambil keputusan ini kemudian mengembangkan rencana untuk proses penelitian tertentu. Dan mereka memastikan bahwa terdapat kapasitas yang cukup untuk memenuhi kebutuhan pasien – tanpa membuang sumber daya. Di Moderna, serangan digitalisasi adalah prioritas di semua departemen, kata Johnson.
Algoritme tersebut sekarang juga mengontrol tes narkoba
Proyek khusus ini dimulai ketika tim klinis Moderna – yang bertanggung jawab atas segala sesuatu yang berkaitan dengan proyek penelitian – tidak yakin harus mulai dari mana. Tim digital Johnson menganalisis masalahnya. Mereka selalu memikirkan pertanyaan tentang apa nilai proyek tersebut dan sejauh mana manfaatnya di masa depan. Namun menjawabnya dengan angka sangatlah sulit. Namun karena proyek ini berkisar pada keputusan modal besar untuk masa depan perusahaan, “jelas bahwa proyek ini akan sangat bermanfaat,” kata Dave Johnson.
Tim mulai bekerja pada Februari 2018. Rilis resminya sekitar sebulan kemudian. Sejak itu, algoritme ini terus digunakan – di berbagai proyek perusahaan. Ia juga harus mengendalikan tes narkoba tahap kedua. Namun, karena proyek pertama menangani masalah yang relatif jelas, proyek ini juga dapat diselesaikan dengan algoritma yang relatif sederhana. Mereka yang akrab dengan sistem perkiraan dan kumpulan data yang tepat hanya mempunyai sedikit masalah, kenang Johnson.
Namun hal ini tidak terjadi pada semua algoritma. Menurut Johnson, durasi proyek AI bergantung pada banyak faktor – terutama seberapa kompleks proyek tersebut dan apakah data yang diperlukan tersedia dan mudah diakses. Misalnya, sebuah tim proyek pernah menghadapi masalah yang sangat sulit untuk dipecahkan selama bertahun-tahun. Solusi AI yang dihasilkan Johnson dan timnya selalu berhasil sejauh ini. Teknologi ini telah digunakan secara rutin untuk pengambilan keputusan penting di empat tim berbeda di perusahaan, termasuk produksi.
Hal ini dapat diperiksa dengan sangat mudah. Moderna telah mengembangkan rencana yang memungkinkan perusahaan melihat apakah ada perbedaan yang muncul seiring kemajuan penelitian. “Kalau ada bug pasti bisa kita deteksi, tapi sejauh ini dia belum menemukan satu pun.
“Saya pikir banyak hal yang dapat dilakukan oleh pembelajaran mesin yang sudah mungkin dilakukan sebelumnya. Namun sekarang hal ini lebih cepat, lebih murah… dan, mungkin yang paling penting, hal ini meningkatkan peluang keberhasilan.” -Daphne Koller, pendiri dan CEO Insitro