Perubahan ini mulai terlihat nyata dalam jalur pengembangan obat di berbagai perusahaan farmasi dunia.
Menurut Capgemini, AI kini semakin banyak digunakan untuk meningkatkan kualitas kandidat obat, bukan sekadar mempercepat proses penemuan.
Riset mereka menunjukkan bahwa identifikasi target biologis menjadi penggunaan generative AI paling populer di industri biofarmasi.
Sebanyak 43 persen organisasi disebut telah mulai menerapkannya.
Pendekatan ini memungkinkan kandidat obat yang lemah disaring lebih awal sebelum memasuki tahap uji klinis yang sangat mahal.
Dengan demikian, hanya kandidat obat yang lebih menjanjikan yang akan melanjutkan ke tahap pengembangan berikutnya.
AI juga mulai digunakan untuk menganalisis data dari uji klinis sebelumnya.
Cara ini membantu mengukur risiko toksisitas dan kemungkinan efek samping yang tidak dapat diterima sejak fase pra-klinis.
Selain itu, AI membuka jalan baru bagi pengembangan precision medicine atau pengobatan presisi.
Melalui pemodelan penyakit dan karakteristik pasien secara lebih rinci, AI dapat menemukan kelompok pasien tertentu yang kemungkinan cocok dengan obat yang sebelumnya dianggap gagal dalam uji klinis.
Menurut Thorsten Rall, salah satu kesalahpahaman terbesar tentang AI di bidang farmasi adalah anggapan bahwa AI terpisah dari penelitian laboratorium.
Padahal, kemajuan paling signifikan justru terjadi ketika AI digabungkan langsung dengan laboratorium otomatis atau wet labs yang kaya data.
Dalam sistem ini, model AI terhubung langsung dengan eksperimen fisik sehingga hipotesis dapat dibuat, diuji, dan disempurnakan secara real-time.
Discussion about this post