"Kembaran digital" Anda sendiri? Teknologi terbaru yang akan mengubah pengujian narkoba (Kembaran Digital)

Pernahkah Anda bertanya-tanya berapa lama waktu yang dibutuhkan agar pil yang Anda minum pagi ini sampai ke tangan Anda? Pertama, mereka melakukan penelitian ekstensif di laboratorium. Kemudian mereka mengujinya pada hewan. Tetapi sebelum dapat disetujui untuk digunakan pada manusia, mereka harus mengujinya pada manusia. Inilah yang kita sebut uji klinis. Ini adalah proses yang sangat rumit dan mahal.

Sederhananya, apa itu uji klinis?

Secara sederhana, uji klinis bekerja seperti ini: Para peneliti merekrut pasien dengan penyakit yang menjadi target obat yang baru dikembangkan. Para sukarelawan ini kemudian dibagi secara acak menjadi dua kelompok.

1. Kelompok pertama diberi obat baru untuk diuji.

2. Kelompok kedua , yaitu "Kelompok Kontrol", diberi plasebo yang tidak mengandung bahan aktif dan tampak persis seperti obat. Kita menyebutnya "Plasebo".

Jika, pada akhir uji coba ini, gejala pada mereka yang mengonsumsi obat baru membaik lebih banyak daripada mereka yang mengonsumsi plasebo, maka ini membuktikan bahwa obat baru tersebut efektif.

Salah satu tantangan terbesar dalam uji coba semacam itu adalah menemukan cukup banyak pasien yang benar-benar sesuai dengan kriteria uji coba. Terkadang, bahkan dokter pun tidak tahu uji coba mana yang tepat untuk pasien mereka. Selain itu, karakteristik pasien yang ingin berpartisipasi mungkin tidak sesuai dengan persyaratan uji coba. Namun, kecerdasan buatan (AI) dapat mempermudah tugas ini.

Temui "Kembaran Digital" Anda

Bayangkan Anda memiliki model komputer sendiri, yaitu salinan digital diri Anda. Itulah yang disebut "Kembaran Digital". Ini hanyalah "Model Komputer" yang mensimulasikan objek atau sistem dunia nyata di komputer. Tetapi ketika dilihat secara numerik, mereka berperilaku persis seperti aslinya. Contoh terbaik adalah ketika tangki oksigen di pesawat ruang angkasa Apollo 13 meledak, NASA membantu memperbaikinya dengan "Kembaran Digital" dari pesawat ruang angkasa yang sama yang dibangun di Bumi.

Kini, para ilmuwan dapat menciptakan "Kembaran Digital" manusia, asalkan tersedia cukup "data". Hal ini menggunakan teknologi kecerdasan buatan yang disebut "Pembelajaran Mesin". Sederhananya, ini melibatkan pemberian sejumlah besar data kepada program komputer dan membiarkannya belajar dari data tersebut.

Kembaran digital pasien dibuat dengan melatih model pembelajaran mesin ini menggunakan data dari uji klinis sebelumnya dan catatan medis pribadi setiap pasien. Model tersebut kemudian dapat memprediksi bagaimana kesehatan pasien akan berubah selama uji coba jika mereka diberi plasebo.Artinya, kelompok kontrol yang dihasilkan komputer (Kelompok Kontrol Simulasi) dibuat untuk pasien yang sama.

Sekarang mari kita lihat bagaimana cara kerjanya. Katakanlah seseorang bernama "Samadhi" dipilih untuk berada dalam kelompok yang menerima obat baru. "Kembaran Digital" Samadhi, sebuah model komputer, berada dalam kelompok kontrol. Model tersebut memprediksi apa yang akan terjadi jika Samadhi diberi "plasebo" alih-alih obat sebenarnya. Pada akhirnya, perbedaan antara respons aktual Samadhi terhadap obat dan apa yang diprediksi model akan terjadi jika ia mengonsumsi "plasebo" adalah ukuran seberapa efektif obat tersebut bagi Samadhi.

Mari kita lihat tabel ini untuk melihat dengan jelas manfaat menggunakan "Digital Twins" dibandingkan tim kontrol tradisional.

Meskipun teknologi ini bagus, bukankah ada masalah?

Meskipun teknologi ini menjanjikan masa depan yang cerah, teknologi ini belum banyak digunakan. Mungkin ada alasan yang baik untuk hal ini. Seperti yang dikemukakan oleh Dr. Daniel Neal, seorang ahli dalam "Pembelajaran Mesin", model-model ini bergantung pada sejumlah besar data. Selain itu, sangat sulit untuk mendapatkan data berkualitas tinggi dari individu.

Masalah lain adalah efek samping langka dan tak terduga yang dapat ditimbulkan oleh suatu obat. Efek samping ini seringkali tidak tercakup dalam model yang dirancang untuk kelompok kontrol.

Namun, kekhawatiran terbesar Dr. Neal adalah bahwa model prediksi ini didasarkan pada "skenario biasa". Bayangkan sebuah peristiwa besar dan tak terduga seperti pandemi COVID-19 yang mengubah perilaku semua orang dan membuat orang sakit. "Model kontrol tidak memperhitungkan hal ini," katanya. Kemudian, karena peristiwa-peristiwa yang tidak diperhitungkan oleh kelompok kontrol, hasil akhir eksperimen bisa sangat berbeda.

Jadi, bisakah ini benar-benar digunakan? Apa yang akan terjadi di masa depan?

Eric Topol, seorang ahli tentang penggunaan teknologi digital dalam perawatan kesehatan, berpendapat bahwa idenya bagus, tetapi waktunya belum tepat. "Saya rasa uji klinis tidak akan berubah dalam waktu dekat. Karena hal itu membutuhkan banyak lapisan data, di luar sekadar catatan kesehatan, seperti urutan genom, mikrobioma usus, data lingkungan."

Menurut Charles Fisher, pendiri Unlearn.AI, pelopor dalam teknologi ini, sudah ada solusi untuk masalah privasi data dan bias. "Privasi itu mudah. ​​Kami hanya bekerja dengan data yang sudah dianonimkan."

Ketika berbicara tentang bias, ia mengatakan bahwa meskipun masalah ini belum sepenuhnya terselesaikan, hal itu tidak relevan dengan hasil penelitian. Karena penelitian dilakukan secara acak, bahkan jika ada bias dalam data, hal itu tidak memengaruhi hasilnya. Namun, beberapa ahli tidak setuju dengan gagasan ini. Mereka mengatakan,Karena Anda membandingkan orang sungguhan dengan model komputer, jika ada kesalahan pada model tersebut, hal itu dapat langsung memengaruhi hasilnya.

Namun, Unlearn.AI sudah bekerja sama dengan perusahaan farmasi untuk merancang uji klinis untuk penyakit neurologis seperti Alzheimer, Parkinson, dan multiple sclerosis. Mereka memilih penyakit-penyakit ini sebagai titik awal yang baik karena memiliki lebih banyak data daripada penyakit lainnya. Fisher mengatakan bahwa jika metode ini suatu hari nanti dapat diterapkan pada semua penyakit, hal itu dapat secara signifikan mengurangi waktu yang dibutuhkan untuk obat-obatan baru memasuki pasar.