Era Pengobatan Precision Medicine

 

Konsep Teknologi Insilico, Famakometrik, AI. Created by ChatGPT

Sejak dulu bahkan hingga kini, pengobatan masih berjalan dengan prinsip “satu terapi untuk semua”. Pasien dengan diagnosis yang sama dapat menerima obat dan dosis yang serupa, meskipun respons tubuh mereka belum tentu sama, misalnya pada pengobatan TB. Padahal, perbedaan genetik, usia, berat badan, kondisi penyakit, lingkungan, gaya hidup, hingga obat lain yang dikonsumsi pasien dapat memengaruhi keberhasilan dan keamanan terapi.

Precision medicine hadir untuk mengubah prinsip terapi dengan tujuan mencapai “lima tepat”, yaitu tepat pasien berdasarkan karakteristiknya, sehingga tepat obat, tepat waktu, tepat dosis, dan tepat rute. Precision berasal dari kata "precise" (akurat/tepat). Salah satu kekuatan utama precision medicine berasal dari teknologi in silico, yaitu penggunaan komputer, matematika, dan pemodelan untuk memahami serta memprediksi apa yang terjadi pada tubuh akibat penggunaan suatu obat. Teknologi in silico digunakan sebagai metode penelitian obat melalui simulasi komputer. Sedangkan ilmu yang mendasarinya adalah farmakometrik. 

Farmakometrik merupakan bidang multidisiplin yang menggunakan prinsip biologi, farmakologi, matematika, dan statistik untuk menggambarkan serta memprediksi hubungan antara obat dan pasien. Salah satu manfaatnya adalah membantu menentukan dosis dan jadwal pemberian obat yang lebih sesuai. Model PK/PD, misalnya, menghubungkan farmakokinetik (bagaimana tubuh menyerap, mendistribusikan, memetabolisme, dan mengeliminasi obat) dengan farmakodinamik  (bagaimana obat menghasilkan efek). Hubungan antara dosis, paparan dan respons tersebut dapat digunakan untuk meningkatkan efektivitas sekaligus menekan risiko efek samping.

Selain PK/PD, terdapat population pharmacokinetics (popPK) dan physiologically based pharmacokinetic (PBPK) modeling. PopPK menganalisis data dari banyak individu secara bersamaan untuk mengidentifikasi faktor pasien yang memengaruhi perjalanan obat dalam tubuh.  Model seperti ini dapat membantu memprediksi perbedaan paparan obat, termasuk pada populasi dengan karakteristik fisiologis tertentu, sehingga strategi dosis dapat dirancang secara lebih rasional.

Suatu ketika, era Artificial Intelligence (AI) semakin dekat dengan kehidupan kita. Pertemuan antara farmakometrik dan AI merupakan hal yang saling melengkapi dalam bidang farmakologi klinis. 

AI adalah perangkat lunak yang dapat melakukan tugas yang sebelumnya dianggap membutuhkan kecerdasan manusia. Salah satu bagian penting dari AI adalah machine learning, yaitu metode ketika komputer belajar dari contoh atau data, kemudian menyesuaikan modelnya agar mampu membuat prediksi yang lebih baik. Ada model yang mencari pola tanpa label hasil (unsupervised learning) dan model yang belajar dari data dengan hasil yang sudah diketahui (supervised learning). Metode yang biasa digunakan dalam bidang kesehatan antara lain decision tree, random forest, neural network, dan transformer. 

Farmakometrik memberikan dasar biologis dan farmakologis untuk menjelaskan perilaku obat, sedangkan AI dapat membantu menemukan pola dan meningkatkan kemampuan prediksi dari data yang besar. Integrasi tersebut berpotensi mendukung precision dosing, yaitu penyesuaian dosis berdasarkan karakteristik dan respons pasien. Bahkan, data dari rekam medis elektronik, genomik dan sumber digital lainnya dapat digabungkan untuk menghasilkan gambaran pasien yang lebih utuh.

Dalam pengembangan obat, pemodelan dan simulasi dapat digunakan sejak tahap praklinis untuk memperkirakan profil obat pada berbagai populasi dan membantu merancang uji klinis dengan lebih efisien. Pendekatan ini juga dapat membantu mengidentifikasi kelompok pasien yang mungkin memperoleh manfaat terbesar dari suatu terapi, memprediksi adanya interaksi obat, serta mengenali potensi safety lebih awal. Dengan demikian, proses pengembangan obat berpeluang menjadi lebih terarah, efisien, dan patient-centered (berpusat pada kebutuhan pasien).

Peluang penerapan AI sangat luas. Dalam pengembangan obat, AI dapat membantu menemukan target terapi, memprediksi struktur protein, mempelajari interaksi obat-protein, serta memperkirakan toksisitas kandidat molekul. Dalam uji klinis, AI dapat membantu memilih partisipan yang sesuai, memperbaiki desain penelitian, memantau kepatuhan terhadap obat, dan membantu analisis data. AI juga dapat digunakan untuk mendeteksi kesalahan peresepan, obat yang terlewat, dan potensi interaksi obat dari rekam medis elektronik.

AI bukanlah teknologi yang otomatis selalu benar, melainkan membantu manusia dalam mempercepat analisis dan prediksi. Bagaimanapun, sentuhan manusia dalam penilaian klinis dan pengambilan keputusan klinis yang menyangkut keselamatan pasien tetap diperlukan dalam praktik.

Saatnya era pengobatan menuju pendekatan precision medicine, melalui integrasi teknologi in silico, farmakometrik, biomarker, serta AI. Namun, tetap membutuhkan validasi, regulasi, serta perhatian serius terhadap etika dan perlindungan data. 

Sumber:

1. Ryan DK, Maclean RH, Balston A, et al. Artificial intelligence and machine learning for clinical pharmacology. Br J Clin Pharmacol. 2024;90:629–639. doi:10.1111/bcp.15930.

2. Marques L, Costa B, Pereira M, et al. Advancing Precision Medicine: A Review of Innovative In Silico Approaches for Drug Development, Clinical Pharmacology and Personalized Healthcare. Pharmaceutics. 2024;16:332. doi:10.3390/pharmaceutics16030332.