Mempercepat penemuan dan pengembangan obat dengan AI

Pelajari tentang keuntungan dan tantangan penyebaran solusi AI di seluruh rantai nilai farmasi.

Meningkatkan efisiensi dan inovasi industri farmasi dengan AI

Pelajari bagaimana AI siap mentransformasi penemuan dan pengembangan obat, termasuk membantu mengurangi biaya pengembangan obat dan mempercepat penyediaan perawatan penyelamat jiwa bagi pasien.

Poin-poin penting

AI mendorong perubahan besar dalam industri farmasi.
Demi memberikan dukungan yang lebih baik kepada para tenaga kesehatan dan pasiennya, perusahaan farmasi harus mempercepat proses penemuan dan pengembangan obat sekaligus menekan biaya yang terus meningkat.
AI dapat mendukung berbagai langkah penting dalam proses penemuan obat, termasuk mengidentifikasi protein terkait penyakit dan menganalisis senyawa yang berinteraksi paling efektif dengan protein tersebut.
AI juga menyederhanakan proses pengembangan obat dengan menganalisis data dalam skala besar, mengidentifikasi pola, dan memprediksi hasil.
Perusahaan farmasi yang mengadopsi AI harus mengatasi sejumlah tantangan, seperti menjaga kualitas data dan menemukan pekerja yang memiliki perpaduan keterampilan teknis dan ilmiah yang sesuai. Pelajari bagaimana agen AI mentransformasi operasi bisnis.
Di masa mendatang, industri farmasi akan melihat lebih banyak kemitraan antara perusahaan farmasi dan perusahaan teknologi serta investasi yang lebih besar pada perusahaan rintisan di bidang medtech dan AI.

Meningkatnya biaya obat baru

Pendekatan penanganan pasien oleh tenaga kesehatan berubah dengan cepat. Mereka makin banyak menggunakan informasi pasien yang dipersonalisasi untuk memandu keputusan medis. Pendekatan ini, yang dikenal sebagai kedokteran presisi, kian populer berkat para peneliti yang telah mengatasi kompleksitas masalah kesehatan, serta industri farmasi yang berupaya mempersingkat waktu dan menekan biaya yang diperlukan dalam mengembangkan obat penyelamat jiwa.

Saat ini, proses perilisan obat baru ke pasaran oleh perusahaan farmasi sangatlah panjang dan mahal. Menurut data terbaru dari Taconic Biosciences, pengembangan sebuah obat membutuhkan biaya sekitar USD$2,6 miliar dan waktu lebih dari 10 tahun. Dan setelah dikembangkan, 88% kandidat obat baru gagal mendapatkan persetujuan FDA.

Kabar baiknya adalah bahwa AI memiliki potensi yang luar biasa untuk mempercepat proses penemuan dan pengembangan obat.

Bagaimana AI menyederhanakan penemuan obat

Langkah pertama dalam membuat sebagian besar obat baru adalah menyintesis senyawa yang dapat mengikat dan memodulasi molekul target yang terlibat dalam suatu penyakit, yang biasanya berupa protein. Untuk menemukan senyawa yang tepat, peneliti harus meninjau ribuan kandidat potensial. Setelah target teridentifikasi, peneliti kemudian menyaring pustaka besar berisi senyawa yang serupa untuk menemukan interaksi optimal dengan protein penyakit.

Saat ini, dibutuhkan waktu lebih dari satu dekade dan biaya ratusan juta dolar untuk sampai ke titik ini. Namun, medtech dapat menyederhanakan proses tersebut menggunakan AI dan pembelajaran mesin (ML) untuk menghemat waktu dan biaya yang dibutuhkan industri farmasi dalam merilis obat baru. Misalnya, teknologi ini dapat:

Memindai pustaka molekul

Pustaka yang disaring untuk menemukan kandidat molekul sangatlah banyak, sehingga hampir tidak mungkin bagi peneliti manusia untuk meninjau semuanya secara manual. Di sisi lain, AI dapat dengan cepat mengidentifikasi senyawa target potensial dalam himpunan data besar sehingga dapat menghemat waktu yang dihabiskan peneliti di lab.

Memprediksi sifat senyawa

Proses penemuan obat secara tradisional melibatkan uji coba yang memakan waktu. Solusi medtech yang dikombinasikan dengan AI dan ML dapat membantu mempercepat proses ini dengan memprediksi sifat senyawa yang potensial sehingga memastikan bahwa hanya senyawa dengan sifat yang diinginkan yang akan dipilih untuk proses sintesis. Hal ini dapat menghemat waktu peneliti dalam meneliti senyawa yang mungkin tidak efektif.

Menemukan senyawa baru

Ketika penyaringan hanya memberikan sedikit hasil yang menjanjikan, AI bahkan dapat mengusulkan senyawa baru yang sesuai dengan parameter yang diinginkan dan memiliki peluang keberhasilan yang lebih tinggi.

Bagaimana AI membantu para peneliti

Bayangkan bagaimana para peneliti dapat menggunakan solusi AI untuk mendukung berbagai langkah penting dalam proses penemuan obat.

Para peneliti melakukan langkah-langkah berikut:

Langkah 1: Menentukan target molekul yang “berpotensi menjadi obat”.
Langkah 2: Melakukan eksperimen untuk mengonfirmasi bahwa target terlibat dalam perkembangan penyakit.
Langkah 3: Mengidentifikasi atau membuat senyawa yang dapat mengikat target tersebut.
Langkah 4: Mengoptimalkan efikasi dan keamanan senyawa yang dipilih.

Dengan bantuan AI, mereka dapat:

Langkah 1: Menemukan lebih banyak target potensial.
Langkah 2: Memperbesar peluang keberhasilan eksperimen.
Langkah 3: Menyisihkan senyawa yang tidak mungkin mengikat.
Langkah 4: Mempercepat proses dengan analisis cerdas.

Bagaimana AI digunakan dalam uji klinis

Menurut Taconic Biosciences, hanya 12% kandidat obat yang memasuki tahap uji klinis berhasil disetujui oleh badan yang berwenang. Tahap terpanjang dan paling mahal dalam proses pembuatan obat yaitu uji klinis yang melibatkan beberapa fase pengujian pada manusia, dan setiap fase melibatkan ratusan atau ribuan peserta.

Proses linier tradisional dari uji coba terkontrol secara acak (RCT) belum berubah selama beberapa dekade. Pendekatan ini kurang fleksibel, lambat, dan memiliki keterbatasan dalam analisis data, sehingga menghambat perkembangan kedokteran presisi. Perusahaan mengalami kesulitan dalam menemukan peserta yang tepat, belum lagi mereka harus merekrut, mempertahankan, dan mengelola peserta secara efektif. Inefisiensi proses ini sangat berkontribusi pada meningkatnya biaya penemuan dan pengembangan obat, serta tingkat persetujuan obat yang rendah. Hal ini juga menghambat inovasi.

Perusahaan farmasi dapat menggunakan model AI prediktif di seluruh tahap uji klinis dalam pengembangan obat, mulai dari desain hingga analisis data, untuk membantu:

Mengidentifikasi pasien yang sesuai dengan mendalami konten yang tersedia secara publik.
Menilai kinerja uji coba secara real time.
Mengotomatiskan proses berbagi data di seluruh platform.
Menyediakan data untuk laporan akhir.

Penggabungan algoritma dengan infrastruktur teknologi yang efektif memastikan aliran data klinis yang konstan disaring, dikumpulkan, disimpan, dan dikelola secara efektif. Dengan demikian, peneliti dapat lebih memahami keamanan dan kemanjuran obat tanpa harus menyusun dan menganalisis himpunan data besar yang dihasilkan dari uji coba secara manual.

Hambatan adopsi AI dalam industri farmasi

Meskipun penggunaan AI dalam proses penemuan dan pengembangan obat makin meluas, masih ada sejumlah hambatan dalam penerapannya. Berikut adalah beberapa tantangan umum yang dihadapi perusahaan:

Kualitas data

Tantangan yang sering dikutip di banyak industri adalah buruknya kualitas data dapat dengan cepat mengurangi kemampuan AI dan ML. Bagi peneliti obat, data berkualitas rendah membuat medtech tidak dapat diandalkan dan, pada akhirnya, menjadi kurang akurat, kurang membantu, atau kurang menghemat waktu dibandingkan metode tradisional.

Kekhawatiran

Terjadi kesalahpahaman di sebagian besar industri bahwa teknologi pada akhirnya akan menggantikan pekerja manusia. Tidak terkecuali industri farmasi. Meskipun benar bahwa AI dapat menganalisis himpunan data berskala besar dengan lebih cepat, peran para peneliti dan dokter manusia yang terampil tetap tidak tergantikan.

Keterbatasan tenaga ahli

Penerapan medtech dalam proses penemuan obat memerlukan serangkaian keahlian khusus. Agar kualitas data tetap baik dan AI tetap dapat bekerja secara efektif, perusahaan membutuhkan pekerja yang tidak hanya memiliki keterampilan teknis tetapi juga pemahaman tentang sisi ilmiah dari sebuah proses, seperti desain, biologi, dan kandungan kimia dari suatu obat. Ini merupakan tuntutan yang cukup sulit dipenuhi oleh perusahaan.

Masa depan AI di bidang farmasi

Dengan bantuan AI, para peneliti dapat lebih inovatif, klinisi dapat memberikan layanan yang lebih sesuai dengan kebutuhan kedokteran presisi, dan perusahaan farmasi dapat mempercepat penyediaan obat-obatan inovatif yang menyelamatkan jiwa ke pasaran.

Tren saat ini menunjukkan bahwa transformasi AI yang terjadi di industri farmasi saat ini akan terus berlanjut hingga masa depan. Misalnya, setiap tahun jumlah kemitraan antara perusahaan farmasi dan perusahaan teknologi meningkat, begitu pula investasi besar dalam perusahaan rintisan di bidang medtech dan AI.

Perusahaan farmasi besar juga makin aktif dalam berbagi data. Machine Learning Ledger Orchestration for Drug Discovery, atau MELLODDY, merupakan konsorsium yang memfasilitasi kegiatan berbagi data di antara puluhan anggotanya. MELLODDY menggunakan sistem berbasis blockchain yang memungkinkan perusahaan berbagi data kepemilikan sekaligus menjaga kerahasiaan. Para peneliti dapat menggunakan data yang ada untuk segera memulai proses penemuan obat dan menghemat waktu yang dibutuhkan untuk mengembangkan obat.

Sumber daya

Jelajahi solusi industri Microsoft

Memodernisasi riset dan pengembangan (R&D) serta menyediakan produk baru dengan lebih cepat menggunakan solusi AI yang berjalan di Microsoft Cloud.

Pelajari selengkapnya