BERNAS.ID – Dalam beberapa tahun terakhir, terapi CAR-T (Chimeric Antigen Receptor T-cell) muncul sebagai revolusi dalam pengobatan kanker, khususnya untuk leukemia dan limfoma.
Terapi ini bekerja dengan memodifikasi sel-T pasien sendiri agar dapat mengenali dan menyerang sel kanker secara spesifik. Terapi CAR-T telah membawa harapan besar bagi pasien yang sebelumnya tidak memiliki banyak pilihan pengobatan.
Namun, tantangan utama dalam terapi ini adalah biaya yang sangat tinggi dan proses
produksi yang kompleks. Di sinilah kecerdasan buatan (AI) memiliki potensi besar untuk
mengubah lanskap terapi CAR-T, bukan hanya dalam meningkatkan efisiensi produksi,
tetapi juga dalam menurunkan biaya, meningkatkan aksesibilitas, dan memastikan
kualitas produk yang konsisten.
Tantangan Utama Produksi Terapi CAR-T
Produksi terapi CAR-T melibatkan beberapa langkah kritis yang harus dilakukan secara
ketat untuk memastikan keamanan dan efektivitas produk akhir.
Baca Juga : Khasiat dan Cara Mengolah Daun Sirsak untuk Pengobatan Kanker
Proses ini dimulai dengan pengumpulan sel-T dari pasien (leukapheresis), diikuti oleh modifikasi genetik untuk memasukkan reseptor antigen kanker yang unik, ekspansi atau penggandaan sel-sel yang telah dimodifikasi, dan akhirnya, pengiriman kembali sel ke rumah sakit untuk diberikan kepada pasien.
Proses ini memakan waktu dan membutuhkan laboratorium dengan fasilitas yang sangat khusus, serta keahlian dari para ahli bioteknologi.
Proses ini sering kali dilakukan secara manual dan rentan terhadap variasi kualitas, yang dapat mempengaruhi hasil akhir terapi. Selain itu, biaya produksi yang mencapai ratusan ribu dolar per pasien menjadi penghalang utama bagi ketersediaan terapi CAR-T secara luas.
Peran AI dalam Meningkatkan Produksi CAR-T
Kecerdasan buatan (AI) dapat digunakan dalam berbagai tahap produksi CAR-T untuk
meningkatkan efisiensi dan efektivitas proses. Beberapa aplikasi utama AI dalam
produksi CAR-T meliputi beberapa hal berikut ini.
Pertama, Automasi dan Standarisasi Produksi
Automasi yang didukung oleh AI dapat mengurangi ketergantungan pada tenaga kerja
manual dalam proses yang kompleks dan berulang, seperti pemilihan dan
penggandaan sel. Dengan automasi, proses dapat lebih distandarisasi dan
dikendalikan, sehingga mengurangi variasi dalam produk akhir.
Hal ini juga memungkinkan pengumpulan data secara real-time yang dapat diolah oleh AI untuk memastikan bahwa setiap tahap produksi memenuhi standar kualitas yang ketat.
Kedua, Pemantauan dan Prediksi Kualitas Produk
AI dapat digunakan untuk memantau indikator-indikator kritis selama proses produksi,
seperti jumlah sel, kondisi bioreaktor, dan kualitas produk.
Dengan algoritma prediktif, AI dapat memperkirakan waktu optimal untuk memanen sel yang telah dimodifikasi, atau bahkan memprediksi kemungkinan keberhasilan terapi berdasarkan kualitas sel.
Hal ini membantu mengoptimalkan waktu produksi dan mengurangi potensi
pemborosan.
Ketiga, Analisis Data untuk Peningkatan Berkelanjutan
Produksi CAR-T menghasilkan sejumlah besar data yang dapat dimanfaatkan untuk
analisis yang lebih dalam menggunakan teknik machine learning.
Data ini dapat memberikan wawasan tentang bagaimana parameter produksi tertentu memengaruhi kualitas produk akhir, memungkinkan tim produksi untuk menyempurnakan proses dan meningkatkan hasil secara berkelanjutan.
Dengan demikian, AI tidak hanya
mempercepat proses produksi tetapi juga membantu menciptakan proses yang adaptif
dan dapat terus ditingkatkan.
AI untuk Optimalisasi Biaya dan Aksesibilitas
Penggunaan AI dalam automasi dan optimasi produksi CAR-T dapat secara signifikan
mengurangi biaya terapi. Proses produksi yang lebih cepat dan efisien berarti lebih
sedikit sumber daya yang dibutuhkan, yang pada gilirannya menurunkan biaya terapi.
Ini sangat penting karena biaya yang tinggi saat ini membatasi akses pasien terhadap
terapi CAR-T.
Baca Juga : Wacana ‘Cost Sharing’, Ini Saran Komisi IX DPR Kepada BPJS Kesehatan
AI juga berpotensi membuka jalan untuk produksi CAR-T secara desentralisasi. Dengan
sistem berbasis AI yang dapat dikendalikan dari jarak jauh, rumah sakit atau pusat
kesehatan dengan fasilitas yang lebih sederhana dapat melakukan produksi CAR-T
tanpa perlu mengirim sampel ke laboratorium pusat yang mahal.
Pendekatan ini memungkinkan lebih banyak pasien di daerah terpencil untuk mendapatkan akses ke terapi inovatif ini.
Tantangan dan Isu Etis dalam Implementasi AI
Walaupun potensi AI dalam produksi CAR-T sangat besar, masih ada tantangan
signifikan yang perlu diatasi. Salah satu tantangan utama adalah kebutuhan akan data
yang sangat besar untuk melatih algoritma AI. Data yang dibutuhkan untuk proses
produksi CAR-T sering kali bersifat sensitif dan melibatkan informasi pribadi pasien.
Oleh karena itu, masalah privasi dan keamanan data menjadi perhatian penting dalam
implementasi AI di sektor kesehatan.
Selain itu, meskipun AI dapat membantu meningkatkan keputusan klinis, kepercayaan
terhadap keputusan yang dihasilkan oleh AI masih memerlukan validasi klinis yang
ketat.
Dalam terapi yang kompleks dan sensitif seperti CAR-T, setiap kesalahan prediksi atau keputusan yang dihasilkan oleh AI bisa berdampak serius pada kesehatan pasien.
Oleh karena itu, regulasi dan protokol validasi yang tepat perlu dikembangkan untuk
memastikan bahwa AI digunakan dengan cara yang aman dan bertanggung jawab
dalam perawatan kesehatan.
Masa Depan: AI sebagai Penggerak Utama Terapi Kanker yang Lebih Aksesibel
Proyek-proyek seperti AIDPATH dari Uni Eropa telah mulai mengembangkan platform
berbasis AI yang dapat digunakan dalam produksi CAR-T di rumah sakit. Platform ini
menggunakan konsep automasi modular yang memungkinkan setiap proses produksi
dilakukan dengan perangkat yang disesuaikan dengan kebutuhan masing-masing
pasien.
Dalam jangka panjang, pendekatan ini tidak hanya akan menurunkan biaya terapi tetapi juga meningkatkan skala produksi sehingga lebih banyak pasien yang bisa mendapatkan manfaat dari terapi CAR-T.
Integrasi AI dalam terapi CAR-T menunjukkan bahwa teknologi digital tidak hanya
menjadi pendukung dalam pengobatan, tetapi juga berpotensi menjadi penggerak utama untuk inovasi medis.
Dengan AI, terapi yang sebelumnya dianggap sangat mahal dan sulit diakses bisa menjadi lebih terjangkau, aman, dan tersedia bagi lebih banyak orang.
Epilog
Terapi CAR-T, sebagai salah satu pendekatan paling inovatif dalam onkologi, menghadapi tantangan besar dalam hal biaya dan kompleksitas produksi. Namun,
dengan bantuan kecerdasan buatan, tantangan-tantangan ini mulai bisa diatasi.
AI memungkinkan proses produksi yang lebih efisien dan terstandarisasi, mengurangi
biaya, dan meningkatkan kualitas produk.
Meskipun masih ada tantangan dalam hal
regulasi dan keamanan data, AI menawarkan masa depan di mana terapi CAR-T tidak
hanya menjadi lebih terjangkau tetapi juga lebih tersedia bagi pasien di seluruh dunia.
Integrasi AI ke dalam produksi CAR-T adalah langkah besar menuju era baru di mana
terapi kanker yang efektif dan personal dapat diakses oleh semua pasien, bukan hanya
mereka yang memiliki kemampuan finansial tinggi.
Inovasi ini menegaskan bahwa teknologi dan kesehatan adalah dua bidang yang semakin tak terpisahkan, bekerja sama untuk menciptakan solusi yang lebih baik bagi tantangan kesehatan global yang kompleks.
(Penulis: Dokter Dito Anurogo, M.Sc., Ph.D.(Cand.), kandidat doktor di IPCTRM College of Medicine Taipei Medical University Taiwan, dosen di Fakultas Kedokteran dan Ilmu Kesehatan Universitas Muhammadiyah Makassar Indonesia, Diploma in Project Management from International Business Management Institute Berlin Germany, WorldWide Peace Organization (WWPO) Peace Ambassador in Indonesia, Dokter pengampu Telemedicine di SMA Negeri 13 Semarang, penulis puluhan buku diantaranya: “The Art of Medicine”, “The Art of Televasculobiomedicine 5.0”, “The Art of Onconomics 5.0”, “Stem Cells Made Easy”, “Ensiklopedia penyakit dan gangguan kesehatan”, reviewer puluhan jurnal nasional dan internasional terindeks Scopus Q1, penulis dan trainer profesional berlisensi BNSP, pendiri School of Life Institute (SLI), juga tergabung dalam berbagai organisasi di: Perhimpunan Periset Indonesia, MABBI, INBIO INDONESIA, Kagama, Asosiasi Wisata Medis Indonesia, ADEWI-PERKEWINDO, Perkumpulan Dosen Muslim Indonesia, Serikat Pekerja Kampus)
