Camille Bouget membahas bagaimana kecerdasan buatan berdampak pada inovasi dalam pengobatan penyakit yang mempengaruhi sistem kekebalan tubuh.
“Penyakit imunoinflamasi sering digambarkan sebagai penyakit khusus, padahal sebenarnya tidak,” Camille Bouget, CEO dan salah satu pendiri perusahaan rintisan layanan kesehatan Scienta Lab, menjelaskan kepada SiliconRepublic.com.
Dengan sebanyak satu dari setiap 10 orang di negara-negara Barat berpotensi terkena dampak kondisi imunoinflamasi, ia mencatat, gejala-gejalanya sering kali melemahkan dan pilihan terapi yang tersedia seringkali tidak memadai untuk sebagian besar pasien.
Inilah sebabnya, pada tahun 2021, Bouget mendirikan Scienta Lab, sebuah perusahaan bioteknologi yang bertujuan untuk memajukan penelitian di bidang imunologi melalui teknologi modern seperti kecerdasan buatan dan EVA, model AI multimodal milik organisasi yang dibuat khusus untuk penelitian translasi di bidang imunologi dan peradangan.
“Ini dirancang untuk menjawab pertanyaan-pertanyaan konkret yang dihadapi tim penelitian dan pengembangan selama pengembangan obat: target terapeutik mana yang layak untuk dicapai, sinyal biologis praklinis mana yang cukup kuat untuk dibawa ke uji klinis, dan pasien mana yang paling mungkin merespons terhadap kandidat obat tertentu,” kata Bouget.
Diterapkan di berbagai tahap, jelasnya, EVA sejak dini dapat memperkirakan kemanjuran terapeutik sebelum pasien memulai pengobatan. Seiring kemajuan program, EVA dapat mengevaluasi apakah sinyal molekuler yang diamati pada subjek hewan kemungkinan besar akan diterjemahkan ke manusia. Dan pada tahap klinis, hal ini dapat mendukung identifikasi subkelompok pasien untuk uji coba yang dirancang lebih tepat.
“Penerima manfaat utama adalah perusahaan biofarmasi dan bioteknologi yang bergerak di bidang imunologi dan peradangan,” katanya.
“Namun pada akhirnya, pihak yang diuntungkan adalah pasien: uji coba yang dirancang lebih baik, lebih sedikit program yang gagal, dan akses yang lebih cepat terhadap pengobatan yang benar-benar mengatasi kebutuhan yang tidak terpenuhi pada penyakit seperti rheumatoid arthritis, lupus, dan penyakit radang usus.”
Mengapa AI?
Tantangan yang terus-menerus dihadapi Bouget dan industri tempat ia beroperasi adalah mengkomunikasikan dengan baik kompleksitas dari apa yang mereka lakukan dengan cara yang dapat diakses oleh semua pemangku kepentingan utama, baik investor, mitra, atau masyarakat luas.
“Penyakit kekebalan tubuh sangat sulit untuk dikarakterisasi”, katanya, karena seringkali bahkan para ahli tidak selalu tahu bagaimana mengukurnya, apa yang mungkin memicu kambuhnya penyakit, atau mengapa suatu pengobatan efektif untuk satu pasien namun gagal untuk pasien lainnya.
“Meyakinkan orang-orang bahwa AI dapat menavigasi kompleksitas tersebut tanpa memberikan janji yang berlebihan memerlukan upaya terus-menerus,” katanya, terutama bagi generasi muda. teknologi mendalam perusahaan dalam industri yang saat ini didominasi oleh apa yang disebutnya sebagai pemain kunci yang lebih besar.
Ia berpendapat bahwa dampak AI terhadap pasien sangat signifikan, salah satunya karena jalur pengembangan obat imunologi secara historis mengalami penurunan tahap akhir yang tinggi, dengan program yang gagal pada tahap II atau tahap III setelah bertahun-tahun melakukan investasi dan upaya.
“Setiap kegagalan tersebut tidak hanya menimbulkan kerugian finansial, namun juga tertundanya atau ditolaknya akses terhadap terapi yang berpotensi efektif,” kata Bouget.
“AI yang benar-benar meningkatkan keakuratan pengambilan keputusan praklinis dapat mempersingkat jangka waktu tersebut dan mengalihkan lebih banyak sumber daya ke kandidat yang lebih mungkin berhasil.”
Fondasi yang kokoh
Namun ini bukan sekadar soal memiliki akses terhadap teknologi canggih. Bagi Bouget, tim ilmuwan dan insinyur multidisiplin sangat penting bagi keberhasilan organisasi mana pun yang berupaya mentransformasi penelitian dan pengembangan imunologi.
Dia berkata: “Tim multidisiplin adalah fondasi untuk melakukan hal ini dengan baik. Mode kegagalan yang paling sering kita lihat dalam penerapan AI pada pengembangan obat adalah terputusnya kecanggihan komputasi suatu model dan relevansi biologisnya.
“Sebuah model yang dilatih tanpa pemahaman imunologi yang mendalam dapat mengoptimalkan sinyal yang salah. Sebaliknya, sebuah tim dengan keahlian biologis yang luar biasa namun kemampuan pembelajaran mesin yang terbatas akan kesulitan mengekstraksi struktur bermakna dari skala data yang dihasilkan multiomik modern.”
Di Scienta Lab, tim pendirinya terdiri dari seorang apoteker dan mantan ahli strategi industri, seorang insinyur biomedis, dan seorang ahli matematika dengan keahlian AI yang mendalam.
“Sehari-harinya, tim kami mencakup bidang imunologi, bioinformatika, pembelajaran mesin, dan farmakologi klinis,” jelas Bouget.
“Kemampuan untuk membangun jembatan antara disiplin ilmu tersebut, untuk melakukan percakapan di mana ahli imunologi laboratorium basah dan arsitek transformator benar-benar belajar satu sama lain, adalah hal yang memungkinkan kami membangun model yang secara teknis ketat dan bermakna secara biologis.”
Dia menambahkan: “Organisasi yang mencoba memecahkan masalah ini dengan ilmu data murni atau biologi murni akan mencapai puncaknya. Kesenjangan translasi dalam pengembangan obat pada dasarnya bukanlah masalah data atau masalah komputasi saja, namun merupakan pemahaman yang memerlukan tim yang benar-benar terintegrasi.”