• Para ilmuwan yang tengah menghadapi dua tantangan kesehatan paling mendesak di dunia kini membuat kemajuan pesat dengan bantuan kecerdasan buatan (AI) dalam menemukan sasaran obat, memprediksi risiko penyakit, dan merancang perawatan yang disesuaikan.

Oleh: Jugal Das dan Varsha Dhanda
Shiv Nadar University, Delhi-NCR

KECERDASAN buatan (AI) sedang merevolusi cara ilmuwan mempelajari kanker dan diabetes Tipe 1 serta menemukan cara untuk memeranginya. Dari menemukan sasaran obat baru dan memprediksi siapa yang berisiko mengidap penyakit, hingga merancang perawatan yang disesuaikan untuk pasien individu, AI sedang membentuk ulang penelitian biomedis, diagnosis, dan perencanaan terapi, membuatnya lebih cepat, cerdas, dan lebih tepat.

Setiap tahun, kanker dan diabetes Tipe 1 menyebabkan dampak besar di seluruh dunia. Pada 2022, sekitar 20 juta kasus kanker baru didiagnosis, dan hampir 9,7 juta jiwa hilang akibat penyakit ini. Para ahli memperkirakan bahwa pada 2050, kasus kanker baru bisa meningkat menjadi lebih dari 35 juta, didorong oleh populasi yang menua dan risiko gaya hidup seperti penggunaan tembakau, obesitas, dan alkohol.

Pada saat yang sama, diabetes Tipe 1 (T1D), di mana sistem kekebalan tubuh secara keliru menyerang sel-sel yang menghasilkan insulin, juga meningkat. Pada 2025, diperkirakan sekitar 9,5 juta orang di seluruh dunia hidup dengan jenis diabetes ini, naik dari 8,4 juta pada 2021.

Kedua penyakit ini berakar pada sistem kekebalan tubuh, tetapi dengan cara yang berlawanan. Dalam kanker, sistem kekebalan tubuh terlalu lemah atau mati, memungkinkan tumor tumbuh tanpa hambatan. Sedangkan dalam diabetes Tipe 1, sistem kekebalan tubuh berlebihan dan menyerang sel-sel sehat. Meski demikian, kedua kondisi ini berasal dari ketidakseimbangan sistem kekebalan tubuh—dengan cara yang berbeda, seperti yang pertama kali diamati oleh pemenang Nobel, Peter Medawar, dalam pidato Nobel-nya pada 1960.

AI dalam Penemuan Obat

Kecerdasan buatan sedang mengubah dengan cepat cara penemuan obat-obatan baru dan sasaran terapeutik dalam imunologi kanker. Secara tradisional, menemukan antigen tumor atau titik pemeriksaan imun yang bisa menjadi sasaran obat adalah proses yang memakan waktu, memerlukan bertahun-tahun kerja laboratorium. Kini, AI mempercepat hal ini dengan menyaring dataset besar—mulai dari urutan genetik hingga profil sel tunggal—untuk mendeteksi pola yang mengungkapkan bagaimana sel kanker menghindari pengawasan imun.

Contohnya, model pembelajaran mesin dapat mengidentifikasi antigen tumor baru yang tidak terlihat oleh mata manusia namun sangat penting untuk pengenalan imun, serta menyoroti molekul checkpoint imun yang menekan aktivitas sel T—sel imun yang mendeteksi dan menghancurkan sel yang terinfeksi atau kanker. Antigen tumor baru membantu sistem kekebalan tubuh mengenali dan menyerang sel kanker, sementara molekul checkpoint imun dapat menghambat respons ini, menjadikannya sasaran penting dalam imunoterapi kanker. Pembelajaran mesin dapat membantu mengidentifikasi antigen tersembunyi yang penting untuk penargetan imun dan menandai protein checkpoint yang melemahkan respons sel T.

Temuan ini sudah digunakan oleh perusahaan farmasi: AstraZeneca, misalnya, telah bekerja sama dengan Immunai untuk menerapkan pemodelan imun berbasis AI untuk menemukan biomarker dan memandu strategi dosis obat dalam uji klinis onkologi.

Penemuan Biomarker

Salah satu tantangan terbesar dalam imunologi kanker adalah menentukan pasien mana yang benar-benar akan mendapat manfaat dari imunoterapi seperti inhibitor checkpoint, jenis pengobatan kanker yang membantu sistem kekebalan tubuh melawan kanker dengan memblokir sinyal dari protein checkpoint, memungkinkan sel T untuk membunuh tumor. Tidak semua tumor akan merespons terapi ini, dan tanpa biomarker yang dapat diandalkan, banyak pasien yang mengalami perawatan yang tidak efektif dan membuang-buang waktu. AI membantu memecahkan masalah ini dengan menganalisis dataset kompleks seperti citra medis, urutan genetik, dan tanda tangan imun untuk mengidentifikasi prediktor respons.

Optimisasi Imunoterapi

AI tidak hanya memprediksi siapa yang akan merespons imunoterapi, tetapi juga menyempurnakan bagaimana perawatan dirancang dan diberikan. Meningkatkan sistem kekebalan tubuh terhadap tumor harus seimbang dengan menghindari penyakit autoimun sebagai efek samping dari sistem kekebalan yang terlalu aktif.

Model AI menggabungkan informasi genetik pasien (data genomik), data protein yang juga dikenal sebagai proteomik, serta informasi lain dari rekam medis pasien untuk meniru interaksi tumor dengan sistem kekebalan tubuh dan merancang strategi perawatan yang efisien.

Vaksin Kanker yang Dipersonalisasi

Salah satu area paling menarik di mana AI membuat perbedaan adalah dalam pengembangan vaksin kanker yang dipersonalisasi. Vaksin ini bertujuan untuk melatih sistem kekebalan pasien untuk mengenali mutasi tumor spesifik yang disebut neoantigen.

Menemukan neoantigen yang tepat adalah tantangan besar, namun model AI dapat memprediksi mutasi mana yang kemungkinan besar akan ditampilkan pada sel tumor dan memicu respons imun yang kuat.

AI dan Diabetes Tipe 1

Dalam kasus diabetes, AI membantu mendeteksi T1D jauh sebelum gejala muncul dengan menganalisis data genetik dari kohor TEDDY—sebuah studi jangka panjang yang melacak anak-anak yang berisiko terkena diabetes Tipe 1—menggunakan pembelajaran mesin untuk menganalisis risiko genetik, penanda imun, dan sampel darah dari masa bayi untuk memprediksi siapa yang akan mengembangkan penyakit ini pada usia enam tahun.

AI juga mengungkapkan sel imun mana yang berkontribusi paling banyak pada penghancuran sel penghasil insulin di pankreas yang dikenal sebagai sel β. Metode analisis canggih telah menemukan kelompok sel imun khusus (dikenal secara ilmiah sebagai sel T CD4⁺) yang ditemukan dalam jumlah lebih banyak pada orang dengan diabetes tipe 1—sesuatu yang sebelumnya terlewatkan oleh analisis tradisional menggunakan metode lama.

Pemantauan dan Pengelolaan Glukosa yang Berkelanjutan

Mengelola T1D menjadi lebih mudah dengan sistem “pankreas buatan”—perangkat loop tertutup hibrida yang secara otomatis menyesuaikan insulin menggunakan data CGM waktu nyata. Sistem yang didorong oleh AI ini mempelajari kebutuhan insulin setiap pasien dan pola glukosa, memberikan kontrol yang lebih baik dengan usaha yang lebih sedikit.

AI menjadi mitra yang kuat dalam imunologi karena dapat memproses data kompleks yang dihasilkan oleh sistem kekebalan kita. Dengan melakukan ini, AI mempercepat penemuan yang dulunya memakan waktu bertahun-tahun, membantu dokter merancang perawatan yang cocok dengan biologi unik setiap orang, dan bahkan menemukan hubungan antara penyakit yang sangat berbeda—seperti kanker, di mana sistem kekebalan tubuh terlalu lemah, dan diabetes Tipe 1, di mana ia terlalu aktif. Dalam kedua kasus ini, AI mengubah data yang berlimpah menjadi wawasan yang jelas, membawa kita lebih dekat pada diagnosis lebih awal, terapi yang lebih cerdas, dan pengobatan yang benar-benar dipersonalisasi.

• Jugal Das adalah Ramalingaswami Fellow di Shiv Nadar Institution of Eminence, Delhi-NCR.
• Varsha Dhanda adalah mahasiswa PhD yang memenuhi syarat CSIR-NET di Shiv Nadar Institution of Eminence, Delhi-NCR.
• Terbitan asli di bawah lisensi Creative Commons oleh 360info™.