30 November 2022 – Kecerdasan buatan siap membuat uji klinis dan pengembangan obat lebih cepat, lebih murah, dan lebih efisien. Bagian dari strategi ini adalah membuat “lengan kontrol sintetik” yang menggunakan data untuk membuat “simulan”, atau “pasien” yang dihasilkan komputer dalam uji coba.
Dengan cara ini, peneliti dapat mendaftarkan lebih sedikit orang sungguhan dan merekrut cukup banyak peserta dalam separuh waktu.
Baik pasien maupun perusahaan obat akan diuntungkan, kata para ahli. Keuntungan bagi orang-orang, misalnya, adalah simulan mendapatkan perawatan standar atau pengobatan plasebo, yang berarti semua orang dalam penelitian ini akhirnya mendapatkan pengobatan eksperimental. Untuk perusahaan obat yang tidak yakin kandidat obat mana yang paling menjanjikan, AI dan pembelajaran mesin dapat mempersempit prospek.
“Sejauh ini, pembelajaran mesin terutama efektif dalam mengoptimalkan efisiensi – bukan mendapatkan obat yang lebih baik tetapi lebih mengoptimalkan efisiensi penyaringan. AI menggunakan pembelajaran dari masa lalu untuk membuat penemuan obat lebih efektif dan lebih efisien, ”kata Angeli Moeller, PhD, kepala data dan integrasi yang menghasilkan wawasan di pembuat obat Roche di Berlin, dan wakil ketua dewan Alliance for Artificial Intelligence in Healthcare.
“Aku akan memberimu sebuah contoh. Anda mungkin memiliki ribuan molekul kecil dan Anda ingin melihat molekul mana yang akan berikatan dengan reseptor yang terlibat dalam suatu penyakit. Dengan AI, Anda tidak perlu menyaring ribuan kandidat. Mungkin Anda bisa menyaring hanya seratus, ”katanya.
Peserta Uji Coba ‘Sintetis’
Uji klinis pertama yang menggunakan kecocokan yang dibuat dengan data untuk pasien – alih-alih pasien kontrol yang cocok untuk usia, jenis kelamin, atau sifat lainnya – telah dimulai. Sebagai contoh, Imunon Inc., sebuah perusahaan bioteknologi yang mengembangkan kemoterapi dan imunoterapi generasi mendatang, menggunakan lengan kontrol sintetik dalam uji coba fase 1B dari agen yang ditambahkan ke kemoterapi pra-bedah untuk kanker ovarium.
Studi awal ini menunjukkan kepada para peneliti bahwa akan bermanfaat untuk terus mengevaluasi agen baru dalam uji coba fase 2.
Menggunakan lengan kontrol sintetik “sangat keren,” kata Sastry Chilukuri, co-CEO Medidata, perusahaan yang memasok data untuk uji coba Fase 1B, dan pendiri serta presiden Acorn AI.
“Apa yang kami miliki adalah persetujuan FDA dan EMA pertama untuk lengan kontrol sintetik di mana Anda mengganti seluruh lengan kontrol dengan menggunakan pasien kontrol sintetik, dan ini adalah pasien yang Anda tarik dari data uji klinis historis,” katanya.
Gelombang Riset yang Didorong AI?
Peran AI dalam penelitian diharapkan semakin berkembang. Hingga saat ini, sebagian besar penelitian penemuan obat berbasis AI berfokus pada neurologi dan onkologi. Awal dari spesialisasi ini adalah “mungkin karena tingginya kebutuhan medis yang belum terpenuhi dan banyak target yang ditandai dengan baik,” catat artikel berita dan analisis bulan Maret 2022 di jurnal Nature.
Itu berspekulasi bahwa penggunaan AI ini hanyalah awal dari “gelombang yang akan datang”.
“Ada peningkatan minat dalam pemanfaatan metode kontrol sintetik [that is, using external data to create controls]”menurut artikel ulasan di Nature Medicine pada bulan September.
Dikatakan FDA telah menyetujui obat pada tahun 2017 untuk bentuk gangguan neurologis pediatrik yang langka, penyakit Batten, berdasarkan studi dengan “peserta” kontrol historis.
Salah satu contoh dalam onkologi di mana lengan kontrol sintetik dapat membuat perbedaan adalah penelitian glioblastoma, kata Chilukuri. Kanker otak ini sangat sulit diobati, dan pasien biasanya keluar dari uji coba karena mereka menginginkan pengobatan eksperimental dan tidak ingin tetap berada dalam kelompok kontrol perawatan standar, katanya. Juga, “hanya mengingat harapan hidup, sangat sulit untuk menyelesaikan uji coba.”
Menggunakan lengan kontrol sintetik dapat mempercepat penelitian dan meningkatkan kemungkinan menyelesaikan studi glioblastoma, kata Chilukuri. “Dan pasien benar-benar mendapatkan perawatan eksperimental.”
Masih Awal Hari
AI juga dapat membantu membatasi “non-penanggap” dalam penelitian.
Uji klinis “sangat sulit, memakan waktu, dan sangat mahal,” kata Naheed Kurji, ketua dewan Alliance for Artificial Intelligence di Healthcare, dan presiden dan CEO Cyclica Inc, obat berbasis data perusahaan penemuan yang berbasis di Toronto.
“Perusahaan bekerja sangat keras untuk menemukan cara yang lebih efisien untuk membawa AI ke uji klinis sehingga mereka mendapatkan hasil lebih cepat dengan biaya lebih rendah tetapi juga kualitas lebih tinggi.”
Ada banyak uji klinis yang gagal, bukan karena molekulnya tidak efektif… tetapi karena pasien yang terdaftar dalam uji coba termasuk banyak non-penanggap. Mereka hanya membatalkan data responden,” kata Kurji.
“Anda telah mendengar banyak orang berbicara tentang bagaimana kita akan membuat lebih banyak kemajuan dalam dekade berikutnya daripada yang kita lakukan di abad lalu,” kata Chilukuri. “Dan itu hanya karena ketersediaan data beresolusi tinggi yang memungkinkan Anda memahami apa yang terjadi pada tingkat individu.”
“Itu akan menciptakan ledakan dalam pengobatan presisi ini,” prediksinya.
Dalam beberapa hal, ini masih awal bagi AI dalam penelitian klinis. Kurji berkata, “Ada banyak pekerjaan yang harus dilakukan, tetapi saya pikir Anda dapat menunjukkan banyak contoh dan banyak perusahaan yang telah membuat langkah besar.”