Meskipun pengobatan yang dipersonalisasi telah menjadi kata kunci dalam layanan kesehatan, kenyataannya sering kali tidak sesuai harapan. Jutaan orang masih menjalani diagnosis dan pengobatan standar, meskipun ada janji perawatan yang disesuaikan. Keterputusan ini muncul dari tantangan utama yang dihadapi layanan kesehatan yang didukung AI: mereka tenggelam dalam data namun tidak mampu konteks biologis.
Model AI saat ini terutama belajar dari kumpulan data tingkat populasi seperti catatan kesehatan elektronik dan klaim asuransi. Kumpulan data ini unggul dalam mengungkapkan tren statistik pada populasi pasien yang luas. Namun, mereka sering kali tidak memiliki rincian yang diperlukan untuk memahami apa yang sebenarnya terjadi di dalam tubuh seseorang. Anggap saja seperti mencoba mendiagnosis suatu penyakit hanya berdasarkan data suhu rata-rata dan curah hujan – Anda mungkin melihat polanya, tetapi kehilangan variasi penting yang spesifik untuk lingkungan individu.
Di sinilah titik temu antara biologi dan AI terbukti transformatif. Startup seperti Parallel Health mengabaikan data demografi dan riwayat kesehatan, dan secara langsung mengintegrasikan informasi biologis ke dalam model AI. Tujuannya: merawat pasien bukan sebagai rata-rata statistik, namun sebagai sistem yang kompleks dan unik.
Menguraikan Kode Mikroba
Parallel Health berfokus pada analisis mikrobioma kulit — triliunan bakteri, virus, dan jamur yang hidup di kulit kita. Dua pasien mungkin memiliki diagnosis jerawat yang sama, namun ketidakseimbangan mikroba yang mendasarinya bisa jadi sangat berbeda. Satu pasien mungkin memiliki pertumbuhan berlebihan bakteri tertentu yang terkait dengan jerawat, sementara pasien lainnya mungkin memiliki jenis bakteri yang resisten terhadap antibiotik yang tidak dapat diobati dengan pengobatan konvensional.
Dengan memetakan profil mikroba individu melalui pengurutan seluruh genom, AI Parallel dapat mengidentifikasi perbedaan halus ini dan memprediksi bagaimana pasien akan merespons berbagai terapi. Hal ini memungkinkan pengembangan serum fag yang ditargetkan untuk menghilangkan mikroba berbahaya sekaligus mempertahankan mikroba yang bermanfaat – jauh dari penerapan solusi universal pada kondisi kompleks.
Dari Pengenalan Pola hingga Sebab Akibat
AI unggul dalam pengenalan pola dalam layanan kesehatan, mendeteksi tumor melalui pemindaian, atau memprediksi pasien masuk kembali ke rumah sakit. Namun, pendekatan Parallel Health mengangkat AI lebih dari sekedar identifikasi sederhana. Dengan menganalisis bagaimana mikroba berinteraksi satu sama lain dan inangnya, AI mereka dapat mulai mengungkap hubungan sebab akibat, bukan sekadar korelasi.
Nathan Brown, chief science officer Parallel Health, menjelaskan perubahan ini: “Kami beralih dari alat yang mengidentifikasi pola ke alat yang memahami mekanisme.” Hal ini berarti mengidentifikasi ketidakseimbangan mikroba beberapa bulan sebelum gejala muncul, sehingga memungkinkan layanan kesehatan yang benar-benar preventif dibandingkan pengobatan reaktif. Selain itu, wawasan yang diperoleh tentang interaksi mikroba ini dapat digeneralisasikan pada berbagai kondisi seperti jerawat, rosacea, atau psoriasis.
Penskalaan Presisi: Lompatan Bioteknologi
Banyak kekhawatiran bahwa obat-obatan yang dipersonalisasi akan tetap menjadi barang mewah mahal yang hanya dapat diakses oleh segelintir orang terpilih. Namun, Parallel Health bertujuan untuk memutus siklus ini dengan memanfaatkan teknologi platform. Meskipun pengobatan individual mungkin disesuaikan, pengobatan tersebut berasal dari perangkat terapi fag dan solusi mikroba yang telah ditentukan. Model ini mencerminkan evolusi pengobatan genom, di mana pengurutan pada awalnya tampak sangat mahal namun akhirnya menjadi rutin.
Seaver Soon, dokter kulit utama Parallel, menekankan bahwa pendekatan ini tidak berarti menciptakan ramuan unik untuk setiap pasien dari awal. “Kami secara efisien mencocokkan pasien dengan solusi khusus dari perangkat yang ditentukan.” Kuncinya terletak pada perampingan produksi dan standarisasi terapi yang ditargetkan ini.
Keharusan Etis
Saat AI menggali lebih dalam data biologis kita, pertimbangan etis menjadi yang terdepan. Privasi data, kepemilikan, dan akses yang adil harus ditangani secara langsung. Parallel Health memprioritaskan transparansi: pasien memahami data apa yang dikumpulkan, bagaimana data tersebut digunakan, dan manfaat yang mereka terima sebagai imbalannya.
“Hanya karena Anda dapat mengumpulkan data biologis bukan berarti Anda harus melakukannya,” tegas Natalise Kalea Robinson, CEO Parallel Health. Memastikan bahwa komunitas yang menyumbangkan data ke model AI ini mendapatkan manfaat langsung dari kemajuan yang dihasilkan sangatlah penting untuk mencegah sistem layanan kesehatan dua tingkat.
Masa depan pengobatan yang dipersonalisasi tidak hanya bergantung pada algoritma yang canggih tetapi juga pada kerangka etika yang memprioritaskan otonomi pasien, kedaulatan data, dan akses yang adil. Dengan mendasarkan AI pada kompleksitas biologi yang rumit, kami beralih dari sekadar memperlakukan pasien sebagai titik data dan menuju perawatan yang benar-benar individual—sebuah visi di mana layanan kesehatan beradaptasi dengan kebutuhan unik setiap manusia.
