Apakah Kecerdasan Buatan Dapat Merevolusi Diagnosis dan Pengobatan Penyakit Langka?

Di Amerika Serikat, lebih dari 30 juta orang hidup dengan penyakit langka, sebuah kumpulan lebih dari 10.000 kondisi yang seringkali kurang dikenal dan sulit diidentifikasi. Bagi banyak orang, mendapatkan diagnosis yang tepat memakan waktu rata-rata lima hingga delapan tahun, keterlambatan yang menghambat akses ke perawatan yang sesuai. Kurang dari 5% penyakit ini saat ini memiliki pengobatan yang disetujui, meninggalkan sebagian besar pasien tanpa solusi terapeutik. Biaya ekonomi sangat besar: lebih dari 1 triliun dolar dihabiskan setiap tahun untuk penyakit-penyakit ini di Amerika Serikat, dengan pasar terapeutik yang diperkirakan mencapai 400 miliar dolar pada tahun 2030.

Perjalanan pasien yang terkena penyakit langka seringkali menyerupai pengembaraan medis. Gejalanya terkadang samar atau mirip dengan kondisi lain yang lebih umum, yang mempersulit pekerjaan dokter umum yang sudah menghadapi beban kerja tinggi. Tes genetik, meskipun semakin mudah diakses, menghasilkan jumlah data yang sangat besar dan sulit untuk diinterpretasikan. Analisis genomik yang lengkap dapat melewatkan beberapa anomali, seperti ekspansi pengulangan atau aberasi kromosom besar, yang memerlukan teknologi yang lebih canggih dan mahal.

Kecerdasan buatan dapat mengubah situasi ini dengan menyatukan proses diagnosis dan pengobatan. Berkat model yang mampu menganalisis data genomik, klinis, dan lingkungan, AI memungkinkan identifikasi pola-pola yang tidak terlihat oleh mata manusia. AI dapat mendeteksi penyakit langka sebelum kerusakan irreversibel terjadi, dengan menggabungkan informasi dari rekam medis, gambar, urutan genetik, atau bahkan rekaman audio dan video. Sistem ini menawarkan diagnosis yang lebih cepat dan akurat, sambil mengurangi biaya yang terkait dengan kesalahan dan keterlambatan.

Namun, tantangan besar masih ada. Model biologis saat ini tidak menangkap seluruh kompleksitas tubuh manusia, yang membatasi keandalan prediksi. Produksi pengobatan yang dipersonalisasi tetap lambat dan mahal, dengan waktu produksi yang jauh lebih lama dibandingkan dengan perancangan oleh AI. Terakhir, pendanaan untuk terapi-terapi khusus ini menjadi pertanyaan: biaya tinggi dan sifatnya yang sangat spesifik membuat integrasi mereka ke dalam sistem kesehatan tradisional menjadi sulit.

Untuk mengatasi hambatan-hambatan ini, kolaborasi erat antara pemerintah, industri, dan yayasan sangat penting. Tujuannya adalah menciptakan infrastruktur yang berkelanjutan, mampu mendukung penelitian, produksi, dan distribusi pengobatan inovatif. AI tidak akan menggantikan para ahli manusia, tetapi dapat membantu mereka dengan mengotomatisasi analisis data massal dan mengusulkan jalur terapeutik yang sesuai untuk setiap pasien. Dalam jangka panjang, pendekatan ini dapat membuat perawatan yang dipersonalisasi dapat diakses oleh semua orang, sehingga mengubah penanganan penyakit langka.

Sources et crédits

Étude source

DOI : https://doi.org/10.1007/s12553-026-01057-y

Titre : Unifying the odyssey: artificial intelligence for rare disease diagnosis and therapy

Revue : Health and Technology

Éditeur : Springer Science and Business Media LLC

Auteurs : Mai-Lan Ho; Marinka Zitnik; Ronen Azachi; Sanjay Basu; Pranav Rajpurkar; Richard Sidlow