Baca berita dengan sedikit iklan, klik di sini
TEMPO.CO, Jakarta - Sejak lebih dari 60 tahun yang lalu, kelas antibiotik baru untuk mengobati infeksi Staphylococcus aureus (MRSA) yang resisten terhadap obat telah ditemukan menggunakan kecerdasan buatan (artificial intelligence/AI) berbasis mesin pembelajaran.
Baca berita dengan sedikit iklan, klik di sini
Dilansir dari laman resmi MIT, penemuan penting untuk meningkatkan perawatan kesehatan global ini dilakukan oleh para peneliti yang terafiliasi dengan Massachusetts Institute of Technology (MIT), Harvard University, dan Broad Institute of MIT and Harvard di Cambridge, Massachusetts, Amerika Serikat.
Baca berita dengan sedikit iklan, klik di sini
Baca berita dengan sedikit iklan, klik di sini
Latar Belakang Krisis Resistensi Antimikroba
Resistensi antimikroba merupakan penyebab utama kematian secara global, dan ancaman kesehatan masyarakat. Menurut laporan The Review on Antimicrobial Resistance yang ditugaskan oleh Pemerintah Inggris, diperkirakan 10 juta orang akan meninggal setiap tahunnya pada 2050 akibat AMR.
Pada tingkat global, lebih dari 4,95 juta kematian terkait dengan resistensi antimikroba bakteri, dan 1,27 juta meninggal langsung karena resistensi antimikroba. Di Amerika Serikat, terdapat lebih dari 2,8 juta infeksi yang resisten terhadap antimikroba dan 35.000 kematian setiap tahunnya menurut laporan Antibiotic Resistance Threats in the United States, 2019 oleh U.S. Centers for Disease Control (CDC).
Peran AI dalam Penemuan Antibiotik Baru
Staphylococcus aureus (S. aureus), juga dikenal sebagai staph merupakan bakteri Gram-positif yang menyebabkan berbagai infeksi pada manusia seperti infeksi kulit, sepsis, dan pneumonia mematikan. Methicillin-resistant S. aureus (MRSA) sendiri menyebabkan lebih dari 120.000 kematian di seluruh dunia pada 2019 menurut laporan Institute for Health Metrics and Evaluation.
Penelitian yang dipimpin oleh Profesor MIT James Collins dan rekan-rekannya menggunakan platform kecerdasan buatan untuk graph neural networks (GNN) yang disebut Chemprop. GNN merupakan jaringan saraf buatan yang dapat memproses struktur data grafik untuk melakukan prediksi, analisis, dan tugas klasifikasi.
"Studi kami menunjukkan bahwa jaringan saraf tiruan dapat dipahami dan dijelaskan dengan lebih baik menggunakan pencarian berbasis grafik untuk alasan substruktur kimia yang merekapitulasi prediksi model," tulis James Collins dan rekan penulis studi tersebut.
Mereka menyaring lebih dari 39.300 senyawa untuk aktivitas penghambatan pertumbuhan dari strain methicillin-susceptible, S. aureus RN4220, yang menghasilkan 512 senyawa kandidat aktif.
Dilansir dari PsychologyToday, dari 512 senyawa antibakteri aktif, 40% di antaranya diketahui bersifat sitotoksik. Namun, setelah proses penyaringan lebih lanjut, 306 senyawa terpilih tanpa adanya sitotoksisitas terhadap tiga jenis sel manusia yang digunakan untuk penyaringan.
Setelah itu, para peneliti melibatkan empat ensemble model AI untuk memprediksi kemampuan antibiotik dan sitotoksisitas dari 12 juta senyawa. Hasil akhirnya adalah 283 senyawa yang diuji secara eksperimental melawan MRSA di laboratorium, menghasilkan dua senyawa kandidat antibiotik yang diuji pada tikus.
Profesor Collins menyatakan, "Pendekatan kami mengungkapkan beberapa senyawa dengan aktivitas antibiotik terhadap S. aureus. Dari jumlah tersebut, kami menemukan bahwa satu kelas struktural menunjukkan selektivitas yang tinggi, mengatasi resistensi, memiliki sifat toksikologi dan kimiawi yang baik, dan efektif dalam pengobatan topikal dan sistemik MRSA pada model infeksi tikus."
