Hasil uji klinis pada populasi menentukan dosis dan metode perawatan standar. Dosis pengobatan biasanya ditetapkan untuk banyak indikasi, yang dapat ditingkatkan atau dikurangi sesuai dengan respons dan toksisitas pasien. Namun, penelitian telah menunjukkan bahwa setiap orang bertindak secara berbeda terhadap dosis yang sama, dan bahkan pada dosis yang sama pada waktu yang berbeda. Kecerdasan buatan (AI) dapat menjadi salah satu cara untuk memanfaatkan data yang lebih luas dan kompleks untuk mengoptimalkan keputusan pengobatan. Salah satu kecerdasan buatan (AI) untuk sistem pengoptimalan dosis baru adalah CURATE.AI.
CURATE.AI: Optimalisasi Dosis
CURATE.AI adalah platform yang dapat ditindaklanjuti untuk pengoptimalan dosis yang bertujuan untuk meningkatkan ketepatan dosis. Untuk menjaga tingkat keamanan dan kemanjuran yang diperlukan, algoritme tersebut mempertimbangkan respons pengobatan dari waktu ke waktu dan memprediksi dosis yang dibutuhkan. CURATE.AI telah diuji untuk penggunaan dalam kondisi medis lain.
CURATE.AI adalah platform turunan kecerdasan buatan yang memetakan hubungan antara intensitas intervensi (input) dan hasil fenotipik (output) untuk individu. Platform dikalibrasi dengan menggunakan input (obat) pada intensitas (dosis obat) yang berbeda yang berkorelasi dengan output yang diukur. Profil CURATE.AI pasien kemudian berfungsi sebagai peta untuk memprediksi hasil input tertentu dan merekomendasikan intensitas intervensi yang tepat. Profil CURATE.AI disesuaikan secara dinamis setiap kali pasien mengalami perubahan selama perkembangan atau resesi penyakitnya, ketika pasien mengonsumsi obat tambahan, mengubah dosis, atau intervensi medis lainnya. Hal ini dilakukan agar profil CURATE.AI dapat memberikan perawatan terbaik selama seluruh proses pengobatan.
Bagaimana cara kerjanya?
CURATE.AI didasarkan pada temuan bahwa ruang respons dalam rentang klinis memiliki permukaan yang halus dan bahwa persamaan polinomial kuadratik dapat menjelaskan hubungan antara input yang berbeda dan output yang diukur dalam sistem yang kompleks. Pasangan data diperlukan untuk kalibrasi profil CURATE.AI untuk satu obat; enam pasangan data tripel (input 1, input 2 : output) untuk kalibrasi profil CURATE.AI untuk dua obat; sepuluh pasangan data kuadrupel (input 1, input 2, input 3 : output) untuk kalibrasi profil CURATE.AI untuk tiga obat; dan seterusnya. Kalibrasi ulang dapat dilakukan karena perubahan dalam status sistem yang memengaruhi interaksi obat pada setiap tahap antara penyerapan dan output fenotipik. Salah satu cara ini adalah dengan mengubah profil dalam ruang respons atau membuat profil baru.
Gambar : Alur kerja pemberian dosis yang dipandu CURATE.AI untuk optimasi dua obat.
Sumber Gambar : Agata Blasiak, Jeffrey Khong, and Theodore Kee. 2020. CURATE.AI: Optimizing Personalized Medicine with Artificial Intelligence. Journals Sage pub. Vol. 25 (2) 95-105. DOI: 10.1177/2472630319890316 journals.sagepub.com/home/jla
Implementasi
- Pemilihan indikasi
Analisis retrospektif dari data yang diidentifikasi biasanya dilakukan sebelum pemberian dosis prospektif CURATE.AI untuk memverifikasi apakah CURATE.AI cocok untuk indikasi tertentu dan kumpulan input dan output tertentu. Analisis retrospektif juga menghasilkan pengetahuan baru tentang mekanisme aksi obat-obatan, seperti sifat interaksi obat-obatan (sinergis, antagonis, atau netral), dan seberapa besar pengaruh obat-obatan individual terhadap hasilnya dibandingkan dengan indikasi lain. Ada sejumlah faktor yang dipertimbangkan saat menilai indikasi baru. Yang paling penting, hubungan yang terbukti antara input dan output fenotipik harus ada, dan masukan pada dosis tunggal harus memiliki retensi terbatas dalam sistem.
- Implementasi Klinis
Dalam studi percontohan prospektif untuk mCRPC, CURATE.AI telah divalidasi secara klinis, menunjukkan kemampuan untuk memodulasi terapi kombinasi bagi individu. Studi ini telah memulai implementasi klinis dan memperluas pengoptimalan dosis yang didukung CURATE.AI untuk pengobatan prospektif multiple myeloma (NCT03759093) dan imunosupresi (NCT03527238).
Manfaat
- Potensi untuk menyesuaikan terapi dengan dosis yang dapat diubah secara dinamis sepanjang perawatan.
- Dokter dapat memperbaiki hasil pasien dan pengobatan dengan membantu AI mengidentifikasi dosis terbaik untuk setiap pasien di berbagai tahap siklus pengobatan.
- Berpotensi menemukan dosis pengobatan baru.
- Interoperabilitas dan intraoperabilitas dengan penyedia layanan Catatan Kesehatan Elektronik.
Kesimpulan
AI telah memantapkan dirinya sebagai teknologi yang akan mengubah paradigma dalam perawatan kesehatan, terutama dalam hal diagnosis dan identifikasi tindakan pencegahan. CURATE.AI tidak membutuhkan informasi farmakokinetik dan interaksi obat, dan bahkan dapat mengumpulkan pengetahuan khusus tentang sistem baru. CURATE.AI dapat membantu mengarahkan modulasi dosis pada individu yang sama. Oleh karena itu, perawatan pasien akan dipersonalisasi dari awal hingga akhir. Ini termasuk pemilihan obat dan pengaturan dosis awal serta pengaturan dosis sepanjang pengobatan.
Penulis dan Afiliasi
Hemalia Putri_ 22416248201141_FM22C_Farmasi Universitas Buana Perjuangan Karawang
Referensi
1. Agata Blasiak, Jeffrey Khong, and Theodore Kee. 2020. CURATE.AI: Optimizing Personalized Medicine with Artificial Intelligence. Journals Sage pub. Vol. 25 (2) 95-105.
2. Al-Shyoukh, I.; Yu, F.; Feng, J.; et al. Systematic Quantitative Characterization of Cellular Responses Induced by Multiple Signals. BMC Syst. Biol. 2011, 5, 88.
3. Amartya Mukhopadhyay 1,2,3, Jennifer Sumner 1,2,4,*, Lieng Hsi Ling 1,5, Raphael Hao Chong Quek, Andre Teck Huat Tan 7, Gim Gee Teng 1,8,9, , Santhosh Kumar Seetharaman 10,11, Satya Pavan Kumar Gollamudi 12,13, Dean Ho 14, Mehul Motani 6. 2022. Personalised Dosing Using the CURATE.Al Algorithm: Protocol for a Feasibility Study in Patients with Hypertension and Type II Diabetes Mellitus. Int J Environ Res Public Health. 2022 Jul 23;19(15):8979. doi: 10.3390/ijerph19158979
4. Lee, D. K.; Chang, V. Y.; Kee, T.; et al. Optimizing Combination Therapy for Acute Lymphoblastic Leukemia Using a Phenotypic Personalized Medicine Digital Health Platform: Retrospective Optimization Individualizes Patient Regimens to Maximize Efficacy and Safety. SLAS Technol. 2017, 22, 276-288.
5. Sumber Gambar 1 : Prof Dean Ho. 2019. CURATE.AI – Personalised Intervention Through Small Data Phenotypic Optimisation. Universitas Nasional Singapura (NUS), Sistem Kesehatan Universitas Nasional (NUHS). https://aisingapore.org/tech-offers/curate-ai-personalised-pharmocological-intervention-through-small-data-phenotypic-optimisation/
Penulis: Hemalia Putri – 22416248201141 – FM22C – Farmasi UBP Karawang
