Peran AI dalam Penyuntingan Gen

Kecerdasan buatan sedang membuat gelombang di seluruh industri, tetapi dampaknya lebih besar di beberapa sektor daripada yang lain. Ilmu pengetahuan dan kedokteran berpotensi mendapatkan banyak manfaat dari teknologi ini, berkat pekerjaan yang padat data dan kebutuhan akan kecepatan dan akurasi. Dalam bidang ini, penyuntingan gen adalah salah satu kasus penggunaan yang paling menjanjikan untuk AI.

Praktik memodifikasi gen untuk mengontrol hasil tertentu pada organisme hidup pertama kali muncul dalam fiksi, tetapi muncul dalam eksperimen dunia nyata sekitar tahun 1960-an. Selama beberapa dekade, telah berkembang untuk menghasilkan beberapa terobosan medis dan kemungkinan penelitian yang canggih. Namun, ilmuwan hanya menyentuh permukaan dari apa yang dapat dicapai oleh penyuntingan gen. AI bisa menjadi langkah besar berikutnya.

Bagaimana AI Mengubah Penyuntingan Gen

Peneliti telah mulai bereksperimen dengan AI dalam penelitian dan penyuntingan gen. Meskipun masih merupakan konsep yang relatif baru, sudah menghasilkan hasil yang mengesankan.

Peningkatan Akurasi Penyuntingan Gen

Salah satu kelebihan AI yang paling mencolok dalam penyuntingan gen adalah kemampuannya untuk meningkatkan akurasi proses ini. Mengklasifikasikan gen mana yang menghasilkan perubahan mana sangat penting untuk penyuntingan gen yang dapat diandalkan, tetapi secara historis kompleks dan rentan terhadap kesalahan. AI dapat mengidentifikasi hubungan ini dengan presisi tambahan.

Sebuah studi 2023 mengembangkan model pembelajaran mesin yang mencapai akurasi hingga 90% dalam menentukan apakah mutasi berbahaya atau tidak berbahaya. Wawasan ini membantu para profesional kesehatan memahami apa yang harus dicari atau mengidentifikasi gen mana yang harus diobati untuk mencegah hasil kesehatan tertentu.

Akurasi dalam penyuntingan gen juga merupakan masalah memahami hubungan kompleks antara DNA dan protein. Menggunakan struktur protein yang tepat sangat penting ketika menempelkan dan menghapus urutan gen. Ilmuwan baru-baru ini menemukan bahwa AI dapat menganalisis 49 miliar interaksi protein-DNA untuk mengembangkan mekanisme penyuntingan yang dapat diandalkan untuk urutan gen tertentu.

Penelitian Genomik yang Dipercepat

Selain memberikan kejelasan pada penyuntingan gen, AI juga mempercepat prosesnya. Model analitik prediktif dapat mensimulasikan interaksi antara berbagai kombinasi bahan genetik jauh lebih cepat daripada pengujian manual di dunia nyata. Sebagai hasilnya, mereka dapat menyoroti area penelitian yang menjanjikan, mengarah pada terobosan dalam waktu yang lebih singkat.

Kasus penggunaan AI ini membantu perusahaan bioteknologi menghasilkan vaksin COVID-19 dalam waktu rekord. Moderna menghasilkan dan menguji lebih dari 1.000 rantai RNA per bulan ketika metode manual hanya akan menciptakan 30. Tanpa kecepatan pembelajaran mesin, kemungkinan akan membutuhkan waktu lebih lama untuk mengenali interaksi genetik mana yang paling menjanjikan untuk melawan COVID-19.

Aplikasi ini juga dapat menghasilkan hasil di luar kedokteran. Analitik prediktif dapat memodelkan kemungkinan penyuntingan gen untuk menyarankan cara memodifikasi tanaman untuk membuatnya lebih tahan terhadap iklim atau membutuhkan lebih sedikit sumber daya. Mempercepat penelitian dalam bidang tersebut akan membantu ilmuwan membuat perbaikan yang diperlukan untuk memitigasi perubahan iklim sebelum dampak terburuk terjadi.

Obat Personal

Beberapa penggunaan AI yang paling revolusioner dalam penyuntingan gen membawanya ke tingkat yang lebih fokus. Alih-alih melihat tren genetik yang luas, model pembelajaran mesin dapat menganalisis genom individu tertentu. Analisis granular ini memungkinkan obat personal — menyesuaikan pengobatan genetik dengan individu untuk hasil pasien yang lebih baik.

Dokter sudah mulai menggunakan AI untuk menganalisis perubahan protein pada sel kanker untuk menentukan pengobatan mana yang paling berguna untuk kasus tertentu. Demikian pula, analitik prediktif dapat mempertimbangkan komposisi genetik unik pasien, yang dapat mempengaruhi efikasi pengobatan, efek sampingan atau kemungkinan beberapa perkembangan.

Ketika sistem kesehatan dapat menyesuaikan perawatan dengan individu pada tingkat genetik, mereka dapat meminimalkan efek sampingan yang tidak diinginkan dan memastikan mereka mengejar pengobatan terbaik pertama. Sebagai hasilnya, lebih banyak orang dapat mendapatkan bantuan yang mereka butuhkan dengan risiko yang lebih sedikit.

Masalah Potensial dengan AI dalam Penyuntingan Gen

Sebagus apa pun kasus penggunaan awal ini, penerapan AI dalam penyuntingan gen membawa beberapa kemungkinan jebakan. Melihat bahaya ini dalam cahaya manfaat dapat membantu ilmuwan menentukan bagaimana menggunakan teknologi ini dengan baik.

Biaya Tinggi

Seperti banyak teknologi baru, sistem AI canggih yang diperlukan untuk penyuntingan gen mahal. Penyuntingan gen sudah merupakan proses yang mahal — beberapa terapi gen dapat biaya sekitar $3,5 juta per pengobatan — dan pembelajaran mesin mungkin membuatnya lebih mahal. Menambahkan biaya teknologi lain mungkin membuatnya tidak terjangkau.

Hambatan keuangan ini menimbulkan pertanyaan etis. Penyuntingan gen adalah teknologi yang kuat, jadi jika hanya tersedia untuk orang kaya, dapat memperlebar kesenjangan dalam kesetaraan perawatan. Pembagian seperti itu akan merugikan kesehatan keluarga pekerja dan kelas menengah dan menjadi masalah keadilan sosial.

Di sisi lain, AI memiliki potensi untuk mengurangi biaya juga. Penelitian yang dipercepat dan kesalahan yang lebih sedikit dapat mengarah pada pengembangan teknologi yang lebih cepat dan membenarkan harga yang lebih rendah dari pengembang. Sebagai hasilnya, penyuntingan gen dapat menjadi lebih terjangkau, tetapi hanya jika perusahaan menggunakan AI dengan tujuan ini.

Keamanan

Keandalan AI adalah kekhawatiran lain. Meskipun pembelajaran mesin sangat akurat dalam banyak kasus, tidak sempurna, tetapi orang cenderung terlalu mengandalkannya karena klaim presisi yang dramatis. Dalam konteks penyuntingan gen, ini dapat mengarah pada pengabaian yang signifikan, potensial menyebabkan kerusakan medis atau kerusakan tanaman jika orang gagal mendeteksi kesalahan AI.

Selain halusinasi, model pembelajaran mesin cenderung membesar-besarkan bias manusia. Kecenderungan ini sangat mengkhawatirkan dalam perawatan kesehatan, di mana tubuh penelitian yang ada mengandung bias sejarah. Karena pengabaian ini, model AI untuk mendeteksi melanoma hanya setengah akurat ketika mendiagnosis pasien kulit hitam dibandingkan dengan populasi kulit putih. Kecenderungan serupa dapat memiliki konsekuensi yang mengerikan ketika dokter memutuskan penyuntingan gen berdasarkan analisis seperti itu.

Gagal mendeteksi atau mempertimbangkan kesalahan seperti itu dapat membalikkan manfaat utama dari obat personal, peningkatan tanaman, dan aplikasi penyuntingan gen lainnya. Masalah keandalan seperti ini juga dapat sulit dideteksi, yang lebih mempersulit praktiknya.

Di Mana AI Penyuntingan Gen Dapat Pergi dari Sini

Masa depan AI penyuntingan gen bergantung pada bagaimana pengembang dan pengguna akhir dapat mengatasi hambatan sambil memanfaatkan manfaatnya. Model AI yang dapat dijelaskan akan membawa langkah maju yang positif. Ketika jelas bagaimana algoritma pembelajaran mesin mencapai keputusan, lebih mudah untuk menilainya untuk bias dan kesalahan, memungkinkan pengambilan keputusan yang lebih aman.

Mengutamakan AI untuk efisiensi dan pengurangan kesalahan di atas proses yang mengesankan tetapi mahal akan membantu mengatasi kekhawatiran biaya. Beberapa peneliti percaya AI bisa membawa biaya terapi gen ke hampir $0 dengan menghilangkan banyak komplikasi dalam penelitian, produksi, dan pengiriman. Eksperimen awal telah menghasilkan perbaikan eksponensial dalam efisiensi pengiriman, sehingga kemajuan lebih lanjut dapat membuat penyuntingan gen lebih terjangkau.

Pada akhirnya, tergantung pada apa yang difokuskan oleh penelitian terapi gen AI dan seberapa cepat teknologi dapat berkembang. Pembelajaran mesin bisa benar-benar mengganggu bidang ini jika organisasi menggunakan AI dengan benar.

AI Penyuntingan Gen Memiliki Potensi yang Menjanjikan

Penyuntingan gen sudah membuka kemungkinan baru dalam kedokteran, pertanian, dan lain-lain. AI bisa membawa manfaat ini lebih jauh.

Meskipun hambatan signifikan masih ada, masa depan AI dalam rekayasa genetika terlihat cerah. Memahami apa yang dapat diubah dan masalah apa yang mungkin timbul adalah langkah pertama untuk memastikan bahwa bidang ini mencapai tempat yang seharusnya.