Komunitas layanan kesehatan global sedang menghadapi bencana yang semakin besar: resistensi antibiotik. Ketika bakteri berevolusi untuk bertahan dari pengobatan terkuat yang kita miliki, dunia medis berlomba untuk menemukan cara agar tetap terdepan dalam menghadapi ancaman yang telah menyebabkan lebih dari satu juta kematian setiap tahunnya dan berkontribusi terhadap hampir lima juta kematian lainnya.
Pada acara WIRED Health baru-baru ini di London, Ara Darzi—seorang ahli bedah terkemuka dan direktur Institut Inovasi Kesehatan Global di Imperial College London—menyatakan bahwa tahun 2026 merupakan “titik perubahan” kritis dalam perjuangan ini. Munculnya Kecerdasan Buatan (AI) pada akhirnya dapat menyediakan alat yang diperlukan untuk membalikkan keadaan.
Meningkatnya Ancaman Bakteri Super
Meningkatnya mikroba yang resistan terhadap obat didorong oleh dua faktor utama: penggunaan antibiotik secara berlebihan dan penyalahgunaan, dan stagnannya jalur pengembangan obat baru. Ketika bakteri terkena antibiotik dengan dosis yang tidak mematikan, mereka mengembangkan mekanisme pertahanan, yang secara efektif “belajar” bagaimana bertahan dari pengobatan.
Tren ini diperkirakan akan meningkat tajam. Laporan tahun 2024 di The Lancet memperingatkan bahwa pada tahun 2050, infeksi yang resistan terhadap obat dapat menyebabkan 40 juta kematian.
Krisis ini sangat akut di wilayah-wilayah tertentu:
– Asia Tenggara dan Mediterania Timur: Satu dari tiga infeksi yang dilaporkan bersifat resisten.
– Afrika: Satu dari lima infeksi bersifat resisten.
Menjembatani Kesenjangan Diagnostik
Salah satu aspek paling berbahaya dari resistensi antibiotik adalah keterlambatan waktu dalam diagnosis. Metode tradisional memerlukan pembiakan bakteri dari sampel, sebuah proses yang dapat memakan waktu dua hingga tiga hari. Dalam kasus kritis seperti sepsis, penundaan ini berakibat fatal; untuk setiap jam pengobatan ditunda, risiko kematian meningkat 4% hingga 9%.
Saat ini, dokter sering kali terpaksa mengandalkan “tebakan yang terdidik” untuk meresepkan antibiotik sambil menunggu hasil laboratorium. AI menawarkan cara untuk menghilangkan ketidakpastian ini:
- Akurasi Cepat: Diagnostik yang didukung AI dapat mencapai akurasi lebih dari 99% tanpa memerlukan infrastruktur laboratorium yang besar dan mahal.
- Aksesibilitas: Alat cepat ini sangat penting untuk daerah pedesaan dan terpencil di mana laboratorium canggih tidak tersedia.
- Kekuatan Prediktif: AI dapat membantu melacak penyebaran bakteri yang resisten sebelum menjadi wabah lokal.
Mempercepat Penemuan Obat
Selain diagnosis, AI merevolusi cara kita menemukan senjata baru untuk melawan bakteri. Kolaborasi antara Layanan Kesehatan Nasional Inggris dan Google DeepMind telah menunjukkan potensi ini. Dalam satu contoh, sistem AI mengidentifikasi mekanisme resistensi yang tidak diketahui hanya dalam waktu 48 jam —sebuah terobosan yang membutuhkan waktu satu dekade bagi peneliti manusia untuk mengungkapnya.
Integrasi AI dengan laboratorium otomatis menciptakan mesin berkecepatan tinggi untuk penemuan:
– Pembelajaran Mendalam: Dapat menyaring miliaran struktur molekul hanya dalam beberapa hari.
– AI Generatif: Digunakan untuk merancang senyawa kimia baru yang tidak ada di alam.
– Pengujian Paralel: Sistem otomatis kini dapat menjalankan ratusan eksperimen secara bersamaan, 24/7.
Rintangan Ekonomi: Model yang Rusak
Meskipun terjadi lompatan teknologi, masih ada kendala besar: model ekonomi industri farmasi rusak.
Secara tradisional, perusahaan farmasi mendapatkan keuntungan melalui penjualan dalam jumlah besar. Namun, antibiotik baru harus digunakan dengan hemat untuk mencegah resistensi lebih lanjut, yang secara langsung bertentangan dengan tujuan penjualan yang tinggi. Akibatnya, banyak perusahaan besar yang meninggalkan penelitian antibiotik sama sekali.
Untuk mengatasi hal ini, pemerintah bereksperimen dengan cara-cara baru untuk memberi insentif pada pembangunan:
“Model Netflix”: Inggris telah meluncurkan program percontohan di mana pemerintah membayar biaya berlangganan tahunan tetap kepada perusahaan farmasi untuk mengakses antibiotik, sehingga memisahkan keuntungan dari volume obat yang diresepkan.
Swedia juga menjajaki model pembayaran “de-linked” yang serupa untuk memastikan bahwa perusahaan diberi imbalan karena menciptakan obat yang efektif, bukan berdasarkan berapa banyak obat yang mereka jual.
Kesimpulan
Teknologi yang dibutuhkan untuk memerangi resistensi antibiotik—mulai dari diagnostik AI cepat hingga desain obat generatif—telah ada. Keberhasilan utama dari inovasi-inovasi ini akan bergantung pada apakah pemerintah dan industri global mempunyai kemauan politik dan ekonomi untuk menerapkan model-model baru yang diperlukan untuk mempertahankan inovasi tersebut.
