Ilmuwan Medis Pakai AI Demi Temukan Antibiotik Baru, Begini Ceritanya

Jakarta, CNBC Indonesia - Kecerdasan buatan (AI) kembali menunjukkan potensinya di bidang medis. Para ilmuwan berhasil menggunakan model deep learning yang lebih transparan untuk menemukan golongan antibiotik baru yang berpotensi melawan Staphylococcus aureus yang resistan terhadap metisilin atau MRSA.

Seperti dilansir Euro News, Senin (14/9/2026), penemuan ini dinilai penting di tengah meningkatnya ancaman resistansi antimikroba di berbagai belahan dunia. Senyawa baru yang ditemukan menunjukkan kemampuan membasmi bakteri MRSA dalam pengujian laboratorium maupun eksperimen pada hewan.

Hasil penelitian tersebut dipublikasikan dalam jurnal Nature dan melibatkan tim yang terdiri dari 21 peneliti, termasuk para ilmuwan dari Massachusetts Institute of Technology (MIT). Profesor Teknik dan Sains Medis MIT sekaligus salah satu penulis studi, James Collins, mengatakan salah satu terobosan utama penelitian tersebut bukan hanya menemukan kandidat antibiotik baru, tetapi juga memahami alasan model AI memprediksi suatu molekul memiliki aktivitas antibiotik.

"Wawasan penting di sini adalah kita dapat melihat apa yang dipelajari oleh model-model tersebut saat membuat prediksi bahwa molekul-molekul tertentu berpotensi menjadi antibiotik yang efektif," ujar Collins dalam sebuah pernyataan.

Menurutnya, pendekatan tersebut dapat membantu menciptakan proses penemuan obat yang lebih efisien dari sisi waktu dan sumber daya sekaligus memberikan pemahaman mengenai mekanisme kerja berdasarkan struktur kimia.

Berusaha Membuka "Kotak Hitam" AI
Dalam penelitian ini, para ilmuwan memanfaatkan deep learning, sebuah metode AI yang menggunakan jaringan saraf tiruan untuk mempelajari pola dan fitur dari data secara otomatis. Teknologi tersebut semakin banyak digunakan dalam penelitian obat karena dapat membantu menyaring kandidat senyawa dalam jumlah sangat besar, memprediksi karakteristiknya, hingga mengidentifikasi molekul yang berpotensi dikembangkan menjadi obat.

Namun, salah satu tantangan penggunaan AI dalam penemuan obat adalah sifat model yang kerap dianggap sebagai "kotak hitam". Model dapat menghasilkan prediksi, tetapi peneliti sering kali kesulitan mengetahui secara tepat alasan di balik prediksi tersebut. Peneliti pascadoktoral di MIT dan Harvard sekaligus salah satu penulis utama penelitian, Felix Wong, mengatakan studi ini dirancang untuk memahami proses tersebut.

"Tujuan kami dalam studi ini adalah untuk membuka 'kotak hitam' tersebut. Model-model ini melibatkan sejumlah besar perhitungan yang meniru koneksi saraf, dan tidak ada seorang pun yang benar-benar mengetahui apa yang terjadi di balik sistem kerjanya," kata Wong.

Sebanyak 39.000 Senyawa Dipelajari
Para peneliti terlebih dahulu membangun data pelatihan dengan mengevaluasi sekitar 39.000 senyawa berdasarkan aktivitas antibiotiknya terhadap MRSA. Informasi mengenai aktivitas tersebut kemudian digabungkan dengan karakteristik dan struktur kimia masing-masing senyawa untuk melatih model deep learning.

MRSA menjadi fokus penelitian karena bakteri ini dapat menyebabkan berbagai jenis infeksi, mulai dari infeksi kulit hingga kondisi serius seperti pneumonia dan infeksi aliran darah.

Data European Centre for Disease Prevention and Control (ECDC) menunjukkan bahwa hampir 150.000 kasus infeksi MRSA terjadi setiap tahun di Uni Eropa. Di kawasan tersebut, infeksi yang resistan terhadap antimikroba juga dikaitkan dengan hampir 35.000 kematian setiap tahunnya.

AI Menyaring 12 Juta Senyawa
Setelah model utama dilatih, para peneliti menggunakan tiga model deep learning tambahan untuk memperkirakan tingkat toksisitas berbagai senyawa terhadap tiga jenis sel manusia.Informasi mengenai efektivitas terhadap MRSA kemudian dikombinasikan dengan prediksi toksisitas. Dengan cara ini, peneliti berupaya menemukan molekul yang mampu membunuh bakteri tetapi memiliki dampak negatif seminimal mungkin terhadap sel manusia.

Rangkaian model tersebut digunakan untuk menyaring sekitar 12 juta senyawa yang tersedia secara komersial.Dari proses tersebut, AI mengidentifikasi senyawa dari lima golongan berbeda berdasarkan substruktur kimia spesifik yang terdapat dalam molekulnya. Kelompok-kelompok tersebut kemudian diprioritaskan berdasarkan aktivitas yang diprediksi terhadap MRSA.

Para peneliti selanjutnya memperoleh sekitar 280 senyawa untuk diuji secara langsung di laboratorium.Dari pengujian tersebut, mereka berhasil mengidentifikasi dua kandidat antibiotik yang menjanjikan dari golongan yang sama.

Populasi MRSA Turun 10 Kali Lipat pada Tikus
Potensi kedua senyawa tersebut kemudian diuji lebih lanjut menggunakan dua model tikus. Model pertama digunakan untuk menguji infeksi kulit akibat MRSA, sementara model kedua digunakan untuk menguji infeksi MRSA yang telah menyebar secara sistemik. Hasilnya, masing-masing senyawa mampu mengurangi populasi bakteri MRSA sekitar 10 kali lipat dalam kedua model infeksi tersebut.

Meski demikian, temuan ini masih berada pada tahap penelitian dan belum berarti antibiotik tersebut siap digunakan pada manusia. Kandidat obat tetap membutuhkan serangkaian pengujian lanjutan untuk menilai keamanan, efektivitas, dosis, serta potensi efek samping sebelum dapat memasuki uji klinis.

Penelitian ini menunjukkan bagaimana AI dapat mengubah proses pencarian antibiotik yang sebelumnya membutuhkan penyaringan kandidat dalam jumlah besar menjadi pendekatan yang lebih terarah.

Lebih jauh, kemampuan model yang lebih transparan juga dapat membantu ilmuwan memahami hubungan antara struktur kimia dan aktivitas antibakteri. Hal tersebut berpotensi mempercepat perancangan antibiotik generasi baru untuk menghadapi bakteri yang semakin kebal terhadap pengobatan.

Terobosan ini menjadi semakin signifikan karena penemuan golongan antibiotik baru yang benar-benar inovatif tergolong jarang dalam beberapa dekade terakhir. Penggunaan AI kini membuka peluang baru untuk memperluas kembali 'persenjataan' manusia dalam menghadapi resistansi antibiotik.