Pemanfaatan Kecerdasan Buatan (AI) Dalam Perancangan Dan Optimasi Formula Obat Untuk Meningkatkan Efisiensi Pengembangan Sediaan Farmasi

Sulasmi Sulasmi, Jhan Saberlan Purba, Mona Fitri Gurusinga


Abstract


Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) telah membawa dampak signifikan dalam berbagai bidang, termasuk farmasi. Salah satu tantangan utama dalam pengembangan sediaan farmasi adalah proses perancangan dan optimasi formula obat yang membutuhkan waktu lama, biaya tinggi, serta risiko kegagalan yang besar. Pemanfaatan AI memungkinkan proses tersebut dilakukan dengan lebih efisien melalui analisis data yang cepat, prediksi interaksi bahan aktif, serta optimasi parameter formulasi. Penelitian ini bertujuan untuk mengkaji peran AI dalam mempercepat pengembangan formula obat, meningkatkan akurasi prediksi sifat farmasetik, serta mengurangi biaya penelitian dan pengembangan. Metode yang digunakan meliputi studi literatur dari jurnal internasional dan nasional yang relevan dalam lima tahun terakhir. Hasil kajian menunjukkan bahwa integrasi AI dalam perancangan formula obat dapat mempercepat proses screening, meningkatkan efisiensi optimasi, serta memberikan hasil yang lebih akurat dibandingkan metode konvensional. Dengan demikian, pemanfaatan AI berpotensi menjadi solusi strategis untuk meningkatkan efektivitas dan efisiensi pengembangan sediaan farmasi di masa depan

Keywords


Kecerdasan Buatan, Artificial Intelligence, Formula Obat, Optimasi, Sediaan Farmasi.

Full Text:

PDF

References


Aliper, A., & Zhavoronkov, A. (2016). Deep learning applications for predicting pharmacological properties of drugs and drug repurposing using transcriptomic data. Molecular Pharmaceutics, 13(7), 2524–2530. https://doi.org/10.1021/acs.molpharmaceut.6b00248

Chen, H., Engkvist, O., Wang, Y., Olivecrona, M., & Blaschke, T. (2018). The rise of deep learning in drug discovery. Drug Discovery Today, 23(6), 1241–1250. https://doi.org/10.1016/j.drudis.2018.01.039

Fleming, N. (2018). How artificial intelligence is changing drug discovery. Nature, 557(7707), S55–S57. https://doi.org/10.1038/d41586-018-05267-x

Gao, H., Cai, X., Li, Y., Wang, Y., & Wu, Z. (2022). Artificial intelligence in drug design: A comprehensive review. Frontiers in Pharmacology, 13, 847090. https://doi.org/10.3389/fphar.2022.847090

Li, J., Zheng, S., Chen, B., Butte, A. J., Swamidass, S. J., & Lu, Z. (2016). A survey of current trends in computational drug repositioning. Briefings in Bioinformatics, 17(1), 2–12. https://doi.org/10.1093/bib/bbv020

Mak, K. K., & Pichika, M. R. (2019). Artificial intelligence in drug development: Present status and future prospects. Drug Discovery Today, 24(3), 773–780. https://doi.org/10.1016/j.drudis.2018.11.014

Paul, S. M., Mytelka, D. S., Dunwiddie, C. T., Persinger, C. C., Munos, B. H., Lindborg, S. R., & Schacht, A. L. (2010). How to improve R&D productivity: The pharmaceutical industry's grand challenge. Nature Reviews Drug Discovery, 9(3), 203–214. https://doi.org/10.1038/nrd3078

Schneider, G. (2018). Automating drug discovery. Nature Reviews Drug Discovery, 17(2), 97–113. https://doi.org/10.1038/nrd.2017.232

Vamathevan, J., Clark, D., Czodrowski, P., Dunham, I., Ferran, E., Lee, G., ... & Bender, A. (2019). Applications of machine learning in drug discovery and development. Nature Reviews Drug Discovery, 18(6), 463–477. https://doi.org/10.1038/s41573-019-0024-5

Xu, Y., Dai, Z., Chen, F., Gao, S., Pei, J., & Lai, L. (2019). Deep learning for drug-induced liver injury. Journal of Chemical Information and Modeling, 59(6), 2508–2519. https://doi.org/10.1021/acs.jcim.9b00225

Yang, X., Wang, Y., Byrne, R., Schneider, G., & Yang, S. (2019). Concepts of artificial intelligence for computer-assisted drug discovery. Chemical Reviews, 119(18), 10520–10594. https://doi.org/10.1021/acs.chemrev.8b00728

Zhavoronkov, A., Ivanenkov, Y. A., Aliper, A., Veselov, M. S., Aladinskiy, V. A., Aladinskaya, A. V., ... & Aspuru-Guzik, A. (2019). Deep learning enables rapid identification of potent DDR1 kinase inhibitors. Nature Biotechnology, 37(9), 1038–1040. https://doi.org/10.1038/s41587-019-0224-x




DOI: https://doi.org/10.30743/best.v8i2.12668

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.