"Predicting cancer drug responses before clinical trials begin" — kalimat itu bukan slogan pemasaran, tapi deskripsi teknis yang tepat dari apa yang sedang dibangun AlphaGrid, startup berbasis Singapura yang menggabungkan kecerdasan buatan dengan biologi presisi.
Bukan Simulasi, Tapi Tiruan Biologis Nyata
Yang membedakan AlphaGrid dari banyak platform AI medis lain adalah pendekatannya terhadap 'digital twin'. Bukan model matematis abstrak atau simulasi komputasi semata, melainkan tiruan biologis nyata yang dibangun dari organoid tumor pasien — jaringan tiga dimensi yang tumbuh dari sel kanker asli dan mempertahankan arsitektur genetik serta mikro-lingkungan tumor aslinya. Organoid ini lalu diimaging secara berkala dan dilatih bersama data molekuler pasien ke dalam model AI khusus, sehingga setiap 'twin' benar-benar unik dan reflektif terhadap profil biologis individu. TechInAsia melaporkan bahwa AlphaGrid telah bekerja sama dengan rumah sakit di Singapura dan Thailand untuk mengumpulkan lebih dari 120 jenis organoid kanker payudara, kolorektal, dan paru-paru sejak 2022.
Teknologi ini menantang asumsi lama bahwa uji obat harus melewati tahap preklinis pada hewan dulu — proses yang sering gagal karena perbedaan fisiologis antar spesies. Dengan organoid manusia sebagai fondasi, AlphaGrid menghilangkan satu lapisan ketidakpastian besar: apakah respons sel kanker di tikus akan sama di manusia? Jawabannya, sering kali tidak. Dan inilah alasan utama 90% kandidat obat kanker gagal di uji klinis fase II dan III, menurut data Clinical Trials Transformation Initiative.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Bagaimana Platform Ini Mengubah Alur Pengembangan Obat?
AlphaGrid tidak hanya mengganti tikus dengan organoid. Ia juga mengubah urutan kerja tim farmasi dan peneliti klinis. Biasanya, tim R&D mengembangkan senyawa, lalu menyerahkan ke tim klinis untuk desain uji coba — proses yang bisa memakan waktu 18–24 bulan sebelum pasien pertama didaftarkan. Dengan platform AlphaGrid, tim bisa menjalankan 'uji virtual' terlebih dahulu: memasukkan kombinasi obat, dosis, dan skema pemberian ke dalam sistem, lalu memprediksi respons tumor berdasarkan riwayat genetik dan fenotipik pasien. Hasilnya tidak hanya 'respon ya/tidak', tapi juga peta sensitivitas multi-dimensi — termasuk prediksi resistensi awal, efek samping potensial berdasarkan ekspresi gen target, dan bahkan interaksi obat-obatan yang belum pernah diuji bersama.
Dilansir TechInAsia, AlphaGrid telah mengurangi rata-rata waktu pra-uji klinis hingga 40% dalam proyek kolaborasi dengan dua biotech lokal di Malaysia. Artinya, bukan hanya uji obat yang lebih cepat, tapi juga penghematan biaya pengembangan — yang biasanya mencapai USD 2,6 miliar per obat menurut studi Tufts CSDD. Yang lebih penting: pasien tidak lagi menjadi 'subjek eksperimen' dalam arti sempit. Mereka justru menjadi pusat desain terapi — karena organoid mereka yang menjadi dasar keputusan.
Baca juga: Stripe Masuk Singapura: Apa Artinya untuk UMKM Indonesia?
Di Indonesia, potensi penerapan teknologi ini masih terbatas oleh infrastruktur biobank dan kapasitas pemrosesan data klinis. Namun, beberapa rumah sakit rujukan seperti RS Cipto Mangunkusumo dan RSUD Dr. Soetomo telah mulai mengembangkan bank jaringan tumor, meski belum terintegrasi dengan platform AI prediktif. Tantangan utamanya bukan hanya teknis, tapi juga etis dan regulatif: siapa pemilik data organoid? Bagaimana izin penggunaan ulang sampel untuk pelatihan AI? Regulasi BPOM belum memiliki panduan khusus untuk 'digital twin' sebagai alat bantu keputusan klinis — berbeda dengan AS yang sudah mengeluarkan panduan FDA tentang computational modeling dalam pengembangan obat sejak 2023.
AlphaGrid juga tidak mengklaim menggantikan uji klinis. Mereka menegaskan bahwa platform ini adalah 'filter cerdas', bukan 'pengganti manusia'. Uji klinis tetap mutlak diperlukan untuk menilai farmakokinetik, toksisitas sistemik, dan efek jangka panjang. Tapi kini, uji klinis bisa lebih selektif: hanya pasien dengan profil organoid yang menunjukkan respons kuat yang didaftarkan, sehingga meningkatkan tingkat keberhasilan dan meminimalkan risiko eksposur obat tidak efektif.
"Kami tidak memprediksi apakah obat akan disetujui — kami memprediksi apakah obat itu layak diuji pada pasien tertentu," kata pendiri AlphaGrid dalam wawancara eksklusif dengan TechInAsia. Kalimat itu menyimpulkan esensi teknologi ini: bukan soal kecepatan semata, tapi soal akurasi dalam memilih siapa yang benar-benar butuh obat, dan siapa yang sebaiknya menghindarinya sejak awal.