Daphne Koller: AI Kausal dan 'Virtual Human' Jadi Kunci Terobosan Medis, Bukan Sekadar Prediksi

Daphne Koller, ilmuwan komputer dan pendiri Coursera, mengungkapkan bahwa kemajuan kecerdasan buatan (AI) di bidang kesehatan tidak cukup hanya mengandalkan korelasi data. Dalam sebuah wawancara di acara Imagination in Action, California, ia menekankan perlunya AI yang bersifat kausal untuk memahami biologi manusia secara mendalam. Koller, yang kini memimpin perusahaan bioteknologi insitro, telah menghabiskan delapan tahun terakhir membangun model AI yang dapat memprediksi efek intervensi medis pada tubuh manusia nyata—sesuatu yang ia sebut sebagai "virtual human".

Menurut Koller, dunia nyata tempat AI beroperasi memiliki kompleksitas yang sering diremehkan. Berbeda dengan data digital yang dihasilkan miliaran orang di internet, AI untuk kesehatan harus bekerja dengan kecepatan dunia fisik. "Anda tidak lagi bekerja dengan kecepatan cahaya," ujarnya, menggambarkan tantangan mengintegrasikan bit AI dengan atom tubuh manusia. Prediksi yang akurat tentang bagaimana pasien akan merespons pengobatan memerlukan pemahaman sebab-akibat, bukan sekadar pola statistik.

Koller menjelaskan bahwa pendekatan kausal ini menjadi krusial karena banyak kegagalan dalam penemuan obat terjadi akibat kesalahan menafsirkan korelasi sebagai kausalitas. "Jika Anda bertanya kepada statistikawan, ekonom, atau klinisi, mereka akan mengatakan korelasi dan kausalitas sangat berbeda," tegasnya. Untuk itu, insitro mengembangkan apa yang disebut "pabrik data kausal"—mengambil miliaran sel dari berbagai jenis jaringan, memanipulasi gen tertentu, dan mengamati hasilnya. Dengan mikroskop sel hidup dan teknologi sekuensing, mereka mengumpulkan basis data kausal biologi manusia terbesar yang pernah ada.

Koller menyoroti contoh penyakit ALS (amyotrophic lateral sclerosis) yang hingga kini belum ada obat penyembuh. Obat yang tersedia hanya memperpanjang hidup dua hingga tiga bulan. "Itu masalah yang menawarkan peluang luar biasa untuk mengungkap biologi baru," katanya. Ia berharap pendekatan AI kausal dapat menghasilkan obat yang benar-benar memodifikasi penyakit, bukan sekadar meredakan gejala. Namun, ia juga mengingatkan bahwa penemuan obat tidak memiliki tongkat ajaib; perlu kesabaran dan pemahaman tentang apa yang feasible.

Dalam konteks Indonesia, pengembangan AI kausal untuk kesehatan dapat menjadi angin segar. Negara ini masih menghadapi tantangan besar dalam riset obat, terutama untuk penyakit tropis seperti demam berdarah, malaria, dan tuberkulosis. Selama ini, Indonesia sangat bergantung pada impor bahan farmasi dan obat jadi. Dengan mengadopsi pendekatan serupa, lembaga riset seperti BRIN dan universitas dapat membangun basis data kausal dari populasi lokal, mempercepat penemuan kandidat obat yang lebih efektif. Investasi dalam infrastruktur komputasi dan kolaborasi lintas disiplin menjadi prasyarat.

"Saya percaya semakin banyak perusahaan akan menjadi perusahaan AI dengan kehadiran vertikal yang kuat," ujar Koller, menekankan pentingnya alat khusus yang mendalam untuk menyelesaikan masalah nyata.

Koller juga menyentuh peran universitas. Ia mendorong agar tembok menara gading lebih porous, memungkinkan pertukaran orang, ide, dan kekayaan intelektual antara industri dan akademisi. Menurutnya, universitas perlu mengevaluasi ulang cara beroperasi agar kembali berdampak seperti seabad lalu. Ia mengaku bersyukur tidak menjadi presiden universitas karena banyaknya pertimbangan rumit, namun yakin ada peluang besar bagi pemimpin visioner.

Di akhir wawancara, Koller memberikan pesan kepada generasi muda dan peneliti: beranilah keluar dari zona nyaman disiplin ilmu. "Ada kekayaan peluang luar biasa bagi mereka yang mau menerima ketidaknyamanan berada di batas antar-disiplin," tuturnya. Ia mendorong untuk tidak hanya mengerjakan variasi kecil dari model transformer, tetapi melakukan sesuatu yang benar-benar transformatif di bidang seperti pertanian, pemerintahan, atau kesehatan. "Lakukan kebaikan sambil meraih kesuksesan," pungkasnya.

Ke depan, pertanyaannya adalah seberapa cepat AI kausal dapat diadopsi secara luas, termasuk di Indonesia, dan apakah regulasi serta ekosistem riset siap mendukungnya. Jika berhasil, bukan tidak mungkin Indonesia dapat mengembangkan obat inovatif untuk penyakit yang selama ini terabaikan.