Dianggap Efisien, Machine Learning Mulai Dilirik Untuk Produksi Obat-Obatan

Obat menjadi produk industri yang bisa meringankan bahkan mengobati sejumlah penyakit, rasa sakit, dan nyeri.

Sejumlah proses produksi membutuhkan manusia sebagai operator, baik itu di tahapan memantau pengering, mengaduk bahan, dan melihat senyawa tersebut memiliki kualitas yang tepat untuk dikompres menjadi obat. Termasuk mengecek kualitas akhir obat sebagai sebuah produk ekonomis.

Pekerjaan-pekerjaan tersebut sangat bergantung pada pengamatan operator. Namun metode itu terlalu subyektif dan jauh dari kata efisien. Inilah yang kemudian menjadi topik makalah Nature Communications, yang ditulis oleh para peneliti di Massachusetts Institute of Technology (MIT) dan perusahaan farmasi Takeda.

Kerja tim ini merupakan bagian dari kolaborasi berkelanjutan antara Takeda dan MIT, yang diluncurkan pada 2020. Program MIT-Takeda bertujuan untuk memanfaatkan pengalaman MIT dan Takeda untuk memecahkan masalah di bidang kedokteran, kecerdasan buatan, dan perawatan kesehatan.

Terbaru, mereka menemukan pengembangan teknik machine learning yang disempurnakan secara fisika, untuk mengategorikan permukaan kasar dalam suatu partikel campuran, yang dapat digunakan untuk memantau proses pengeringan obat-obatan.

Teknik tersebut menerapkan penaksir (estimator) berbasis autokorelasi yang disempurnakan secara fisika (physics-enhanced autocorrelation-based estimator (PEACE)). Teknik ini dapat mengubah proses produksi farmasi untuk pil dan bubuk, meningkatkan efisiensi dan akurasi, serta menghasilkan lebih sedikit batch produk farmasi yang gagal.

Mengurangi kebutuhan untuk menghentikan dan memulai proses serta meningkatkan keandalan termasuk efisiensi produksi farmasi.

Dalam manufaktur farmasi, diperlukan penghentian pengering dan mengambil sampel dari jalur produksi untuk pengujian. Ini dilakukan untuk menentukan apakah suatu senyawa cukup dicampur dan dikeringkan.

Para peneliti di Takeda mengira, kecerdasan buatan dapat meningkatkan tugas dan mengurangi penghentian yang memperlambat produksi.

Saat proses studi, awalnya tim peneliti berencana menggunakan video untuk melatih model komputer untuk menggantikan operator manusia. Namun menentukan video mana yang akan digunakan untuk melatih model masih terbukti terlalu subyektif.

Teknik PEACE diklaim aman dan efisien

Seorang mahasiswa doktoral di Departemen Teknik Elektro dan Ilmu Komputer MIT, Qihang Zhang, menjelaskan bahwa tim MIT-Takeda memutuskan untuk menyinari partikel dengan laser selama penyaringan dan pengeringan. Serta mengukur distribusi ukuran partikel menggunakan fisika dan pembelajaran mesin.

"Kami hanya menyinari sinar laser di atas permukaan yang mengering ini dan mengamati," kata dia, dikutip dari laman MIT, Sabtu (6/5/2023).

Zhang menambahkan, selain membuat proses lebih cepat dan lebih efisien, menggunakan mekanisme PEACE membuat pekerjaan lebih aman.

"Karena membutuhkan lebih sedikit penanganan bahan yang berpotensi sangat kuat," kata Zhang, yang menjadi penulis utama studi ini.

Lebih lanjut ia mengatakan, teknik PEACE memungkinkan produksi obat menjadi lebih efisien, berkelanjutan, hemat biaya, dengan mengurangi jumlah eksperimen yang perlu dilakukan perusahaan saat membuat produk.

Direktur grup Pengembangan Kimia Proses di Takeda, Charles Papageorgiou, mengungkap bahwa pemantauan karakteristik campuran pengering merupakan masalah yang telah lama dihadapi industri. Tidak ada sensor yang bagus.

"Menurut saya, ini adalah perubahan langkah yang cukup besar, sehubungan dengan kemampuan untuk memantau secara real time distribusi ukuran partikel," terangnya.

Menerjemahkan penelitian akademis ke dalam proses industri butuh waktu

Selama tiga tahun terakhir, para peneliti di MIT dan Takeda telah bekerja sama dalam 19 proyek, yang berfokus pada penerapan pembelajaran mesin dan kecerdasan buatan. Utamanya untuk masalah dalam industri perawatan kesehatan dan medis sebagai bagian dari Program MIT-Takeda.

Peneliti meyakini, seringkali diperlukan waktu bertahun-tahun bagi penelitian akademis, untuk diterjemahkan ke dalam proses industri. Namun para peneliti berharap kolaborasi langsung dapat mempersingkat waktu tersebut.

Takeda yang tak jauh jaraknya dari kampus MIT, telah diuntungkan karena dapat memungkinkan peneliti untuk menyiapkan pengujian di lab perusahaan. Umpan balik dari Takeda, membantu peneliti MIT menyusun penelitian mereka berdasarkan peralatan dan operasi perusahaan.