Penerapan Komputasi Big Data Pada Bidang Farmasi
Penerapan Komputasi Big Data Pada Bidang Farmasi
VOLUME
VISUALIZATION VELOCITY
VERACITY
BIG VARIETY
DATA
VALIDITY VARIABILITY
VALUE
Panesar, Arjun. 2021. Machine Learning and AI for Healthcare: Big Data for
Improved Health Outcomes. Second Edition. Apress. New York, US.
BIG DATA BIDANG FARMASI
Farmasi Bahan Alam
FARMASI Kosmetik
Farmakologi
FARMAKOLOGI,
Farmasi Klinik dan
FARMASI Komunitas
KLINIK DAN
Farmakoekonomi
KOMUNITAS
PERAN BIG DATA DALAM BIDANG FARMASI
“Mengetahui tidak hanya apa yang terjadi, tetapi mengapa itu terjadi
(diagnostik), apa yang akan terjadi (prediktif) dan bagaimana kita dapat
mewujudkannya (preskriptif), hal itu penting untuk bergerak melampaui big data Farmasi
menuju pengetahuan.“ (Drenik, Forbes) Klinik dan
Komunitas
Deskriptif Biologi dan
Kimia Penentuan
Farmasi
Big Data Diagnostik Kebijakan
Optimalisasi
Analytics Pelayanan
Kesehatan
Prediktif Inovasi Obat
dan Alat
Kesehatan
Preskriptif
Penemuan
Senyawa
Proses penggalian informasi yang berguna dengan Obat Baru
menganalisis berbagai jenis kumpulan data yang berukuran Teknologi
besar untuk mengungkap pola tersembunyi, korelasi yang Farmasi
tidak diketahui, dan informasi bermanfaat lainnya yang dapat
digunakan untuk membuat keputusan yang lebih baik
PENGGUNAAN BIG DATA DALAM PENEMUAN DAN
PENGEMBANGAN OBAT BARU
Pemanfaatan data
protein target
Pemanfaatan data
senyawa tanaman
obat
Pemanfaatan data
Genomik
Pemanfaatan data
struktur kimia
Aplikasi AI
• Penemuan senyawa aktif • Uji in vivo • Farmakokinetik • Efektivitas • Safety dan • Real world Vs Trials
• Uji in vitro • Farmakokinetik • BA & BE dalam efikasi • Validitas Internal
• Farmakodinamik • Dosis aman Pengobatan dan Eksternal
• Toksisitas • Efek obat Penyakit
• Dosis • Rentang dosis
DATA PROTEIN TARGET
https://www.rcsb.org/
Ikatan Energi
yang Paling
Kuat
Molecular Docking
DATA TANAMAN OBAT
http://herbaldb.farmasi.ui.ac.id
Perlu
pengembangan
untuk data tanaman
asli Indonesia secara
http://www.botanicalauthentication.org http://herbalgram.org komprehensif
DATA STRUKTUR KIMIA
• Analisis
interaksi ligan-
reseptor: Plant,
Autodock Vina,
https://pubchem.ncbi.nlm.nih.gov https://chem-space.com
MOE, Molegro
Virtual Docker,
dll.
• Analisis ADMET:
pkCSM online
tool
http://www.chemspider.com https://chemaxon.com
DATA GENOMIK
https://blast.ncbi.nlm.nih.gov https://www.ebi.ac.uk
GenBank: NCBI, US DNA Data Bank of Japan,
Jepang
Pangkalan Data
Primer untuk
sekuens Asam
Nukleat saat ini
https://www.ddbj.nig.ac.jp
EMBL-EBI: European Molecular Biology Laboratory, Eropa
PUSAT INFORMASI OBAT
http://pionas.pom.go.id
Berisi deskripsi obat,
Monografi Obat
(Indikasi, Peringatan,
Interaksi, Nama
Dagang), bentuk
sediaan, Golongan
obat, dll.
Insurance
Imaging and mHealth
Claim
Lab results Applications
Providers
Hospital and
Health
Providers
ELECTRONIC HEALTH RECORDS (EHRs)
EHRs memiliki peran penting dalam usaha pengawasan
kesehatan populasi dan pelayanan kesehatan individu
sehingga data tersebut dapat bermanfaat untuk
1. memprediksi prevalensi penyakit
2. meningkatkan keselamatan pasien
3. memudahkan komunikasi antar profesi kesehatan
4. penentuan kebijakan terkait program kesehatan
nasional.
Dokumentasi
catatan apoteker
JENIS DAN SUMBER DATA HEALTHCARE
Kategori sumber big data healthcare
penting untuk analisis AI:
Web and
•history
social media •health forums
data
Machine-to- •Sensors
machine data •wearable
Big
•Health claim data
transaction •billing data
data
•Fingerprints
Biometric •genetics
data •biomarkers driven from wearables
Human- •Email
generated •paper documents
data •EMR
Praktisi kesehatan dapat mengumpulkan dan menganalisis hasil pemeriksaan rutin pasien
Perencanaan strategis medis dari segi lokasi, demografi, dan masyarakat untuk menemukan faktor perkembangan jenis
penyakit tertentu dan juga untuk meningkatkan strategi pengobatan
Rekomendasi obat berbasis gejala dimungkinkan dengan penggunaan analitik big data.
Drug suggestions Saran dan rekomendasi obat secara online membuat proses penanganan lebih efektif.
Analisis big data dapat mengubah cara pengambilan dan penyimpanan gambar. Algoritma
Medical imaging dirancang untuk membaca dan menyimpan data berbasis piksel, kemudian mengubah
data tersebut menjadi bentuk yang mudah dibaca dan dimengerti oleh dokter.
Penemuan smartphone dan IoT, seseorang dapat memanfaatkan ponsel untuk konsultasi
Telemedicine online, saran obat, diagnosis, pemantauan pasien secara real-time, pelacakan pencapaian
kesehatan, dan banyak hal lainnya
PEMANFAATAN BIG DATA UNTUK SISTEM PENGELOLAAN
FARMASI DALAM PELAYANAN KESEHATAN DI RUMAH SAKIT
Tools pendukung keputusan klinis yang terkait
Optimalisasi penggunaan tools dengan farmasi meliputi tombol dosis obat,
untuk mendukung keputusan
klinis peringatan obat seperti terapi duplikat atau
peringatan interaksi obat-obat, dan pop-up
Data klaim dan biaya
peringatan untuk memperingatkan pengguna
Manajemen
yang memberikan tentang praktik yang berpotensi tidak aman.
informasi tentang
formularium dan
pemanfaatan pemantauan efek
pelayanan Big Data uses samping
within Health Aplikasi EMRs ada yang open source dan berlisensi
System
Peningkatan Pharmacy
Mengukur kualitas
penerapan
dan hasil
evidence-based
perawatan pasien
medicine
Regulasi
Pemerataan
Tecnology
Challenges akses
supports
internet
Integrasi
data
REFERENSI
• Bermudez et.al., Towards a symbiotic relationship between big data, artifcial intelligence, and hospital
pharmacy. J of Pharm Policy and Pract. 13 (75): 1 – 6. 2020.
• Drenick G. Going beyond big data to knowledge webpage on the internet. Forbes [updated March 11, 2014].
Available from: http://www.forbes.com/sites/prospernow/2014/03/11/going-beyondbig-data-
toknowledge/. Accessed Novemver 30, 2021.
• Ma, C., et al. Big data in pharmacy practice: current use, challenges, and the future. Integrated Pharmacy
Research and Practice 4; 91–99. 2015.
• Madanian, S. et al. mHealth and big-data integration: promises for healthcare system in India. BMJ Health
Care Inform. 26:e100071. 2019.
• Marconi, K. and Lehmann, H (Ed.). 2015. Big Data and Health Analytics. CRC Press. US.
• Natarajan, P., Frenzel, J.C., and Smaltz, D.H. 2017. Demystifying Big Data and Machine Learning for
Healthcare. CRC Press. US.
• Panesar, Arjun. 2021. Machine Learning and AI for Healthcare: Big Data for Improved Health Outcomes.
Second Edition. Apress. New York, US.
• Stokes, L.B., et al. 2016. Big Data: Implications for Health System Pharmacy. Hosp Pharm. 51(7): 599–603.
2016.
• Wijaya, R.D. dan Rahman, La ode A. Implementasi Electronic Health Records (EHRs) pada Pelayanan
Kesehatan di Komunitas: Literature Review. Jurnal Kesehatan. 8; 28-38. 2019
BIG DATA