LAPORAN IOT (Internet of Things)

AL DALAM PENGEMBANGAN VAKSIN COVID-19

Disusun Oleh :
1. Safira Azka Kamila (22010323120001)
2. Farah Fika Maulidiya (22010323120005)
3. Trecy Novena Br. Sitepu (22010323120010)
4. Fira Jusyifa Az-Zahra (22010323120011)
5. Siti Nurhalimah (22010323140070)

PROGRAM STUDI FARMASI

FAKULTAS KEDOKTERAN
UNIVERSITAS DIPONEGORO
SEMARANG
2024
 BAB I
PENDAHULUAN

I. Latar Belakang
Baru-baru ini, laporan telah dipublikasikan tentang penggunaan metode
komputasi dan kecerdasan buatan (AI) dalam pengembangan obat. Hal ini disebabkan
oleh fakta bahwa sejumlah besar data atau kumpulan data dari teknik biologi modern
telah menjadi begitu besar, kompleks, dan multidimensi sehingga metode komputasi
klasik tidak mampu memprosesnya dengan tingkat akurasi yang dapat diterima.
Pembelajaran mesin dapat secara akurat mengkarakterisasi beberapa sifat senyawa
seperti afinitas pengikatan target, sifat transpor membran, aspek toksisitas, dan
parameter farmakokinetik atau farmakodinamik tanpa memerlukan sintesis senyawa
yang sebenarnya atau evaluasinya.
Penyakit virus corona 2019, juga dikenal sebagai penyakit virus corona 2019
(COVID-19), pertama kali dilaporkan di Tiongkok pada bulan Desember 2019, dan
penyakit ini telah berkembang menjadi pandemi besar, yang saat ini menyerang 213
negara. Organisasi Kesehatan Dunia (WHO) menyatakan penyakit ini sebagai darurat
kesehatan masyarakat global pada bulan Januari 2020, sehingga menimbulkan risiko
yang signifikan bagi negara-negara dengan sistem kesehatan yang lemah. Pandemi ini
telah menginfeksi lebih dari 22 juta orang di seluruh dunia (6,48 juta kasus aktif).

II. Ringkasan Studi Kasus

Vaksin virus merupakan produk biologi yang dapat menimbulkan aktivitas.
Upaya untuk mengembangkan vaksin SARS-CoV-2 yang aman dan efektif telah
dimulai di beberapa negara, karena vaksinasi mungkin merupakan cara paling efektif
untuk mengatasi pandemi ini. Sebelum suatu vaksin dapat digunakan pada lebih
banyak orang, keamanan dan efektivitasnya harus diketahui sepenuhnya. Vaksin yang
tidak efektif tidak hanya gagal melindungi terhadap virus, namun juga dapat
menyebabkan penyakit melalui peningkatan ketergantungan antibodi atau mekanisme
lainnya. Hingga saat ini, lebih dari 200 kandidat vaksin COVID-19 sedang
dikembangkan dalam berbagai tahap pengujian, dan jumlahnya terus bertambah.
Berbagai kandidat vaksin ini menghadapi berbagai tantangan, mulai dari produksi
hingga manufaktur, penyimpanan, dan suntikan jangka pendek kepada populasi rentan.
 Pemilihan jenis vaksin, pembawa atau vektor, bahan pembantu, eksipien, bentuk
sediaan, dan metode pemberian yang tepat dapat menjadi solusi untuk mengatasi
tantangan-tantangan ini dan juga mengurangi risiko infeksi COVID-19, serta secara
langsung mempengaruhi efektivitas vaksin terhadap penyakit tersebut.
Pada platform klasik, antigen yang berasal dari bakteri tidak aktif atau semi
aktif atau virus yang lemah dapat memasukkan penyakit ke dalam tubuh, namun masih
mampu mengaktifkan sistem kekebalan tubuh dan menyebabkan sel memproduksi
antibodi. Ini karena ketika seseorang bersentuhan dengan patogen asli, sistem
kekebalan tubuh yang sudah rentan terhadap vaksin akan menghasilkan antibodi yang
diperlukan dan berkembang biak lebih cepat.Sebagaimana dijelaskan dalam
pengembangan pengobatan, kesamaan luar biasa antara genom SARS-CoV-2 dan
berbagai virus corona dapat membantu pengembang vaksin mengembangkan kandidat
vaksin COVID-19 yang paling menjanjikan.
Kecerdasan buatan dan alat komputasi lainnya kini digunakan untuk
mempercepat pengembangan vaksin melawan patogen baru ini. Penggunaan bahan
pembantu vaksin untuk meningkatkan imunogenisitas juga dipertimbangkan untuk
meminimalkan dosis yang dapat dicapai dan memperluas spektrum terapeutik dan
keamanan.Dalam hal ini, AS03, MF59, dan CpG 1018 adalah beberapa bahan
pembantu yang secara khusus disetujui dan diproduksi untuk vaksin COVID-19.
Desain vaksin mencakup pemilihan antigen, platform vaksin, serta rute dan
jadwal vaksinasi.Imunogenisitas relatif dari antigen virus yang diturunkan dari vaksin,
apakah diperlukan bahan pembantu imun, dan sifat imunitas protektif akan bergantung
pada pilihan platform vaksin. Karakteristik ini juga menentukan kesesuaian vaksin
untuk jalur vaksinasi tertentu dan apakah rejimen vaksinasi prime-boost diperlukan
untuk meningkatkan kekebalan protektif dan stabilitas vaksin.

III. Analisis Manfaat Dan Tantangan

Manfaat dari penggunaan metode komputasi dan kecerdasan buatan (AI)
dalam pengembangan obat vaksin COVID-19 antara lain :
1. Kecepatan dan Efisiensi : AI memungkinkan penerapan vaksin potensial secara
cepat dan mempercepat proses penelitian dan pengembangan.
2. Penghematan Biaya : Dengan menggunakan AI, peneliti dapat mengurangi biaya
dan waktu yang dihabiskan untuk menguji kandidat vaksin dengan memprediksi
potensi efek samping dan efektivitas vaksin dengan lebih baik.
 3. Pengidentifikasi Pola : AI dapat menemukan pola kompleks dalam data biologis
yang sulit dipahami manusia, membantu kita memahami mekanisme penyakit dan
mengembangkan vaksin yang lebih efektif.

Tantangan yang terkait dengan penggunaan metode komputasi dan AI dalam

merancang vaksin COVID-19 meliputi:
1. Validasi dan Akurasi : Memvalidasi bahwa hasil yang diperoleh dengan metode
AI dapat diandalkan secara klinis dan kandidat vaksin yang dihasilkan aman dan
efektif.
2. Ketersediaan Data yang Berkualitas : Kualitas data yang digunakan dalam
pengembangan AI sangatlah penting. Tantangan seperti inkonsistensi data, bias,
dan data yang hilang dapat memengaruhi keakuratan dan efektivitas model AI.
3. Keterbatasan Teknologi : AI memiliki potensi yang besar, namun masih terdapat
keterbatasan teknis yang perlu diatasi, seperti kemampuan untuk memahami
hubungan biologis yang lebih kompleks dan memprediksi efek samping jangka
panjang.
 BAB II
PEMBAHASAN

I. Analisis Teknologi AI (Algoritma, Data Yang Digunakan, Peran AI Dalam

Pengembangan Obat)
Penggunaan kecerdasan buatan (AI) dalam pengembangan obat merupakan
kemajuan besar dalam industri farmasi.Dengan kemajuan teknologi dan peningkatan
pemahaman tentang mekanisme penyakit, AI telah membuka pintu bagi inovasi yang
lebih cepat dan efisien dalam penelitian dan pengembangan farmasi.Analisis ini
mempertimbangkan berbagai aspek teknologi AI yang digunakan dalam
pengembangan obat, termasuk algoritma yang digunakan, jenis data yang digunakan,
dan peran penting AI dalam proses tersebut.
1. Algoritma dalam Pengembangan Obat menggunakan AI :
Pengembangan obat memerlukan analisis rinci tentang sifat senyawa, interaksi
dengan target biologis, dan prediksi kemanjuran dan toksisitas. Di sinilah
algoritma AI, khususnya pembelajaran mesin dan pembelajaran mendalam,
menjadi sangat berharga.
• Pembelajaran Mesin (Machine Learning)
Algoritme pembelajaran mesin digunakan untuk menganalisis berbagai data,
mulai dari struktur kimia senyawa hingga data biologis dan klinis. Model
pembelajaran mesin dapat belajar mengenali pola kompleks dalam data yang
sulit dikenali manusia. Misalnya, algoritma regresi dapat digunakan untuk
memprediksi aktivitas biologis suatu senyawa berdasarkan struktur
kimianya, sedangkan algoritma klasifikasi dapat membedakan senyawa yang
mempunyai potensi medis dan yang tidak.
• Deep Learning
Jenis pembelajaran mesin mendalam ini menjadi semakin populer dalam
penelitian pengembangan obat. Pembelajaran mendalam, khususnya dalam
bentuk jaringan saraf tiruan, dapat memproses data yang sangat kompleks
dan mengekstrak fitur yang relevan. Dalam konteks pengembangan obat,
pembelajaran mendalam banyak digunakan untuk mengembangkan senyawa
baru, memprediksi interaksi target obat, dan menilai toksisitas.
2. Data yang Digunakan dalam Pengembangan Obat menggunakan AI :
Data adalah aspek utama dalam pengembangan obat, dan AI memungkinkan data
digunakan secara lebih efisien dan dalam skala besar. Berikut beberapa jenis data
yang digunakan dalam pengembangan obat bertenaga AI:
• Data Kimia
Data ini mencakup informasi tentang struktur kimia senyawa obat, data
kinetik dan termodinamika, serta sifat fisikokimia senyawa. Data kimia ini
berguna untuk pengembangan obat, memprediksi aktivitas biologis, dan
memodelkan interaksi target obat.
• Data Biologis
Data ini mencakup informasi tentang struktur protein, jalur biologis yang
terlibat dalam penyakit, dan target biologis seperti data ekspresi gen.Dengan
memanfaatkan data biologis, AI dapat membantu mengidentifikasi target
obat potensial, memahami mekanisme penyakit, dan memprediksi respons
terhadap pengobatan.
• Data Klinis :
Data tersebut meliputi data uji klinis, rekam medis pasien, dan informasi
mengenai efek samping obat.Dengan menggunakan AI untuk menganalisis
data klinis, peneliti dapat mengidentifikasi kandidat obat yang paling
menjanjikan, memperkirakan kemanjuran dan keamanannya, serta
mengoptimalkan desain uji klinis.
3. Peran AI dalam Pengembangan Obat :
Peran AI dalam pengembangan obat sangat penting dan multidimensi. Berikut
adalah beberapa kontribusi utama AI dalam proses ini :
• Desain Obat
AI menggunakan algoritma pembelajaran mesin dan data kimia untuk
memungkinkan identifikasi senyawa dengan potensi obat baru.Melalui
simulasi komputer dan pemodelan molekuler, AI dapat membantu
mengembangkan senyawa dengan sifat yang diinginkan, seperti afinitas
terhadap target biologis dan ketersediaan hayati yang baik.
• Optimasi Proses Penemuan Obat
AI dapat mempercepat dan meningkatkan proses penemuan obat dengan
mengotomatiskan analisis data, memprediksi hasil eksperimen, dan
 mengidentifikasi kandidat obat yang paling menjanjikan untuk
pengembangan lebih lanjut.
• Prediksi Efikasi dan Toksisitas
Salah satu kekuatan utama AI adalah kemampuannya memprediksi
kemanjuran dan toksisitas senyawa dengan akurasi tinggi. Dengan
memanfaatkan data biologis dan klinis, AI dapat membantu mengidentifikasi
kandidat obat dengan profil kemanjuran dan keamanan yang optimal.
• Pemahaman Mekanisme Penyakit
Dengan menggunakan teknik AI untuk menganalisis data biologis dan klinis,
peneliti dapat memperoleh wawasan lebih dalam mengenai mekanisme
penyakit. Hal ini akan memungkinkan pengembangan pengobatan yang lebih
tepat sasaran dan efektif serta identifikasi target obat baru yang potensial.

Penggunaan kecerdasan buatan dalam pengembangan obat telah membawa

peluang baru yang menarik dan mengubah paradigma industri farmasi. AI membantu
peneliti mengidentifikasi kandidat obat yang lebih baik, mempercepat proses
pengembangan obat, dan meningkatkan efisiensi dan akurasi uji klinis dengan
memanfaatkan pembelajaran mesin dan algoritma pembelajaran mendalam serta data
yang tersedia dalam skala besar. Seiring dengan kemajuan teknologi AI dan akses
terhadap data yang relevan, proses pengembangan obat di masa depan kemungkinan
besar akan menjadi lebih cepat, lebih tepat sasaran, dan lebih efisien.

Ada banyak aplikasi AI yang telah dikembangkan dan digunakan selama

pandemi COVID-19 sebagai berikut :
1. Pendeteksian COVID-19 melalui Analisis Gambar Radiologi : Aplikasi AI sedang
dikembangkan untuk menganalisis gambar radiologi seperti CT scan dan rontgen
paru-paru untuk mendeteksi tanda-tanda infeksi virus corona. AI dapat membantu
dokter mempercepat proses diagnosis dengan mengenali pola khas infeksi virus
corona melalui gambar.
2. Sistem Pengawasan Jaga Jarak : Beberapa negara telah memperkenalkan sistem
pengawasan AI yang menggunakan kamera CCTV untuk mendeteksi pelanggaran
jarak sosial di tempat umum. Sistem ini dapat memperingatkan pihak berwenang
jika terdeteksi adanya pelanggaran kerumunan atau jarak sosial yang dapat
meningkatkan risiko penyebaran virus.
 3. Pengembangan Obat dan Vaksin : AI digunakan dalam penelitian dan
pengembangan obat-obatan terapeutik dan vaksin untuk infeksi virus corona baru.
Dengan menggunakan teknik pembelajaran mesin dan pemodelan molekuler,
peneliti dapat menemukan senyawa yang berpotensi bertindak sebagai antivirus
atau penghambat replikasi virus, sehingga mempercepat proses pengembangan
vaksin yang efektif.
4. Pemantauan Kesehatan dan Deteksi Gejala Awal : Aplikasi AI sedang
dikembangkan untuk memantau kesehatan individu menggunakan data seperti
suhu tubuh, detak jantung, dan kadar oksigen darah untuk mendeteksi gejala awal
COVID-19. Hal ini membantu individu mengenali risiko mereka dan mencari
pengobatan sejak dini.

Contoh aplikasi AI yang digunakan oleh pemerintah selama pandemi COVID-19 :

1. TraceTogether (Singapura) : Aplikasi ini menggunakan teknologi Bluetooth untuk
melacak kontak antara orang-orang dan memperingatkan pengguna yang
mungkin telah terinfeksi virus corona.

2. COVIDSafe (Australia): Merupakan aplikasi pelacakan kontak yang

menggunakan teknologi Bluetooth dan pengkodean data anonim untuk melacak
kontak dekat antara pengguna.
 3. COVID Symptom Tracker (Britania Raya): Aplikasi ini memungkinkan
pengguna melaporkan sendiri gejala COVID-19. Data ini digunakan untuk
memantau gejala dan penyebaran virus.

4. Nextstrain (Berbagai Negara): Meskipun bukan aplikasi langsung pemerintah,

Nextstrain adalah platform analisis genom yang banyak digunakan oleh
pemerintah dan peneliti untuk memantau wabah dan penyebaran virus penyakit
virus corona (COVID-19).

Inovasi-inovasi ini menunjukkan bagaimana AI membantu mengatasi

tantangan yang terkait dengan pandemi COVID-19, memberikan solusi efektif untuk
menghentikan penyebaran virus, dan meningkatkan kesehatan dan manajemen
masyarakat secara keseluruhan. Inovasi-inovasi ini telah membuktikan potensi besarnya.
II. Manfaat Penggunaan AI Tersebut
Pengembangan obat yang menggunakan algoritma dan kecerdasan buatan (AI)
terkait dengan vaksin virus corona baru memberikan dampak besar dalam berbagai
cara. Berikut beberapa manfaat utamanya :
1. Penemuan Cepat Calon Vaksin : Algoritma dan AI dapat mempercepat proses
penemuan kandidat vaksin dengan menganalisis data tentang genom virus,
struktur protein, dan respon imun tubuh manusia jauh lebih cepat dibandingkan
metode tradisional. Hal ini akan memungkinkan para peneliti untuk lebih cepat
mengidentifikasi target potensial vaksin.
2. Perancangan Molekul : Algoritma dan AI dapat digunakan untuk
mengembangkan molekul yang berpotensi sebagai vaksin dan pengobatan
penyakit virus corona (COVID-19). Ini adalah simulasi komputer yang
memprediksi bagaimana molekul hasil rekayasa akan berinteraksi dengan virus
dan sistem kekebalan tubuh manusia.
3. Optimisasi Proses Pengujian: Algoritma dan AI dapat membantu
mengoptimalkan proses uji klinis, termasuk memilih pasien yang tepat,
merancang protokol uji klinis, dan memantau efek samping. Hal ini dapat
meminimalkan waktu dan biaya pengujian serta mempercepat pengembangan
vaksin.
4. Prediksi Efikasi Vaksin : Dengan menganalisis data klinis dan epidemiologi yang
ekstensif, algoritma dan AI dapat membantu memprediksi efektivitas vaksin
sebelum uji klinis selesai. Hal ini akan membantu para peneliti memilih kandidat
vaksin yang paling menjanjikan untuk dipertimbangkan lebih lanjut.
5. Pemantauan Variasi Virus : Algoritma dan AI dapat digunakan untuk memantau
dan menganalisis wabah virus penyakit virus corona (COVID-19) dan mutasi
genetiknya. Informasi ini penting untuk memahami bagaimana vaksin dapat tetap
efektif melawan varian virus baru.

Algoritma dan AI memiliki banyak manfaat, namun penggunaannya dalam

pengembangan obat, termasuk vaksin COVID-19, memerlukan data berkualitas tinggi,
etika yang ketat, dan perlu diingat bahwa hal tersebut harus didukung dengan validasi
klinis yang cermat.
III. Tantangan Dan Batasan Penggunaan AI Dalam Studi Kasus Tersebut (Bias Data,
Validasi Data, Ketergantungan Pada Data Berkualitas Tinggi.
Kecerdasan buatan (AI) mempunyai potensi besar untuk membantu mengatasi
pandemi COVID-19, namun ada banyak tantangan dan keterbatasan yang harus diatasi
sebelum dapat digunakan secara efektif. Tantangan tersebut antara lain:
1. Bias Data : Salah satu tantangan terbesar saat menggunakan AI adalah data
cenderung mengandung bias yang dapat memengaruhi performa model.
Misalnya, jika data yang digunakan untuk melatih suatu model bias terhadap
kelompok tertentu (seperti usia, jenis kelamin, atau etnis), model yang dihasilkan
mungkin juga bias. Hal ini dapat mengakibatkan hasil yang tidak adil atau tidak
akurat, terutama dalam konteks diagnosis dan pemantauan COVID-19.
2. Validasi Data yang Terbatas : Validitas dan reliabilitas data yang digunakan untuk
melatih model AI merupakan aspek penting untuk memastikan performa yang
baik. Namun, selama pandemi COVID-19, data kesehatan seringkali terbatas,
tidak lengkap, atau tidak terstruktur dengan baik. Kurangnya validasi dan
pemantauan data dapat menyebabkan hasil model AI tidak dapat diandalkan.
3. Ketergantungan pada Data Berkualitas Tinggi : Model AI sering kali
membutuhkan akses terhadap data berkualitas tinggi untuk memberikan hasil
yang akurat dan bermanfaat. Namun, dalam konteks pandemi, data yang
berkualitas mungkin sulit untuk diperoleh, terutama karena kecepatan dan urgensi
respons yang dibutuhkan. Keterbatasan data berkualitas tinggi dapat menghambat
kemampuan model AI untuk memberikan solusi yang relevan dan efektif.
4. Keterbatasan dalam Generalisasi Model : Model AI yang dibuat untuk tujuan
tertentu mungkin sulit diterapkan pada situasi atau populasi yang berbeda.
Misalnya, model yang dibangun menggunakan data dari satu wilayah geografis
mungkin tidak dapat diterapkan dengan baik ke wilayah lain dengan karakteristik
berbeda. Hal ini dapat berdampak pada skalabilitas dan penerapan solusi AI
dalam respons global terhadap pandemi COVID-19.
5. Ketergantungan pada Infrastruktur Teknologi : Model AI yang dibuat untuk
tujuan tertentu mungkin sulit diterapkan pada situasi atau populasi yang berbeda.
Misalnya, model yang dibangun menggunakan data dari satu wilayah geografis
mungkin tidak dapat diterapkan dengan baik ke wilayah lain dengan karakteristik
berbeda. Hal ini dapat berdampak pada skalabilitas dan penerapan solusi AI
dalam respons global terhadap pandemi COVID-19.
IV. Implikasi Etis & Praktis
Dampak praktis AI dalam pengembangan vaksin COVID-19 adalah dengan
bantuan AI, para ilmuwan dapat mempercepat proses pengembangan vaksin COVID-
19 melalui analisis data yang efisien sehingga menghasilkan kandidat vaksin dengan
lebih cepat. Akibatnya, waktu yang dibutuhkan untuk mengembangkan vaksin
berkurang dari beberapa tahun menjadi hanya beberapa bulan. Dengan dukungan
kecerdasan buatan (AI), rencana distribusi vaksin juga dapat menjadi lebih efektif
dengan memprediksi permintaan dan alokasi yang optimal berdasarkan data demografi
dan epidemiologi. Perkiraan permintaan yang optimal akan memastikan distribusi
vaksin yang efisien kepada mereka yang paling membutuhkan. Penggunaan AI dalam
vaksinasi sangat membantu masyarakat, terutama ilmuwan dan tenaga medis, karena
penggunaan AI mengurangi beban kerja. Implikasi etis dari pengembangan AI dalam
vaksin adalah membantu mengembangkan vaksin yang lebih akurat, sehingga
meningkatkan kemanjuran vaksin dan mengurangi risiko yang tidak diinginkan. AI
dapat mempercepat identifikasi kandidat vaksin, meningkatkan efisiensi
pengembangan, dan memungkinkan personalisasi vaksin untuk meningkatkan
kemanjuran. Memastikan transparansi dalam proses pengembangan vaksin berbasis AI
sehingga masyarakat memahami cara pengambilan keputusan dan yakin bahwa vaksin
yang dihasilkan aman dan efektif.
 BAB III
REFLEKSI

Penggunaan kecerdasan buatan (AI) memiliki peran penting dalam penemuan

dan pengembangan vaksin COVID-19 yang mampu mempercepat proses penemuan
dan pengembangan tersebut sebagai beerikut :
1. AI dapat membantu mengembangkan molekul vaksin yang lebih efektif dan aman
menggunakan teknik pembelajaran mesin dan simulasi komputer. Hal ini
menghemat waktu pada tahap penelitian dan pengujian vaksin.
2. AI dapat digunakan untuk memprediksi dengan cepat struktur protein virus,
termasuk protein lonjakan yang merupakan target utama vaksin COVID-19.
Berdasarkan struktur ini, peneliti dapat mengembangkan vaksin yang lebih
spesifik dan efektif.
3. Kecerdasan buatan dapat membantu memantau mutasi virus COVID-19 secara
real time, yang penting untuk memperbarui dan mengadaptasi vaksin terhadap
perubahan evolusi virus..
4. Melalui analisis data, AI dapat membantu dalam pengidentifikasian pasien yang
tepat untuk pengujian klinis vaksin, serta membantu dalam pemantauan efek
samping dan respon imun dari partisipan.
5. Penggunaan AI dalam pengembangan vaksin juga menimbulkan sejumlah
tantangan, termasuk privasi data, keamanan siber, dan kepercayaan publik
terhadap teknologi ini. Penting bagi para peneliti dan pengambil kebijakan untuk
mempertimbangkan aspek-aspek ini dengan serius.

Oleh karena itu, kemungkinan penggunaan kecerdasan buatan dalam

penemuan dan pengembangan vaksin COVID-19 menunjukkan potensi besar teknologi
ini untuk merespons penyakit seperti penyakit tersebut dengan cepat dan efektif. krisis
kesehatan global atau pandemi. Namun, penting untuk memperhatikan risiko yang ada,
seperti keamanan informasi dan resistensi sistem.
 DAFTAR PUSTAKA

Ameneh., Jafari. et al. 2022. Current advances and challenges in COVID-19 vaccine
development: from conventional vaccines to next-generation vaccine
platforms. Pubmed Central. 49(6): 4943–4957.
Wilder-Smith A, Freedman, DO. 2020. Isolation, quarantine, social distancing and
community containment: pivotal role for old-style public health measures in
the novel coronavirus (2019-nCoV) outbreak. Journal Travel Med. 27(2):1–4.