Saat AI Membawa Harapan: Apa yang Diceritakan Sebuah Kisah Kanker tentang Masa Depan Kedokteran

Kalau kita mengikuti berita tentang AI, sekarang biasanya kita hanya melihat dua jenis judul besar: ketakutan soal kehilangan pekerjaan dan ketakutan soal penyalahgunaan. Deepfake, celah keamanan, PHK massal, pengawasan, manipulasi. Banyak dari semua itu memang nyata dan pantas diperhatikan. Tetapi justru karena itu, hal lain hampir tenggelam: teknologi yang sama juga bisa memadatkan pengetahuan, mengurangi friksi, dan dalam beberapa kasus memberi kembali waktu kepada orang-orang ketika mereka paling membutuhkannya.

Saya sudah menulis di blog ini, dalam artikel lain , tentang betapa cepat semuanya sedang berubah. Tulisan ini pada dasarnya adalah sisi medis dari tema yang sama: lebih sedikit pasar, lebih sedikit hype, lebih banyak manusia.

Satu kisah dari OpenAI Forum benar-benar menggambarkan itu. Ini bukan cerita manis, bukan cerita nyaman, dan jelas bukan janji mukjizat. Tetapi kisah ini menunjukkan sesuatu yang kemungkinan besar akan makin sering kita dengar di masa depan, termasuk dari orang-orang yang bukan jutawan.

Singkatnya:

• Dalam kasus ini, AI tidak menggantikan dokter. AI sangat mempercepat analisis, riset, dan koordinasi.
• Hari ini, jalur seperti ini masih sangat tidak merata, karena membutuhkan uang, waktu, akses, dan kemauan untuk menghadapi kompleksitas medis yang tinggi.
• Begitulah juga banyak teknologi besar dimulai sebelum akhirnya menjadi hal biasa bagi jauh lebih banyak orang.

Kalau ingin menonton presentasi aslinya, videonya bisa langsung dilihat di sini:

Kisah Yang Mudah Terlewat

Di pusat kisah ini ada Sid Sijbrandij, salah satu pendiri GitLab. Ia didiagnosis osteosarkoma, kanker tulang yang langka dan agresif. Di forum itu, ia menceritakan dengan sangat terbuka betapa brutalnya terapi standar: operasi, fusi tulang belakang, radiasi, kemoterapi, transfusi darah, dan kejatuhan fisik total. Bagi banyak orang, itu saja sudah lebih dari cukup.

Salah satu titik balik awal yang penting baginya adalah apa yang disebut click chemistry, sebuah metode pemenang Nobel yang memungkinkan senyawa tertentu dikombinasikan secara sangat terarah. Bagi Sid, ini bukan hanya menarik secara ilmiah, tetapi juga penting secara mental, karena ia melihat bahwa pengobatan tidak selalu harus bergerak hanya melalui uji besar yang standar. Melalui jalur seperti single-patient IND, dalam situasi ekstrem ternyata juga ada jalan legal dan resmi untuk terapi yang sangat individual.

Lalu datang bagian yang jauh lebih berat: kankernya kembali. Hampir tidak ada lagi opsi standar yang benar-benar mapan. Tidak ada pipeline yang rapi. Tidak ada langkah berikutnya yang jelas. Tidak ada kalimat sederhana seperti “sekarang kita lakukan terapi B.” Dan justru di titik itulah terjadi sesuatu yang menurut saya sangat khas untuk zaman ini: ia berhenti dari pekerjaannya dan masuk ke founder mode, bukan demi sebuah startup, tetapi demi kelangsungan hidupnya sendiri.

Pada pandangan pertama, itu terdengar absurd. Seorang pendiri perusahaan teknologi memperlakukan kanker seperti masalah rekayasa. Dan sejujurnya, reaksi pertama saya juga pasti skeptis. Kedokteran bukan produk SaaS. Chatbot bukan onkolog. API call bukan terapi.

Tetapi terlalu mudah kalau cerita ini langsung dibuang sebagai kasus khusus Silicon Valley. Yang terlihat di sini bukanlah “kesembuhan ajaib lewat ChatGPT”, melainkan cara kerja baru dalam kedokteran: lebih banyak data, lebih banyak pengenalan pola, lebih banyak kerja paralel, hipotesis yang lebih cepat, pertanyaan yang lebih baik, dan siklus yang lebih pendek antara temuan dan keputusan.

Apa Yang Sebenarnya Dilakukan AI Dalam Kasus Ini

Poin terpenting lebih dulu: AI tidak menyembuhkan kanker. Itu akan menjadi penyederhanaan yang salah dan berbahaya. Yang membantu di sini adalah gabungan antara diagnostik, para spesialis, pendekatan eksperimental, pengalaman klinis, ketekunan pribadi, dan AI sebagai akselerator.

Dalam presentasi itu, Sid Sijbrandij dan Jacob Stern menggambarkan beberapa contoh yang sangat konkret.

Mereka mengumpulkan data dalam jumlah sangat besar, termasuk, menurut penjelasan mereka sendiri, sekitar 25 terabyte materi. Itu mencakup bulk RNA sequencing, analisis sel tunggal, patologi, pemindaian, data darah, model organoid, dan berbagai metode diagnostik eksperimental. Kedalaman data seperti ini hari ini masih jauh di luar jangkauan kebanyakan pasien. Tetapi yang menarik adalah apa yang dilakukan terhadap data itu setelah tersedia.

Jacob Stern, yang merupakan seorang genetikus, secara eksplisit mengatakan di forum bahwa ia bukan dokter. Menurutnya, AI tidak memberinya pengetahuan ajaib, melainkan semacam baju zirah Iron Man untuk domain yang sangat khusus. Artinya, kemampuan untuk cepat mengejar pemahaman, berbicara dengan para ahli secara masuk akal, mengajukan pertanyaan yang lebih baik, dan menyiapkan langkah berikutnya yang tepat.

Contoh awalnya: mereka memberikan file CSV hasil bulk RNA sequencing ke ChatGPT dan meminta pembacaan awal. Itu saja sudah cukup berguna untuk memunculkan penanda tertentu dan dinamika tertentu dalam lingkungan tumor dengan lebih cepat. Setelah itu mereka melangkah lebih jauh: bahasa alami sebagai input, telaah literatur agentic, pembentukan hipotesis, langkah bioinformatika, kode, plot, dan laporan ringkas sebagai output.

Dalam salah satu contoh di presentasi, analisis seperti ini berjalan sekitar 30 menit dan menelan biaya kira-kira 20 dolar API. Di belakang layar, sistem itu terhubung ke sekitar 600.000 sel tunggal dari beberapa titik waktu pengambilan darah. Kontras ini sendiri sudah sangat mencolok: kompleksitas biologis yang sangat besar di satu sisi dan bantuan analitis yang relatif murah di sisi lain.

Keadaannya menjadi lebih menarik lagi ketika mereka membahas pengembangan terapi. Mereka menyebut:

• vaksin kanker mRNA yang dipersonalisasi berdasarkan mutasi spesifik dari tumor
• terapi TCR-T yang dirancang untuk menargetkan tumor secara lebih presisi
• pendekatan CAR-T dengan logika keamanan tambahan untuk mengurangi efek berbahaya pada jaringan sehat
• pencarian target yang kurang diteliti, yaitu protein atau struktur yang bisa sangat relevan pada satu kasus individual, tetapi hampir tidak dibahas dalam riset arus utama

Sid mengatakan pada satu titik bahwa tangga terapinya berubah dari nol menjadi lebih dari 30 opsi. Bukan karena tiba-tiba ada obat ajaib muncul, tetapi karena data, diagnostik, pengetahuan spesialis, dan AI bersama-sama membuka permukaan pencarian yang jauh lebih luas.

Contoh terbaik untuk efek “jarum dalam jerami” ini, bagi saya, adalah Penexin 3. Menurut presentasi itu, protein ini muncul sekitar 10.000 kali lebih kuat dalam kankernya dibandingkan jaringan sehat. Namun di literatur hampir tidak ada apa-apa tentang itu. Dugaan timnya adalah bahwa karena target ini hidrofobik, ia просто lolos dari banyak tes standar. Tepat di sinilah AI menunjukkan apa yang bisa diberikannya dalam kasus seperti ini. Bukan karena AI “lebih pintar dari semua peneliti”, tetapi karena AI cukup sabar untuk menelusuri ruang data yang sangat besar berulang-ulang sampai sinyal tak biasa seperti ini akhirnya terlihat.

Di situ kekuatan sebenarnya terlihat. Bukan sebagai orakel, tetapi sebagai alat untuk mengubah ribuan paper, titik data, marker, profil efek samping, dan hubungan biologis menjadi sesuatu yang operasional dengan jauh lebih cepat.

Bagi saya, inti ceritanya ada di sini: AI memadatkan pengetahuan spesialis. AI tidak mengubah orang awam menjadi dokter. Tetapi AI bisa mendekatkan pasien yang terlibat, keluarga, dan tim lintas disiplin kepada literatur terbaru dan ruang pengambilan keputusan yang nyata.

Masa Depan Ini Masih Sangat Tidak Merata

Kita tidak boleh meromantisasi ini. Saat ini, kisah ini masih sangat elitis.

Untuk bergerak seperti ini, dibutuhkan:

• uang
• waktu
• spesialis yang sangat kuat
• akses ke metode diagnostik langka
• energi mental yang sangat besar
• kemampuan menahan kompleksitas medis

Mereka sendiri mengatakan ini dengan cukup terbuka dalam presentasi. Beberapa hal sangat mahal. Hal lain justru menjadi mengejutkan murah. Dan campuran inilah yang membuat momen ini sangat menarik. Kita sedang melihat transisi: pengembangan terapi itu sendiri sering kali masih mahal, lambat, dan birokratis. Tetapi beberapa lapisan di bawahnya sudah mulai lebih murah.

Di forum, mereka menyebut angka kasar seperti sekitar 50 dolar untuk bulk RNA sequencing, sekitar 500 dolar untuk whole-genome sequencing, dan sekitar 20 dolar untuk analisis berbantuan AI yang lebih canggih. Itu bukan total biaya penuh pengobatan kanker, tetapi itu adalah sinyal. Lapisan pengetahuan mulai menjadi deflasioner.

Dan itu sangat penting, karena hari ini pengobatan sering gagal bukan pertama-tama karena kurang niat baik, tetapi karena friksi: data tersebar, pengetahuan spesialis tersilo, studi terlalu lama, kasus langka jatuh di luar jalur standar, dan terlalu banyak waktu terbuang antara temuan dan keputusan.

Hal lain yang menurut saya sangat kuat dari kisah ini adalah bahwa ini secara eksplisit tidak dimaksudkan untuk tetap menjadi playbook elit bagi satu kasus saja. Dalam presentasi dan di situs proyek terkait, jelas bahwa data, pembelajaran, dan proses sedang disusun secara sadar agar pasien dan tim lain nanti dapat membangun di atasnya dengan lebih cepat.

Beginilah Banyak Teknologi Besar Dimulai

Justru karena itu, kisah ini membuat saya teringat pada pola lama. Di awal, teknologi baru hampir selalu hanya tersedia bagi mereka yang punya lebih banyak uang, lebih banyak akses, dan lebih banyak ruang untuk bereksperimen dibanding kebanyakan orang.

Dalam banyak periode sejarah, bak mandi terutama hanya dimiliki raja, bangsawan, atau rumah tangga yang sangat kaya. Hari ini, air hangat adalah bagian biasa dari kehidupan sehari-hari bagi jutaan orang.

Dan ini bukan pengecualian. Tiga contoh lain menunjukkan pola yang sama:

• Lampu listrik di rumah dulu adalah kemewahan untuk bangunan kaya, hotel, dan industri. Hari ini kita baru menyadari betapa biasanya itu ketika listrik mati.
• Perjalanan udara dulu adalah simbol kekayaan, status, dan pengecualian. Hari ini, walau tidak sama murah untuk semua orang, ia jelas sudah menjadi mobilitas massal dan bukan lagi hak istimewa aristokrat.
• Sequencing genom dulu adalah proyek miliaran dolar selama bertahun-tahun. Hari ini, dalam beberapa kasus, kita berbicara tentang ratusan dolar dan hitungan hari, bukan dekade.

Menurut saya, seperti itulah kita harus memandang bentuk baru pengobatan yang dipersonalisasi ini. Apa yang hari ini terlihat seperti concierge medicine untuk para pendiri yang sangat terhubung, nanti bisa tersedia lebih luas dalam bentuk yang lebih sederhana, lebih terstandar, dan lebih otomatis.

Teknologi selalu berskala. Mula-mula lambat, lalu tiba-tiba.

Tidak otomatis. Tidak dengan sendirinya. Tidak adil dalam semalam. Tetapi secara historis polanya jelas: pertama kemewahan, lalu alat, lalu infrastruktur.

Mengapa Ini Tetap Membuat Saya Berharap

Yang paling mengesankan bagi saya dari kisah ini adalah bahwa kisah ini tidak bertumpu pada mukjizat. Kisah ini bertumpu pada kompresi.

Di sini AI memadatkan:

• literatur
• diagnostik
• pengenalan pola
• komunikasi lintas disiplin
• kemampuan untuk tidak terlalu cepat menyerah pada kasus langka

Dan itu sangat berharga dalam kedokteran. Karena penyakit langka dan perjalanan penyakit yang tidak biasa sering gagal bukan karena tidak ada informasi sama sekali, tetapi karena tidak ada yang punya waktu untuk merangkumnya menjadi sesuatu yang berguna.

Kalau ribuan halaman riwayat medis, nilai laboratorium, scan, data RNA, dan studi bisa diubah menjadi model yang bisa dipakai, itu bukan hanya relevan untuk beberapa kasus kaya yang tidak biasa. Itu adalah pratinjau dari dunia medis yang bisa menjadi lebih presisi, lebih personal, dan semoga lebih adil.

Apa yang hari ini masih terlihat sebagai terapi pengecualian, besok bisa menjadi standar dalam bentuk yang lebih kecil dan lebih praktis:

• sistem yang otomatis menyorot marker langka
• asisten yang menyortir studi relevan untuk dokter dan pasien
• alat yang membuat jalur terapi yang mungkin dan profil efek samping menjadi lebih transparan
• diagnostik yang lebih serius memandang biologi individual alih-alih hanya mengikuti jalur standar

Dan ya, kita hampir pasti akan mendengar jauh lebih banyak tentang ini, bukan hanya dari para pendiri yang punya sumber daya. Alat-alatnya akan membaik. Biayanya akan turun. Antarmukanya akan menjadi lebih sederhana. Di situlah skalasi dimulai.

Kesimpulan Saya

Itulah mengapa saya merasa kisah ini penting. Kisah ini membantu meluruskan pandangan kita sedikit. AI bukan hanya risiko. Bukan hanya PHK. Bukan hanya hype. Bukan hanya masalah keamanan. AI juga bisa menjadi alat yang membantu orang menavigasi sistem yang sakit, lambat, dan sering kewalahan dengan lebih baik.

Tentu saja kita tidak boleh jatuh ke dalam romantisme teknologi. Fondasi kesehatan kita yang paling penting tetap sangat tidak glamor dan sangat manusiawi:

• tidur yang cukup
• gerak
• pola makan
• disiplin sehari-hari

Bagian itu masih sangat banyak berada di tangan kita sendiri. Itu tetap menjadi fondasinya.

Kalau kamu tertarik pada tema-tema itu, di blog ini sudah ada tulisan praktis dan personal tentang health tracking dan data kesehatan dan juga tentang Whoop, pemulihan, tidur, dan beban .

Tetapi setelah itu, saya yakin, kita akan membutuhkan AI. Bukan sebagai pengganti dokter, bukan sebagai tombol ajaib, tetapi sebagai lapisan kecerdasan kedua di atas data, riset, dan kompleksitas.

Dan di situlah Google juga terasa relevan bagi saya. Dengan AlphaFold, Google DeepMind membuka struktur prediksi untuk lebih dari 200 juta protein kepada publik, dan dengan AlphaFold 3 mereka menyiapkan langkah berikutnya, di mana bukan hanya protein tetapi juga interaksinya dengan molekul lain dapat dimodelkan dengan lebih baik. Itu bukan “obat untuk semua penyakit.” Tetapi itu adalah pengungkit dasar yang sangat besar, karena biologi menjadi jauh lebih mudah dibaca bagi para peneliti.

Karena itu saya tetap berharap. Bukan naif. Bukan buta. Tetapi berharap. Kalau kita bisa memikirkan gaya hidup, pencegahan, kedokteran yang baik, dan AI secara bersih bersama-sama, masa depan benar-benar bisa membawa lebih banyak kesehatan bagi jauh lebih banyak orang.

Sampai jumpa lagi,
Joe