TEXAS — Siswa SMP Berhasil Skrining 10 Juta Molekul Obat Demensia

Di tengah pesatnya perkembangan teknologi kecerdasan buatan yang mengubah berbagai bidang kehidupan, seorang siswi kelas delapan asal Friendswood, Texas, berhasil mencatatkan prestasi laboratorium komputasi yang sangat luar biasa. Myreen Ahsan, seorang pelajar sekolah menengah pertama, secara mandiri memanfaatkan algoritma kecerdasan buatan (AI) untuk menyaring lebih dari 10 juta molekul potensial obat. Penelitian mutakhir ini ia refleksikan khusus untuk merancang jalur terapi bagi penderita Demensia Frontotemporal (FTD), sebuah penyakit neurodegeneratif yang hingga kini amat minim opsi pengobatannya.

Daya pikir kritis dan ketekunan Myreen tidak hanya memberi angin segar bagi peta riset medis modern, melainkan juga mengantarkan namanya masuk ke dalam jajaran finalis tingkat nasional pada ajang kompetisi sains paling bergengsi di Amerika Serikat. Keberhasilannya menembus babak final memperlihatkan bagaimana teknik pembelajaran mesin (machine learning) kini dapat diakses dan dioptimalkan oleh generasi muda untuk memecahkan persoalan bioteknologi yang rumit.

Inovasi Kunci: Kecerdasan Buatan dalam Skrining Molekuler

Metode penemuan obat secara konvensional di laboratorium basah (*wet-lab*) kerap memakan waktu bertahun-tahun serta menelan biaya hingga jutaan dolar AS. Namun, melalui pendekatan simulasi komputasi (*in silico*), Myreen mampu melakukan penapisan molekuler secara virtual terhadap jutaan struktur kimia hanya dalam hitungan minggu. Algoritma yang ia terapkan secara presisi menganalisis afinitas ikatan molekul terhadap target protein spesifik yang memicu kerusakan sel saraf pada otak penderita.

Melawan Demensia Frontotemporal Lewat Pembelajaran Mesin

Demensia Frontotemporal merupakan salah satu jenis demensia yang merusak lobus frontal dan temporal otak. Dampaknya sangat destruktif karena memicu perubahan perilaku ekstrim, gangguan kepribadian, serta kemunduran kemampuan berbahasa. Berbeda dari penyakit Alzheimer yang dominan menyerang lansia di atas 65 tahun, FTD sering kali terdiagnosis pada pasien berusia lebih muda, yakni rentang 45 hingga 65 tahun.

"Pemanfaatan pembelajaran mesin bukan sekadar mempercepat proses identifikasi, melainkan membuka ruang analisis baru untuk menemukan struktur molekul spesifik yang sulit dipetakan secara manual oleh manusia," ungkap penuturan ilmiah riset tersebut mengenai efisiensi pemodelan AI.

Penelitian Myreen membuktikan pentingnya pengaplikasian kecerdasan buatan dalam memetakan kandidat senyawa yang mampu menghambat agregasi protein toksik di dalam otak. Pencapaian ini mempertegas bahwa ruang riset tingkat tinggi kini tidak lagi terbatas bagi para ilmuwan senior, melainkan terbuka luas bagi generasi muda yang menguasai teknologi computational biology.

Langkah Menuju Final Nasional di Washington, D.C.

Berkat terobosan ilmiah yang fenomenal ini, Myreen dijadwalkan terbang ke Washington, D.C. pada akhir tahun ini untuk mempresentasikan seluruh hasil temuannya secara langsung di hadapan dewan juri. Dewan penilai tersebut terdiri dari pakar ilmu kesehatan, akademisi senior, dan ilmuwan riset industri ternama di Amerika Serikat.

Keikutsertaan Myreen dalam ajang nasional ini ditopang oleh beberapa poin krusial riset:

• Integrasi AI dan Biologi: Menggunakan pembelajaran mesin untuk pemodelan ikatan molekuler obat secara sistematis.
• Target Medis Spesifik: Memfokuskan prediksi pada target protein penyebab Demensia Frontotemporal.
• Skabilitas Data Raksasa: Berhasil memproses data lebih dari 10.000.000 molekul dalam satu kerangka kerja komputasi.
• Pengakuan Nasional: Terpilih sebagai finalis utama yang siap mempresentasikan temuan di Washington, D.C.

Keberhasilan Myreen Ahsan menjadi inspirasi berharga bahwa penguasaan sains data dan AI dapat diarahkan langsung untuk menjawab tantangan kesehatan global. Pengakuan di tingkat nasional ini menandai awal dari perjalanan panjang seorang peneliti muda dalam memberikan kontribusi nyata bagi dunia kedokteran dan kemanusiaan.