Lawan Kanker: Peneliti MIT Gunakan Machine Learning Prediksi Evolusi Tumor

[CAMBRIDGE], (10 Maret 2026) — Mengutip laporan resmi dari MIT News yang disusun oleh Lillian Eden, sebuah terobosan dalam onkologi komputasi tengah dikembangkan di Massachusetts Institute of Technology. Asisten Profesor Matthew G. Jones kini memfokuskan risetnya untuk membedah kode proses molekuler guna mengantisipasi bagaimana dan kapan tumor berevolusi untuk melawan pengobatan.

Seperti halnya burung finch Darwin yang berevolusi melalui seleksi alam untuk bertahan hidup, sel-sel yang membentuk tumor kanker juga terus melakukan manuver serupa. Matthew G. Jones, yang terafiliasi dengan MIT Department of Biology dan Koch Institute for Integrative Cancer Research, menggunakan pendekatan komputasi untuk membangun model prediktif yang ia ibaratkan sebagai permainan catur melawan kanker.

Peran Krusial ecDNA dalam Kanker Agresif

Salah satu fokus utama Jones adalah fenomena DNA amplification yang disebut extrachromosomal DNA (ecDNA). Berbeda dengan DNA normal, ecDNA berbentuk lingkaran dan terpisah dari kromosom utama di dalam inti sel.

Awalnya dianggap sebagai kejadian langka, data terbaru dari next-generation sequencing menunjukkan bahwa ecDNA hadir dalam sekitar 25 persen kanker yang paling agresif, termasuk kanker otak, paru-paru, dan ovarium. Jones menekankan bahwa ecDNA mampu mengubah "aturan main" evolusi tumor, memungkinkan penyakit berkembang ke tahap agresif dengan kecepatan yang mengejutkan.

Integrasi AI dan Eksperimen Biologi

Untuk memahami dinamika ini, laboratorium Jones menggunakan single-cell lineage tracing. Teknologi ini memungkinkan peneliti untuk mempelajari silsilah sel individu. Saat mengambil sampel sel, peneliti tidak hanya mengetahui profil sel saat ini, tetapi juga dapat menentukan kapan tepatnya mutasi agresif muncul dalam sejarah perkembangan tumor tersebut.

Melalui Machine Learning, data pasien yang masif diolah untuk menemukan pola stereotipikal dalam ruang dan waktu. "Saya berharap kita akan menjadi lebih baik dalam melakukan stratifikasi pasien yang akan merespons obat tertentu, mengantisipasi dan mengatasi resistensi obat, serta mengidentifikasi target terapi baru," ujar Jones.

Dampak bagi Indonesia

Teknologi pemodelan prediktif berbasis Machine Learning ini memiliki relevansi strategis bagi sektor kesehatan di Indonesia, terutama dalam penanganan kasus kanker yang terus meningkat:

1. Efisiensi Biaya Terapi: Kanker merupakan salah satu beban terbesar BPJS Kesehatan. Dengan kemampuan memprediksi respons obat melalui AI, pemilihan terapi bisa menjadi lebih akurat (Precision Medicine), mengurangi pemborosan biaya pada pengobatan yang tidak efektif yang bisa mencapai puluhan juta Rupiah (IDR) per siklus.
2. Akselerasi Riset Genomik: Indonesia melalui Biomedical Genome Science Initiative (BGSi) dapat mengadopsi model Machine Learning ini untuk memetakan variasi genetik spesifik populasi lokal dalam menghadapi kanker agresif.
3. Kebutuhan Infrastruktur: Implementasi teknologi ini di Indonesia memerlukan investasi pada Data Center dan unit GPU berperforma tinggi untuk memproses algoritma Neural Networks yang digunakan dalam analisis data genomik skala besar.

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.