Jakarta, Energindo.co.id – Tantangan kesehatan modern semakin kompleks, terutama ketika penyakit kronis dan degeneratif terus menunjukkan angka yang mengkhawatirkan. Di Indonesia, autoimun dan kanker menunjukkan prevalensi yang signifikan. Data Kemenkes (2023) kasus autoimun mencapai 2,5 juta penduduk. Sementara itu, penyakit kanker juga masih menjadi penyebab kematian tertinggi keempat, dengan lebih dari 400 ribu kasus baru setiap tahunnya (Kemenkes RI, 2025).
Seiring meningkatnya penyakit tersebut, mendorong urgensi pengembangan riset biomedis yang lebih akurat dan cepat. Salah satu fokus penting dalam riset kesehatan adalah pemahaman terhadap protein pengikat DNA (DNA-binding proteins/DBPs), yaitu molekul biologis yang menempel pada DNA dan berperan dalam mengatur aktivitas gen, melindungi materi genetik, serta memperbaiki kerusakan DNA. Ketika fungsi protein ini terganggu, proses biologis di dalam sel dapat berjalan tidak normal dan berpotensi memicu berbagai penyakit serius.
Masalahnya, tubuh manusia memiliki jutaan jenis protein. Mengidentifikasi protein pengikat DNA secara manual di laboratorium membutuhkan waktu belasan tahun dan biaya yang sangat besar. Proses yang panjang ini sering kali menjadi hambatan dalam pengembangan diagnosis dini dan terapi yang tepat sasaran.
Guna menjawab tantangan tersebut, Dosen Ilmu Komputer UPER, Dr. Meredita Susanty, M.Sc., melalui kolaborasi riset internasional mengembangkan teknologi kecerdasan buatan (AI) bernama BiCaps-DBP.
“BiCaps-DBP dirancang sebagai teknologi penyaring untuk membantu peneliti mengidentifikasi kandidat protein pengikat DNA yang paling potensial untuk diuji lebih lanjut di laboratorium,” jelas Dr. Meredita.
Dengan menyempitkan daftar protein yang benar-benar relevan, teknologi ini membantu peneliti menghemat waktu, biaya, dan sumber daya, sekaligus mempercepat pengembangan diagnosis dini, terapi presisi, dan produk farmasi yang lebih efektif.
Dalam pengembangannya, Dr. Meredita berperan memastikan keandalan analisis komputasi, termasuk penyajian data dalam bentuk visual yang mudah dipahami serta peninjauan ketepatan argumen ilmiah.
“Hasilnya, BiCaps-DBP mampu meningkatkan akurasi prediksi hingga 1,05%–5,79% dibandingkan metode sebelumnya, sehingga lebih presisi dalam menyaring kombinasi protein yang layak untuk diteliti lebih lanjut di laboratorium,” jelasnya.
Riset ini telah dipublikasikan di jurnal internasional bereputasi Computers in Biology and Medicine (Elsevier) dan menegaskan pentingnya kolaborasi lintas disiplin—menggabungkan keahlian ilmuwan komputer, ahli biologi, dan pakar medis.
“Meskipun tidak menggantikan peran laboratorium, model komputasi seperti BiCaps-DBP berpotensi memberikan dampak besar bagi pengembangan biofarmasi dan mempercepat upaya pengobatan di masa depan,” jelas Dr. Meredita.
Rektor Universitas Pertamina, Prof. Dr. Ir. Wawan Gunawan A. Kadir, M.S., IPU., menegaskan bahwa pengembangan teknologi seperti BiCaps-DBP menunjukkan bagaimana pembelajaran dan riset Ilmu Komputer di Universitas Pertamina mampu memberikan dampak nyata bagi penyelesaian persoalan kesehatan, termasuk kanker dan penyakit autoimun, melalui pemanfaatan kecerdasan buatan dan pemodelan komputasi.
“Pembelajaran di Program Studi Ilmu Komputer kami arahkan agar tidak berhenti pada aspek teknis, tetapi mampu menghasilkan inovasi yang berdampak langsung bagi masyarakat. Pemanfaatan AI dalam riset kesehatan merupakan contoh bagaimana pendidikan tinggi dapat berkontribusi pada pencapaian SDGs 3: Good Health and Well-being melalui solusi berbasis sains dan teknologi,” ujar Prof. Wawan.
