Rangkuman Berita Mingguan PharmTech – Pekan 12 Januari 2026

Dalam fitur video PharmTech ini, kami menyoroti berita industri minggu ini dalam format yang mudah dikonsumsi dan menyenangkan. Kumpulan baru akan dirilis setiap hari Jumat, jadi pastikan untuk kembali setiap minggunya.

Secara kolektif, liputan minggu ini membahas perkembangan terkini industri farmasi dan lanskap peraturan saat ini. Baca terus untuk rekap setiap cerita yang telah kami bahas.

Dycem merayakan enam puluh tahun inovasi dalam pengendalian kontaminasi dan polimer gesekan tinggi untuk memastikan keamanan dalam industri yang diatur secara global.

FDA dan EMA menetapkan sepuluh prinsip panduan untuk penerapan AI yang aman dan etis di seluruh siklus pengembangan produk biofarmasi.

Pakar industri memperkirakan tahun 2026 akan ditentukan oleh adopsi AI yang bersifat agen, praktik manufaktur berkelanjutan, dan rantai pasokan yang tangguh dan terdiversifikasi secara geografis.

Perusahaan farmasi memanfaatkan AI dan pembelajaran mesin untuk mempercepat penemuan obat tahap awal, memanfaatkan kembaran digital, dan menyederhanakan alur kerja peraturan.

Jubilant Biosys memperluas fasilitas Noida untuk melipatgandakan kapasitas kimia, mengintegrasikan penemuan dan peningkatan tahap awal untuk klien penelitian farmasi.

Survei industri menunjukkan para profesional manufaktur farmasi menghadapi meningkatnya ketidakamanan kerja namun tetap berkomitmen pada sektor ini untuk stimulasi intelektual.

Perusahaan bioteknologi memitigasi risiko geopolitik dengan mengaudit rantai pasokan dan menerapkan strategi multi-sumber untuk memastikan akses material penting yang stabil.

Sistem sekali pakai dan otomatisasi robot mengindustrialisasi terapi sel dan gen

manufaktur dengan mengurangi beban validasi dan meningkatkan skalabilitas proses.

SÜDPACK Medica memperkenalkan kemasan blister berbahan tunggal yang dapat didaur ulang dan layanan pengadaan yang disederhanakan untuk memajukan keberlanjutan di sektor farmasi dan medis.

Teknologi AI meningkatkan pelayanan pasien dengan memprioritaskan uji klinis untuk kebutuhan medis yang belum terpenuhi dan memungkinkan pemberian resep yang presisi melalui kesehatan digital.

Tjoapack meningkatkan kapasitas global dengan menambahkan lini pengemasan botol yang fleksibel dan sesuai GMP di Belanda sekaligus memperluas jangkauannya di Amerika Serikat.

Analytical Strategies for Aseptic Processing

Aseptic processing must be conducted in a manner that assures sterility (1). Analytics play an integral role in each step of an aseptic process as they are required to properly characterize the product and assess and understand its safety profile and quality to ensure they align with strict regulatory standards (2). Raw materials and buffers must be tested, utilities (steam/gas, water-for-injection) are routinely monitored, and a wide variety of analyses are performed during formulation/compounding and fill/finish activities, including pre-use post-sterilization integrity testing (PUPSIT), and pre/post-use filter integrity tests, environmental monitoring, and container closure integrity (CCI) testing.

The degree of analytical testing varies from one unit operation to another based on process step criticality, time limitations, scale of production, and product application, according to Rajiv Gangurde, vice-president, technical operations, cell and gene therapy at Parexel. Some testing, notably environmental monitoring, is performed in advance of process initiation as a preventive measure. Quality control (QC) release testing confirms sterility, endotoxin levels, particulates, identity/purity/potency, and CCI.

What analytical methods are widely used during aseptic processing?

Several analytical techniques are used during aseptic processing. Marie-Sophie Quittet, Strategic Projects Manager at Adragos Pharma, highlights the following:

  • Raman and near-infrared spectroscopy deliver fast, non-invasive identification and concentration verification for raw materials, buffers, and protein solutions, reducing both cycle times and sampling risk.
  • Tunable diode laser absorption spectroscopy and other related laser headspace analytics enable quantitative, 100% residual oxygen/moisture checks, which is tightly linked to product stability and CCI performance.
  • Deterministic CCI (high-voltage leak detection, vacuum/pressure decay) provides sensitive, scalable integrity testing with strong regulatory acceptance.
  • Automated visual inspection, increasingly aided by advanced image analysis, yields consistent particle/defect detection with lower false rejects versus manual inspection.
  • Biofluorescent particle counters add near-real-time viable air insight to complement traditional environmental monitoring.
  • Core QC methods including high-performance liquid chromatography (HPLC)/ultra-performance LC, ultraviolet-visible, osmolality, pH, total organic carbon, and sub-visible particle analysis such as micro-flow imaging, remain indispensable for product release, providing specificity and precision for identity, purity, potency, and particles across small-molecule and biologic injectables.

How do regulations drive analytical strategies?

Regulations set the framework and pace of adoption of analytical methods and technologies, according to Quittet. That is why, notes Scott Goldstein, vice president of strategic partnerships with Argonaut Manufacturing Services, a strong quality and regulatory team is instrumental in assuring the facility, analytical technologies and environmental monitoring are aligned with constantly changing regulatory requirements for aseptic processing.

As an example, Quittet points out that Annex 1 of the European Union’s good manufacturing practice guidelines (3) emphasizes a holistic contamination control strategy, using barrier technologies, continuous environmental monitoring, PUPSIT, trending, and strong data integrity, which all drive closed, real-time analytical methods. In the United States, FDA’s aseptic processing guidance (1), ISO 14644 (4), and the Pharmaceutical Inspection Co-operation Scheme (PIC/S) (5) reinforce cleanroom classification, environmental monitoring, and process control basics.

Method validation and lifecycle management are governed by the International Council for Harmonisation’s (ICH) Q2(R2)/Q14 (6), while ICH Q8–Q10 (7) and Q9(R1) (8) emphasize quality-by-design (QbD) and risk management. United States Pharmacopeia (USP) chapters— sterility (9) and endotoxin including recombinant Factor C as a validated alternative (10), / particulates (11,12), CCI (13), rapid microbiological methods (14), and sterilization (15)—define baseline expectations.

“Regulators expect scientific justification for alternative/rapid methods, robust electronic records and cybersecurity, meaningful trending with timely action, and formal governance for models/algorithms within validated, change-controlled systems, including periodic performance verification and management review,” Quittet concludes.

What are the essential attributes of analytical methods used in aseptic processing?

The essential attributes of analytical techniques used for release, characterization, in-process control(s), and stability testing during aseptic processing of drug substances (DS) and drug products (DP) that ensure both high performance and regulatory compliance can be, says Gangurde, divided into three main categories. The methods used should be reliable, robust, reproducible and amenable to method qualification and validation; selected and developed to assess safety, quality and efficacy; and include the use of appropriate reference standards and materials, particularly for determining critical attributes such as titer and potency of the DP. Furthermore, methods must minimize the risk of sample contamination, while delivering fast, reliable decisions, Quittet observes.

According to Quittet, preferred attributes should:

  • include closed or noninvasive operations that are compatible with isolators/restricted access barrier systems (RABS), single-use assemblies, and exposure to vaporized hydrogen peroxide (VHP)/H2O2
  • be rapid or provide real-time results with sensitivity and specificity matched to the critical attribute (e.g., headspace oxygen, sub-visible particles, low bioburden/endotoxin) and robust against matrix effects and process drift
  • integrate seamlessly with supervisory control and data acquisition/DCS distributed control system/manufacturing execution system/electronic batch manufacturing record, enabling automated, secure data capture, and alarm management
  • be maintainable in Grade A/B conditions, resilient to cleaning/decontamination, scalable across sites, and supported by credible vendors with global service and spares.

What factors are important when selecting and transferring methods for aseptic processes?

Method selection primarily depends on the quality and efficacy requirements of the material/product in question. Other important factors, according to Gangurde, include ease of development, tech-transfer requirements, availability and procurement of raw materials, and the equipment needed. He also notes that wherever applicable, orthogonal methods should be selected and applied.

Leveraging experience to determine the optimal starting point can be a real differentiator in assuring appropriate methods are identified and evaluated prior to method development and qualification of analytical testing, according to Goldstein.

When transferring a method, there are additional considerations. “When a drug developer is transferring a method to a contract manufacturer, it has the responsibility to ensure the method is robust and accurate and able to detect any stability issues, anticipate any problems that may exist or arise with the method, and be confident the contract manufacturer has the ability to effectively implement it,” explains Quittet.

Which advances are enhancing the monitoring and control of aseptic processes?

The pharmaceutical industry is highly innovative, and numerous advances in both general technologies and specific analytical techniques are helping to improve the monitoring and control of aseptic processes.

With respect to more general developments, Gangurde points to single-use systems, which eliminate the need for extensive cleaning and sterilization between batches and minimize cross-contamination risks; barrier isolators and restricted access barrier systems, which create physical barriers to minimize microbial contamination; microfluidic devices, which enable rapid microbial detection, supporting real-time decision-making and reducing operational bottlenecks (16); and process analytical technologies, which enable real-time monitoring and control of critical process parameters and integration of QbD design principles into manufacturing (17). Real-time monitoring of cleanrooms (18) and use of big-data analytics (19) are also providing invaluable insights.

“These and other advancements collectively improve the efficiency, sterility, and safety of aseptic processes in biopharmaceutical manufacturing,” contends Gangurde.

Goldstein highlights some specific techniques as being highly impactful. “Real-time viable and non-viable particulate monitoring has been key to assessing issues that might arise during aseptic processing and allows for quicker and more efficient investigation techniques,” he notes. “In addition, fully automated sampling allows for drastic reduction in potential operator contamination during these sampling steps, helping to speed up the process and release of the product while assuring the highest level of quality,” he continues. Automation and digitalization of analytics for aseptic processing are also supporting more rapid testing (17).

What role will AI and ML play in aseptic processing analytics?

AI and machine learning (ML) not only will be important for the future of aseptic processing analytics; they are already in use today. For instance, AI has started to become integrated into filling lines, according to Goldstein, but is not yet making an impact with QC techniques. Both AI and ML are being used to improve monitoring and control of aseptic processes, Gangurde agrees. AI-driven predictive maintenance, automated environmental monitoring, and process control applications are prime examples.

In the latter case, ML is being used to optimize process parameters in real-time, providing data on product quality. Operators can also simulate and test process changes before implementation, which helps with tech-transfer, adaptation, and scaling of processes (20). In addition, ML is being applied in visual inspection systems, notes Quittet, where it is used to limit the rejection rate of good vials and accelerate the release of product batches.

Companies such as GlaxoSmithKline, Pfizer, Merck, Rocher, and Novartis have all implemented AI-driven programs in aseptic processing applications (21).

Looking forward, Gangurde believes an increased dependence on AI and ML is inevitable, as both can improve the overall process of drug development to bring therapies to patients in need. “AI will make a big impact in the automation of aseptic processes and minimizing risk to the patient,” Goldstein adds.

References

  1. FDA. Guidance for Industry: Sterile Drug Products Produced by Aseptic Processing —Current Good Manufacturing Practice (Rockville, MD, November 2004).
  2. O’Connor, R. Aseptic Processing: A Primer. BioPharm International 2023 26 (1). https://www.biopharminternational.com/view/aseptic-processing-primer
  3. EC. Annex 1, Manufacture of Sterile Medicinal Products. EudraLex, The Rules Governing, Medicinal Products in the European Union. Volume 4, 2010.
  4. ISO. ISO 14644-1:2015 Cleanrooms and Associated Controlled Environments Part 1: Classification of Air Cleanliness by Particle Concentration, Edition 2, 2015. https://www.iso.org/standard/53394.html
  5. PIC/S. PIC/S Guide to Good Manufacturing Praxtice for Medicinal Products Annexes, Annex 1 (Manufacture of sterile medicinal products) July 2018. https://www.fda.gov.ph/wp-content/uploads/2022/12/PE-009-14-GMP-Guide-Annexes.pdf
  6. ICH. Q14 Anaytical Procedure Development, Q2(R2) Validation of Analytical Procedures Step 2 version (ICH. 2022).
  7. ICH. Q8, Q9, Q10, Questions and Answers Volume 4 (ICH, 2010).
  8. ICH. Q9(R1) Quality Risk Management Step 5 version (ICH, 2023).
  9. USP. General Chapter , Sterility Test. USP–NF (US Pharmacopeial Convention, Rockville, MD, 2009).
  10. USP. General Chapter , Bacterial Endotoxins. USP–NF (US Pharmacopeial Convention, Rockville, MD, 2017).
  11. USP. General Chapter , Subvisible Particular Matter in Therapeutic Protein Injections. USP–NF (US Pharmacopeial Convention, Rockville, MD, 2014).
  12. USP. General Chapter , Particulate Matter in Injections. USP–NF (US Pharmacopeial Convention, Rockville, MD, 2007).
  13. USP. General Chapter , Sterile Product Packaging–Integrity Evaluation. USP–NF (US Pharmacopeial Convention, Rockville, MD, 2016).
  14. USP. General Chapter , Validation of Alternative Microbiological Methods. USP–NF (US Pharmacopeial Convention, Rockville, MD, 2015).
  15. USP. General Chapter , Sterilization of Compendial Articles. USP–NF (US Pharmacopeial Convention, Rockville, MD, 2022).
  16. Mirasol, F. How Miniaturized Analytics Are Transforming Aseptic Bioprocessing Control. BioPharm International, 2025 38 (8). https://www.biopharminternational.com/view/how-miniaturized-analytics-are-transforming-aseptic-bioprocessing-control
  17. Challener, C.A. Advances in Digitalization and Automation of Aseptic Processing. Pharmaceutical Technology, 2025, 49 (8), pp. 18-20. https://www.pharmtech.com/view/advances-in-digitalization-and-automation-of-aseptic-processing
  18. Spencer-Jolliffe, N. Continuous Monitoring Expands Aseptic Knowledge and Data in Real Time. Pharmaceutical-Technology.com. April 3, 2024. www.pharmaceutical-technology.com/features/continuous-monitoring-expands-aseptic-knowledge-and-data-in-real-time/
  19. Advanced Analytics: Driving Cleanroom Excellence in Pharmaceutical Manufacturing. Cleanroom Technology, July 12, 2024. https://cleanroomtechnology.com/advanced-analytics-driving-cleanroom-excellence-in-pharmaceutical-manufacturing
  20. Vuolo, M.; Koeth, C.; and Wherry, R.J. Enhanced Intervention Detection in Aseptic Fill Using AI/ML. ISPE Pharmaceutical Engineering, 2023, May/June. https://ispe.org/pharmaceutical-engineering/may-june-2023/enhanced-intervention-detection-aseptic-fill-using-aiml
  21. “How AI & Machine Learning Are Transforming Aseptic Processing,”Blog post. https://www.vonlanthenevents.com/en/ai-transforming-aseptic-processing (accesssed Jan. 15, 2025).

Dampak Formulasi yang Berpusat pada Pasien pada Penyedia Layanan

Pengembangan obat yang berpusat pada pasien berfokus pada pengalaman pasien dan kebutuhan untuk lebih memastikan kepatuhan dan meningkatkan pengobatan. Pendekatan ini mengumpulkan dan menggunakan masukan dari pasien dan perawat untuk menginformasikan pengembangan obat dan pengambilan keputusan peraturan (1). Pada tahun 2025, FDA menerbitkan serangkaian dokumen panduan yang memungkinkan suara pasien dimasukkan ke dalam proses pengembangan (2) dan untuk pengalaman pasien yang lebih baik.

Obat-obatan, seperti yang digunakan untuk mengobati kanker atau penyakit langka, yang dikembangkan dan diformulasikan menggunakan pendekatan yang disesuaikan ini sering kali mengharuskan perusahaan farmasi untuk meminta layanan organisasi pengembangan dan manufaktur kontrak (CDMO) untuk membantu perusahaan sponsor dalam melakukan layanan formulasi, seperti inovasi pengiriman obat, pemodelan prediktif, formulasi pelepasan yang dimodifikasi, kelarutan, dan ketersediaan hayati.

Teknologi Farmasi berbicara dengan Dr. Asma Patel, VP Global Commercial and Scientific Consulting–Drug Product, untuk mengetahui bagaimana pertumbuhan formulasi obat yang berpusat pada pasien berdampak pada pasar CDMO dan bagaimana CDMO dapat membantu perusahaan sponsor dalam pekerjaan penting ini.

PharmTech: Tren formulasi obat tahun 2025 manakah yang berdampak pada outsourcing layanan formulasi?

Patel (Ilmu Kecerdasan): Pada tahun 2025, modalitas tingkat lanjut seperti terapi peptida dan RNA meningkatkan kompleksitas formulasi, mendorong alih daya yang lebih besar ke CDMO dengan kecerdasan ilmiah khusus dan kemampuan platform terintegrasi. Di Quotient Sciences, Translational Pharmaceutics memungkinkan siklus pengujian yang cepat dan berbasis data, mempercepat pengembangan lebih dari 12 bulan dan menurunkan biaya. Metode ini memungkinkan optimalisasi parameter formulasi yang ketat dari data farmakokinetik manusia. Dinamika industri telah berubah, dengan CDMO bergerak lebih dari sekedar penyedia layanan transaksional menjadi mitra strategis, menyediakan solusi manufaktur yang adaptif, skalabilitas yang kuat, dan dukungan peraturan yang kuat sambil mempertahankan standar kualitas yang tinggi.

Bagaimana peralihan ke formulasi yang berpusat pada pasien berdampak pada CDMO?

Metodologi yang berpusat pada pasien telah mengubah cara kerja CDMO, menekankan solusi farmasi yang disesuaikan untuk kenyamanan, kepatuhan, dan personalisasi, terutama untuk populasi anak-anak dan penyakit langka. (Hal ini dapat ditunjukkan dengan) berfokus pada pendekatan formulasi lanjutan seperti penyembunyian rasa dan pemberian dosis klinis yang fleksibel, sehingga meningkatkan kepatuhan dan hasil terapeutik. Penerapan teknologi digital dan AI mendukung pemodelan prediktif dan optimalisasi proses, mengurangi risiko pengembangan dan kegagalan formulasi. Hasilnya, CDMO kini menawarkan manufaktur GMP (praktik manufaktur yang baik) yang adaptif dan pengujian klinis terintegrasi untuk memenuhi kebutuhan kompleks pengembangan obat yang berpusat pada pasien.

Dalam mengembangkan formulasi yang berpusat pada pasien, di manakah CDMO dapat memberikan dukungan terbaik kepada perusahaan sponsor?

CDMO memainkan peran ilmiah yang sangat penting dalam kemajuan formulasi obat yang berpusat pada pasien, khususnya melalui keahlian dalam meningkatkan kelarutan dan bioavailabilitas, dan dalam mengembangkan sistem penghantaran obat yang inovatif, seperti formulasi pelepasan yang dimodifikasi dan formulasi yang ditargetkan. Strategi formulasi terintegrasi (dapat) memungkinkan optimalisasi cepat menggunakan data farmakokinetik klinis real-time, yang meminimalkan risiko pengembangan dan memperpendek jadwal pembuktian konsep. Di luar desain awal, CDMO mengelola peningkatan skala dan memastikan kesiapan komersial, memenuhi kebutuhan utama pasien seperti pengurangan beban pil dan peningkatan kenyamanan pemberian dosis. Kemampuan mereka untuk menyelaraskan ilmu formulasi dengan proses manufaktur menjamin bahwa terapi yang berpusat pada pasien tetap terukur, mematuhi peraturan, dan efektif secara klinis.

Seberapa dini CDMO terlibat dalam penemuan/formulasi obat baru yang tidak dapat digunakan lagi atau penyakit langka?

CDMO semakin terintegrasi ke dalam tahap praklinis pengembangan obat yang tidak ada lagi, dan sering kali memulai dukungan selama pra-formulasi dan penemuan. Keahlian ilmiah mereka sangat penting untuk memaksimalkan efisiensi API yang terbatas, mempercepat jadwal pengembangan, dan menavigasi kerangka peraturan yang rumit. Keterlibatan tahap awal (dapat) memungkinkan perancangan formulasi yang siap untuk pasien dalam jangka waktu yang dikurangi secara signifikan, sehingga melestarikan API yang langka dan memfasilitasi percepatan jalur regulasi. Melalui penerapan infrastruktur khusus dan proses manufaktur adaptif, CDMO secara efektif mengatasi tantangan unik yang terkait dengan kelompok pasien yang kecil dan heterogen serta persyaratan khusus yang melekat pada manufaktur farmasi khusus.

Seberapa pentingkah CDMO dalam formulasi dan persetujuan peraturan obat-obatan yang tidak ada lagi?

CDMO memainkan peran penting dalam pengembangan dan komersialisasi obat-obatan yang sudah tidak ada lagi, memanfaatkan keahlian khusus dalam manufaktur skala kecil, solusi pengemasan yang canggih, dan kepatuhan terhadap peraturan global. Platform terintegrasi mereka memfasilitasi manajemen yang efisien dari proses CMC (kimia, manufaktur, dan kontrol) yang kompleks, memastikan standar kualitas yang ketat dan kepatuhan terhadap persyaratan peraturan multi-yurisdiksi. Dengan menyederhanakan alur kerja dan memitigasi risiko khususnya yang terkait dengan jalur persetujuan yang dipercepat, CDMO memungkinkan peningkatan skala yang cepat dan ketahanan rantai pasokan untuk populasi pasien khusus. Kolaborasi strategis ini melampaui formulasi, mencakup manajemen risiko, dan mempercepat akses pasar, sehingga memaksimalkan hasil terapeutik untuk penyakit yatim piatu dan penyakit langka.

Apa yang Anda antisipasi untuk tahun 2026 dan seterusnya untuk layanan formulasi outsourcing?

Lanskap outsourcing untuk layanan formulasi farmasi diproyeksikan akan menunjukkan pertumbuhan yang kuat, didorong oleh peningkatan investasi bioteknologi, meningkatnya kecanggihan modalitas terapi baru, dan meningkatnya persyaratan untuk platform pengembangan terintegrasi. Sektor ini sedang mengalami revolusi melalui penerapan AI, pembelajaran mesin, dan otomatisasi tingkat lanjut, khususnya dalam desain formulasi yang rasional, yang memfasilitasi pengurangan besar dalam siklus pengembangan. Aliansi strategis, seperti kolaborasi Quotient Sciences-Intrepid Labs (3), memberikan contoh pemanfaatan pemodelan prediktif untuk menyempurnakan parameter formulasi dan membatasi iterasi eksperimental, sehingga meningkatkan efisiensi dan ketelitian ilmiah dalam pengembangan obat.

Referensi

1. FDA. Pengembangan Obat yang Berfokus pada Pasien CDER. FDA.gov. 21 Maret 2025. https://www.fda.gov/drugs/development-approval-process-drugs/cder-patient-focused-drug-development

2. FDA. Seri Panduan Pengembangan Obat yang Berfokus pada Pasien FDA untuk Meningkatkan Penggabungan Suara Pasien dalam Pengembangan Produk Medis dan Pengambilan Keputusan Peraturan. FDA.gov. 23 Oktober 2025. https://www.fda.gov/drugs/development-approval-process-drugs/fda-patient-focused-drug-development-guidance-series-enhancing-incorporation-patients-voice-medical

3. Ilmu Kecerdasan. Quotient Sciences dan Intrepid Labs membentuk Kemitraan Strategis untuk Mempercepat Pengembangan Formulasi yang dipandu AI. Siaran Pers. 4 Desember 2025.

Tentang penulis

Susan Haigney adalah editor utama Teknologi Farmasi®.

EMA dan FDA Berkolaborasi dalam Kerangka Penggunaan AI dalam Pengembangan Obat

European Medicines Agency (EMA) dan FDA, dalam langkah signifikan dalam pengawasan peraturan alat komputasi di industri farmasi, telah menetapkan sepuluh prinsip inti yang dimaksudkan untuk mendukung keselamatan dan etika. penerapan AI di seluruh jalur produksi obat, mulai dari penelitian laboratorium awal hingga tahap produksi dan akhirnya pengawasan pasca-pasar (1,2). Penyelarasan ini memberikan kerangka kerja yang diperlukan untuk mengelola kompleksitas dan sifat dinamis dari alat-alat ini, memastikan bahwa bukti yang dihasilkan akurat dan dapat diandalkan.

Apa saja sepuluh prinsip inti yang ditetapkan untuk AI farmasi?

Inisiatif bersama ini mengidentifikasi area spesifik di mana pengembang farmasi dan organisasi standar teknis dapat menyelaraskan praktik mereka (2). Prinsip-prinsip tersebut adalah sebagai berikut:

1. Desainnya berpusat pada manusia: Pengembangan dan penggunaan teknologi AI selaras dengan nilai-nilai etika dan berpusat pada manusia (2,3).

2. Pendekatan berbasis risiko: Pengembangan dan penggunaan teknologi AI mengikuti pendekatan berbasis risiko dengan validasi proporsional, mitigasi risiko, dan pengawasan berdasarkan konteks penggunaan dan model risiko yang ditentukan (2,3).

3. Kepatuhan terhadap standar: Teknologi AI mematuhi standar hukum, etika, teknis, ilmiah, keamanan siber, dan peraturan yang relevan, termasuk Praktik yang Baik (GxP) (2,3).

4. Konteks penggunaan yang jelas: Teknologi AI memiliki konteks penggunaan yang jelas (peran dan cakupan penggunaannya) (2,3).

5. Keahlian multidisiplin: Keahlian multidisiplin yang mencakup teknologi AI dan konteks penggunaannya terintegrasi sepanjang siklus hidup teknologi (2,3).

6. Tata kelola dan dokumentasi data: Asal sumber data, langkah pemrosesan, dan keputusan analitis didokumentasikan secara rinci, dapat ditelusuri, dan diverifikasi, sejalan dengan persyaratan GxP (2,3).

7. Praktik desain dan pengembangan model: Pengembangan teknologi AI mengikuti praktik terbaik dalam desain model dan sistem serta rekayasa perangkat lunak dan memanfaatkan data yang layak digunakan, dengan mempertimbangkan kemampuan interpretasi, kemampuan menjelaskan, dan kinerja prediktif (2,3).

8. Penilaian kinerja berbasis risiko: Penilaian kinerja berbasis risiko mengevaluasi sistem secara keseluruhan termasuk interaksi manusia-AI, menggunakan data dan metrik yang sesuai untuk digunakan sesuai dengan konteks penggunaan yang dimaksudkan, didukung oleh validasi kinerja prediktif melalui metode pengujian dan evaluasi yang dirancang dengan tepat (2,3).

9. Manajemen siklus hidup: Sistem manajemen mutu berbasis risiko diterapkan di seluruh siklus hidup teknologi AI, termasuk untuk mendukung penangkapan, penilaian, dan penanganan masalah (2,3).

10. Informasi yang jelas dan penting: Bahasa yang sederhana digunakan untuk menyajikan informasi yang jelas, dapat diakses, dan relevan secara kontekstual kepada audiens yang dituju, termasuk pengguna dan pasien, mengenai konteks penggunaan, kinerja, keterbatasan, data mendasar, pembaruan, dan kemampuan interpretasi atau penjelasan teknologi AI (2,3).

Bagaimana standar-standar ini akan berdampak pada pengembangan dan produksi obat?

Penerapan prinsip-prinsip ini diharapkan dapat memfasilitasi jalur yang lebih efisien baik untuk obat tradisional maupun produk biologis, karena istilah obat dalam konteks ini mencakup kedua kategori tersebut di berbagai yurisdiksi (1-3). Dalam pesannya kepada anggota American Association of Pharmaceutical Scientist (4), Mark Arnold, PhD, pemilik dan pimpinan Bioanalytical Solution Integration, menulis, “Hari ini, setelah beberapa bulan berkolaborasi, FDA dan European Medicines Agency… merilis serangkaian 10 prinsip panduan untuk menginformasikan, meningkatkan, dan mempromosikan penggunaan (AI) yang menghasilkan bukti di seluruh fase siklus hidup produk obat. Integrasi AI dalam pengembangan obat berpotensi mengubah cara obat dikembangkan dan dievaluasi, yang pada akhirnya meningkatkan pelayanan kesehatan. Teknologi AI adalah diharapkan dapat membantu mendorong inovasi, mengurangi waktu pemasaran, memperkuat keunggulan regulasi dan farmakovigilans, serta mengurangi ketergantungan pada pengujian pada hewan dengan meningkatkan prediksi toksisitas dan kemanjuran pada manusia.”

Prinsip-prinsip bersama ini berarti bahwa pengajuan peraturan di masa depan yang melibatkan AI kemungkinan akan memerlukan integrasi multidisiplin yang lebih ketat dan asal data yang terdokumentasi untuk memenuhi harapan praktik manufaktur yang baik. Seperti yang dikemukakan oleh Arnold, “Sebagai penasihat perusahaan AI, dan pengguna perangkat lunak AI, berikut adalah 10 panduan singkat dan jelas.” Dengan mematuhi standar-standar ini, perusahaan dapat lebih mempersiapkan pedoman yurisdiksi di masa depan sambil berkontribusi terhadap lingkungan inovasi global yang memprioritaskan keselamatan pasien. Komisaris Eropa untuk Kesehatan dan Kesejahteraan Hewan Olivér Várhelyi menyatakan dalam rilis berita EMA, “Prinsip-prinsip panduan praktik AI yang baik dalam pengembangan obat adalah langkah pertama dari pembaruan kerja sama UE-AS di bidang teknologi medis baru. Prinsip-prinsip ini merupakan contoh yang baik tentang bagaimana kita dapat bekerja sama di kedua sisi Atlantik untuk mempertahankan peran terdepan kita dalam perlombaan inovasi global, sekaligus memastikan tingkat keselamatan pasien tertinggi” (1). Pekerjaan mendasar ini diharapkan berkembang seiring dengan teknologi, dengan tetap fokus pada kualitas, kemanjuran, dan keamanan yang telah terbukti (2).

Referensi

  1. Badan Obat Eropa. EMA dan FDA Menetapkan Prinsip Umum AI dalam Pengembangan Kedokteran. Siaran Pers. 14 Januari 2026.
  2. FDA. Prinsip Panduan Praktik AI yang Baik dalam Pengembangan Obat. Diakses 14 Januari 2026.
  3. FDA. Kecerdasan Buatan untuk Pengembangan Obat. Prinsip Panduan Praktik AI yang Baik dalam Pengembangan Obat. Diakses 14 Januari 2026.
  4. Asosiasi Ilmuwan Farmasi Amerika. Intisari Komunitas AAPS untuk Rabu 14 Januari 2026. Buletin Email.

Dycem Merayakan 60 Tahun Pengendalian Kontaminasi

Tahun ini, perusahaan pengendalian kontaminasi Dycem merayakan hari jadinya yang ke-60, menandai enam dekade kinerja, kepercayaan, dan inovasi (1). Sejak didirikan secara resmi pada tahun 1966, perusahaan ini telah mendedikasikan dirinya untuk menciptakan solusi yang menjadikan lingkungan lebih aman, bersih, dan terkendali di lebih dari 50 negara dan 30.000 lokasi di seluruh dunia (2).

Dasar-dasar Ilmu Polimer

Kisah Dycem dimulai pada tahun 1960 ketika David Cecil Mills menemukan polimer dengan koefisien gesekan yang sangat tinggi (2). Pada tahun 1966, bahan ini digunakan dalam aplikasi khusus, seperti memegang film fotografi dan komponen halus dalam posisi yang tepat di bawah mikroskop. Sifat polimer yang lengket dan tidak licin secara alami memungkinkannya menstabilkan bahan tanpa memerlukan pengencang atau perekat mekanis.

Pada awal tahun 1970-an, perusahaan ini berekspansi ke sektor komersial, memperkenalkan produk ritel seperti baki anti selip dan gantungan baju (2). Namun, perubahan penting terjadi ketika kasus penggunaan di tempat kerja menunjukkan kemampuan material dalam menghilangkan dan menahan kontaminan dari alas kaki. Penemuan ini mendorong peluncuran matras pengontrol kontaminasi pertama Dycem pada tahun 1974 untuk mendukung pertumbuhan industri semikonduktor, farmasi, dan ruang angkasa.

Ekspansi Global dan Pertumbuhan Strategis

Pada tahun 1977, perusahaan meresmikan strukturnya menjadi Dycem Limited, membentuk dua divisi inti: produk anti selip dan solusi pengendalian kontaminasi (2). Dekade-dekade berikutnya ditentukan oleh tolok ukur pertumbuhan dan kualitas internasional:

• 1984: Dycem membuka kantor dan gudang khusus di Amerika Serikat untuk mendukung distributor lokal.

• 1993: Perusahaan memperoleh sertifikasi ISO 9002, memperkuat komitmennya terhadap standar kualitas global.

• 1998: Dycem memperbarui produk anti selipnya, termasuk pembuka botol dan stoples yang dirancang untuk membantu penderita radang sendi atau kekuatan tangan yang lemah.

• 2002: Identitas perusahaan baru diluncurkan untuk mencerminkan fokus khusus perusahaan pada sistem pengendalian kontaminasi.

Inovasi Modern dan Keberlanjutan

Antara tahun 2010 dan 2014, Dycem berkembang melampaui ruang bersih tradisional ke sektor vertikal baru, termasuk manufaktur makanan, kosmetik, dan fasilitas nuklir (2). Era ini juga menyaksikan diperkenalkannya sistem modular dan terukur seperti sistem Floating Mats dan Flexi. Pada tahun 2016, perusahaan ini diakuisisi oleh Longacre Group, sebuah langkah yang memungkinkan investasi global dan ekspansi komersial lebih lanjut.

Baru-baru ini, pusat data telah muncul sebagai sektor dengan pertumbuhan penting pada tahun 2020-an, hal ini membuktikan upaya Dycem dalam menyediakan pengendalian kontaminasi pada infrastruktur digital yang penting.

Melihat ke Masa Depan

Saat ini, Dycem dikenal karena solusi alternatifnya yang tahan lama dan dapat digunakan kembali dibandingkan solusi sekali pakai, yang menyelaraskan pengurangan risiko tingkat dasar dengan kinerja tinggi dengan keberlanjutan perusahaan (1). Saat perusahaan memasuki 60 tahun ke depan, perusahaan ini tetap fokus untuk mendukung industri berisiko tinggi—mulai dari manufaktur farmasi hingga laboratorium—dengan solusi yang dibangun berdasarkan kualitas, keandalan, dan peningkatan berkelanjutan (1).

Referensi

  1. Dicem. Dycem Merayakan 60 Tahun Inovasi, Kinerja, dan Kepercayaan. Siaran pers diterima melalui email.
  2. Dicem. 60 Tahun Dycem. Diakses 14 Januari 2026.

Sistem Sekali Pakai Memungkinkan Manufaktur CGT Skala Komersial

Sistem sekali pakai (SUS) sangat penting dalam pembuatan terapi sel dan gen (CGT). Karena komponen jalur aliran produk disuplai dalam keadaan pra-steril dan kemudian dibuang, bukan dibersihkan dan disterilkan di antara produk, SUS mengurangi beban validasi pembersihan dan memungkinkan pergantian yang cepat, yang khususnya bermanfaat dalam fasilitas multiproduk dan untuk obat-obatan yang dipersonalisasi dalam jumlah kecil.

“Sistem sekali pakai telah menjadi bagian integral dari manufaktur CGT, dengan teknologi yang diterapkan di sebagian besar langkah proses untuk terapi sel dan terapi gen, serta produksi plasmid. Aplikasi umum mencakup perakitan umum, operasi pengisian, homogenisasi, dan cryobag untuk kriopreservasi,” kata Ania Paynekepala strategi dan petugas pemasaran di Single Use Support. “(SUS menawarkan) kepatuhan yang disederhanakan terhadap persyaratan praktik manufaktur yang baik (GMP) melalui rakitan (dan) skalabilitas yang telah divalidasi sebelumnya untuk volume kecil, sangat cocok untuk kebutuhan produksi CGT yang bervolume rendah dan bernilai tinggi.”

“Teknologi sekali pakai (SUT) diadopsi secara luas dalam manufaktur CGT karena teknologi ini memberikan sterilitas, fleksibilitas, dan efisiensi proses,” tambahnya. Emmanuelle Cameaudirektur ilmiah, Genomic Medicines, di Cytiva. Dia mencatat bahwa sebagian besar proses manufaktur CGT sepenuhnya sekali pakai, dengan beberapa pengecualian, seperti teknologi spesifik dengan volume lebih besar dari 3000 L.

Seiring dengan meningkatnya manufaktur klinis dan komersial untuk sektor CGT, salah satu tantangannya adalah memastikan rantai pasokan barang habis pakai yang stabil. Tantangan lainnya adalah bagaimana menciptakan kapasitas produksi CGT yang cukup dengan melakukan scaling up atau scaling out; dalam kedua pendekatan tersebut, otomatisasi dipandang sebagai hal yang penting (1).

Bagaimana SUS memfasilitasi manufaktur skala industri?

“(SUS) lebih menyukai strategi peningkatan skala, dimana permintaan dipenuhi oleh unit-unit kecil yang paralel dibandingkan menggunakan satu kapal besar, sebuah model yang cocok untuk terapi autologus dan manufaktur terdistribusi,” kata Wayne Bowenkonsultan di TTP, yang menggabungkan bahan habis pakai sekali pakai dengan instrumen modular dan otomatis untuk memenuhi kebutuhan manufaktur tertentu. “Secara keseluruhan, SUS menghadirkan jalur manufaktur CGT yang lebih cepat, lebih fleksibel, dan berisiko lebih rendah bila dipadukan dengan otomatisasi tertutup.”

“(Industri telah) menghabiskan waktu 20 tahun atau lebih untuk menerjemahkan produksi obat-obatan hidup ini dari botol dan tabung ke dalam sistem sekali pakai yang tertutup, (dan produsen sekarang) tertantang bagaimana mengotomatiskan penanganan dan pengoperasian SUS yang dirancang dan dikembangkan untuk tangan dan mata manusia ke dalam sistem yang lebih maju,” kata Jason Jones, wakil presiden Cellular Origins, sebuah perusahaan TTP, yang telah mengembangkan platform otomatis untuk manufaktur terapi sel klinis dan komersial menggunakan robot bergerak dan hak milik perusahaan. teknologi transfer cairan steril.

Membawa metode dan sistem manufaktur CGT ke skala komersial akan membutuhkan otomatisasi yang lebih dari sekadar membantu operasi manusia, tambah Jones, namun ia memperingatkan bahwa perubahan pada proses atau bahan yang bersentuhan dengan produk harus diminimalkan untuk menghindari perubahan yang akan mempengaruhi persetujuan peraturan atau memerlukan studi perbandingan yang mahal. “Mengotomatisasi operasi untuk skala memerlukan inovasi dalam penanganan dan koneksi robotik dari SUS yang sangat spesifik, disetujui, dan dirancang untuk manusia ini guna melipatgandakan efisiensi dan standarisasi skala namun tetap menjaga prosesnya. Robotika seluler, integrasi digital penuh, dan koneksi proses penuh adalah platform yang kami terapkan di sekitar SUS ini,” jelasnya.

Cameau mengatakan keragaman jenis proses dan penggunaan alur kerja manual dalam manufaktur CGT saat ini menambah kompleksitas pada penskalaan manufaktur, namun SUT dan platform modular yang memberikan fleksibilitas dapat membantu. “Platform Cytiva Sefia yang baru-baru ini diluncurkan menggabungkan otomatisasi modular dengan kit sekali pakai untuk menstandarisasi langkah-langkah kompleks seperti isolasi, pemrosesan, dan perluasan sel, membantu pelanggan beralih dari proses manual ke solusi industri yang meningkatkan konsistensi dan mempercepat akses terhadap terapi,” jelasnya.

Pada bulan Januari 2025, Cytiva dan Cellular Origins mengumumkan kolaborasi untuk menggabungkan platform manufaktur terapi sel otomatis Cytiva dengan platform robot otomatis Cellular Origins (2). Cameau mengatakan bahwa kolaborasi semacam itu akan membantu memajukan otomatisasi robot dan desain modular, yang memungkinkan industrialisasi.

Bagaimana standardisasi mendukung industrialisasi dan mengurangi risiko pasokan?

Sistem standar dapat memfasilitasi industrialisasi dan meningkatkan fleksibilitas proses, saran Payne. “Tidak adanya standar industri untuk konektor, material, dan protokol validasi menciptakan tantangan interoperabilitas dan memperlambat adopsi,” katanya. “Kami yakin bahwa untuk mengatasi hambatan-hambatan ini, produsen biomanufaktur akan semakin bergantung pada solusi modular dan independen dari vendor.”

“Gangguan di era pandemi menyoroti satu masalah utama: industri tidak memiliki metode standar untuk memenuhi syarat komponen sekali pakai yang dapat dipertukarkan, sehingga membahayakan rantai pasokan, kelangsungan produksi, dan kepatuhan,” tambahnya. SedihManajer Pengembangan Bisnis Regional Ilmu Hayati di Watson-Marlow Fluid Technology Solutions. “Rantai pasokan SUS menghadapi tantangan seputar pertukaran komponen, khususnya dalam manufaktur CGT, di mana perakitan dalam jumlah kecil dan disesuaikan merupakan hal yang biasa. Satu komponen yang tidak tersedia dapat menghentikan produksi.”

Tanah menyimpan hal itu solusi seperti WMArchitect Interchangeable Parts dari Watson-Marlow membantu memitigasi risiko. “Memenuhi syarat seluruh jalur cairan yang berisi komponen yang dapat dipertukarkan pada akhirnya meningkatkan ketangkasan produksi sekaligus mendukung kepatuhan terhadap peraturan dan akses pasien yang lebih cepat tanpa mengorbankan kinerja atau kepatuhan,” jelasnya.

Bagaimana tantangan rantai pasokan dapat diatasi?

Meskipun komponen yang dapat dipertukarkan adalah salah satu solusinya, industri ini mengadopsi berbagai pendekatan untuk mengurangi kerentanan rantai pasokan.

“Rantai pasokan CGT rumit karena jadwal yang spesifik untuk setiap pasien dan komponen khusus. Keterlambatan dapat berdampak pada jadwal pengobatan,” jelas Cameau. “Praktik terbaik mencakup penerapan penggunaan tunggal di seluruh alur kerja, penilaian risiko menyeluruh, dan kolaborasi pemasok yang kuat. Cytiva memperkuat ketahanan melalui sumber ganda, perencanaan inventaris strategis, dan strategi manufaktur modular—membantu pelanggan memberikan terapi dengan andal dan dalam skala besar.”

“Kekurangan komponen eksklusif dapat menunda produksi, sehingga produsen memitigasi risiko dengan mengkualifikasi beberapa pemasok, menahan kelebihan stok, dan memperkuat kontrak,” tambah Bowen. “Kolaborasi lintas industri, inovasi pemasok, dan manajemen risiko proaktif sangat penting untuk membuat SUS kuat untuk manufaktur CGT klinis dan komersial serta akses pasien.”

“Pelanggan kami semakin menuntut waktu tunggu yang lebih singkat dan fleksibilitas yang lebih besar untuk mengakomodasi perubahan produk dan kuantitas dalam waktu singkat,” kata Payne. “Untuk mengatasi hal ini, kami berinvestasi dalam penimbunan strategis komponen-komponen penting dan membina hubungan dekat dengan pemasok untuk mengidentifikasi risiko atau hambatan sejak dini agar dapat merespons secara efektif. Selain itu, kami memperluas kapasitas kami untuk memenuhi permintaan yang lebih tinggi dan memenuhi ekspektasi untuk waktu tunggu yang lebih singkat.”

Sterilisasi adalah bagian penting dari rantai pasokan bahan habis pakai SU, dan industri ini baru-baru ini berfokus pada memastikan kapasitas sterilisasi dengan memenuhi syarat alternatif metode iradiasi gamma (3). Untuk mendukung upaya ini, BioPhorum menerbitkan protokol yang memberikan panduan untuk melakukan studi SUS yang diiradiasi secara berdampingan dengan gamma dan sinar-X (4). Menurut kelompok tersebut, data menunjukkan bahwa kedua metode tersebut setara.

Sistem cetakan injeksi memungkinkan manufaktur terdistribusi

Trenchan BioSystems sedang mengembangkan sistem untuk pembuatan terapi sel autologus di titik perawatan dengan pendekatan SUS berbeda yang dapat mengatasi beberapa tantangan kapasitas dan rantai pasokan dari sistem yang ada. Jon Ellis, CEO Trenchant BioSystems, mengatakan bahwa sistem otomatis, platform digital akan memenuhi kebutuhan mendesak bagi pasien, karena waktu produksi dan biaya membatasi ketersediaan dan keterjangkauan CGT. “Terapi berhasil secara klinis, tetapi pelaksanaannya memakan waktu terlalu lama,” kata Ellis. “Platform manufaktur kami dapat mengurangi waktu produksi dari minggu menjadi tiga hari serta mengurangi biaya produksi hingga lebih dari 80%.”

Proses Trench BioSystems berlangsung dalam kaset sekali pakai. Daripada memindahkan sel dari satu unit operasi ke unit operasi berikutnya melalui pipa ke dalam kantong, sistem ini membawa reagen dan buffer ke sel, yang tetap berada di dalam kaset. Ellis mengatakan bahwa kaset, yang dicetak dengan injeksi dari polikarbonat, memecahkan banyak tantangan rantai pasokan yang terkait dengan SUS yang lebih konvensional dengan menghindari kebutuhan untuk mendapatkan banyak bahan yang berbeda.

“Kesederhanaan desain kami memungkinkan kualitas tinggi dan mengurangi perakitan, sehingga mengurangi biaya,” kata Ellis. “Operator tidak perlu melakukan instalasi rumit apa pun; tidak ada pemasangan benang atau pengelasan yang dapat menyebabkan kebocoran. Sangat sedikit pelatihan yang diperlukan.”

Trenchant Biosystems telah mengembangkan protokol untuk sel T reseptor antigen chimeric (CAR-T) dan sel CD34+ yang dimodifikasi gen dan bekerja sama dengan mitra untuk menguji prototipe tersebut. Prototipe SUS dibuat dengan polikarbonat Kelas VI Farmakope Amerika Serikat (USP) sehingga bahan konstruksi yang sama dapat digunakan saat sistem beralih ke manufaktur GMP. Karena polikarbonat sudah banyak digunakan dalam proses pencetakan injeksi di ruang bersih, kemampuan manufaktur GMP untuk peralatan SUS dapat diakses, kata Ellis. Kemampuan manufaktur SUS yang mudah akan menghindari masalah yang terkait dengan sumber tunggal dan akan memungkinkan manufaktur terdistribusi.

Regionalisasi untuk mengamankan rantai pasokan

Melokalisasi pasokan dengan beberapa lokasi manufaktur di berbagai wilayah dipandang sebagai cara untuk mengurangi risiko rantai pasokan (5). Regionalisasi juga dapat membantu produsen CGT memenuhi ekspektasi peraturan yang terus berkembang.

“Modalitas CGT berkembang lebih cepat dibandingkan dengan kerangka peraturan global yang dapat mengimbanginya,” kata Mokuolu. “Para pengembang semakin diharapkan untuk menentukan atribut-atribut kualitas yang penting sejak dini, melibatkan regulator lebih cepat, dan menerapkan strategi pengendalian proses yang kuat yang memastikan kualitas yang konsisten di seluruh lokasi dan wilayah. Regionalisasi rantai pasokan membantu produsen memenuhi ekspektasi peraturan regional yang berbeda-beda, mengurangi ketergantungan pada komponen sumber tunggal, dan menyederhanakan pengendalian perubahan dengan jadwal persetujuan yang dipercepat.”

Mokuolu menyimpulkan bahwa penting untuk merancang SUS yang tangguh dan andal serta memungkinkan proses yang mendukung manufaktur CGT yang skalabel dan berkelanjutan.

Referensi

  1. Aliansi Sistem Bio-Proses. Otomatisasi Operasi Unit Sekali Pakai dalam Bioproses: Perangkap, Tip dan Tren. Kertas Putih. Desember 2025.
  2. Cytiva. Cellular Origins dan Cytiva Berkolaborasi untuk Menghadirkan Kemampuan Manufaktur Robot Otomatis untuk Terapi Sel dan Gen. Siaran Pers. 16 Januari 2025.
  3. Penantang, CA Tren Sterilisasi Bahan Sekali Pakai | BioPharm Internasional, BioPharm Internasional 2024 37 (7).
  4. Mitchell, L. Mengonfirmasi Kesetaraan Iradiasi Gamma dan Sinar-X30 Januari 2025.
  5. Mangal, A. Membangun Jaringan Biomanufaktur yang Kuat untuk Gelombang Terapi Berikutnya, BioPharm Internasional31 Desember 2025.

Tentang penulis

Jennifer Markarian adalah penulis kontributor Teknologi Farmasi dan sebelumnya editor manufaktur untuk Teknologi Farmasi.

15 Fakta Klinis yang Biasa Diuji pada Ujian PTCB.

Farmakologi untuk Teknisi
Persiapan Tes PTCB

Fakta Yang Harus Diketahui Setiap Teknisi Farmasi.

Beberapa fakta diuji pada ujian PTCB lebih dari yang lain.

Di blog hari ini, kami telah mengumpulkan lima belas rincian klinis paling berguna yang perlu Anda ketahui. Hal ini berkisar dari efek samping utama dan interaksi obat, hingga bagaimana pasien biasanya diberi nasihat untuk memberikan obat mereka dengan aman dan efektif.

Jika Anda mengikuti ujian PTCB pada tahun 2026, kami menyarankan untuk kembali ke tabel ini secara berkala untuk membantu Anda memasukkan detail inti ini ke memori.

Pengulangan sering kali merupakan kunci kesuksesan!

Namun, rincian ini tidak hanya penting untuk diketahui untuk ujian teknisi farmasi. Mereka juga sangat relevan dengan karir Anda saat ini atau masa depan sebagai teknisi farmasi. Ingatlah fakta-fakta ini dan Anda akan meningkatkan basis pengetahuan Anda ke tingkat berikutnya.

Farmakologi Klinis yang perlu diketahui untuk Tes PTCB.

Kelas Narkoba / Narkoba Faktor Klinis
Administrasi statin Kebanyakan statin direkomendasikan untuk dikonsumsi di malam hari karena pada saat itulah produksi kolesterol berada pada titik tertingginya.
Pemberian diuretik Diuretik dianjurkan untuk diminum di pagi hari karena ini mengurangi risiko nokturia (buang air kecil di malam hari). Jika dosis diuretik kedua diperlukan, biasanya diberikan pada sore hari.
Penggunaan kortikosteroid topikal Krim kortikosteroid harus dioleskan sangat tipis pada area yang terkena saja. Terdapat risiko kerusakan kulit jika krim dioleskan pada area yang tidak aktif penyakitnya.
Pemberian bifosfonat Bifosfonat dapat menyebabkan esofagitis (radang esofagus).

Untuk mencegah hal ini, bifosfonat dianjurkan untuk diminum dengan segelas penuh air di pagi hari saat perut kosong sambil tetap tegak selama setidaknya 30 menit.

Obat-obatan, termasuk antasida, sebaiknya dihindari selama ini.

Aspirin dan anak-anak Aspirin meningkatkan risiko terjadinya sindrom Reye pada anak-anak yang mengidap infeksi virus aktif.

Ini adalah kondisi yang berpotensi fatal yang melibatkan pembengkakan hati dan otak. Agen antipiretik alternatif harus digunakan pada anak-anak yang demam, seperti asetaminofen.

Vaksin dan obat imunosupresan Obat imunosupresan – termasuk kortikosteroid sistemik – mengurangi respon imun terhadap vaksin hidupmeningkatkan risiko infeksi.
Perubahan warna urin Beberapa obat dapat menyebabkan perubahan warna urin.

Meskipun bagi beberapa pasien hal ini mengkhawatirkan, efek samping ini biasanya tidak berbahaya dan memang diharapkan.

Misalnya:

Nitrofurantoin – urin berwarna coklat
Phenazopyridine – urin berwarna oranye
Amitriptilin – urin berwarna biru
Metronidazol – urin berwarna coklat
Rifampisin – urin merah
Klorokuin – urin berwarna kuning tua
Suplemen vitamin B12 – urin berwarna kuning tua

Metformin dan media kontras IV Media kontras IV digunakan untuk CT scan Dan angiografi koroner.
Pada pasien dengan kerusakan ginjal, media kontras IV meningkatkan risiko asidosis laktat pada pasien yang memakai metformin, obat yang digunakan untuk mengobati diabetes tipe 2.

Metformin harus dihentikan selama 48 jam sebelum/sesudah penggunaan media kontras IV untuk membantu mencegah efek buruk ini.

Makrolida dan efek samping GI Makrolida adalah obat antibakteri yang digunakan untuk mengobati berbagai macam infeksi.

Meskipun obat-obatan tersebut biasanya menyebabkan efek samping pada saluran cerna – seperti mual, muntah, dan diare – risikonya jauh lebih tinggi jika terjadi eritromisin dibandingkan dengan makrolida lain, seperti klaritromisin dan azitromisin.

Meskipun eritromisin juga merupakan makrolida besar pertama, ia juga berfungsi sebagai a agonis motilin – yang secara signifikan meningkatkan risiko efek samping GI.

Lidokain dan epinefrin Lidokain adalah anestesi lokal yang banyak digunakan.

Biasanya dikombinasikan dengan epinefrin yang membantu memperpanjang efek anestesi lokal.

Suplemen zat besi dan feses Teknisi farmasi secara rutin memberikan suplemen zat besi kepada pasien.

Perhatikan bahwa suplemen zat besi dapat menyebabkan pasien mengalami hal tersebut mengembangkan kotoran berwarna hitam. Seperti halnya perubahan warna urin yang dibahas di atas, hal ini tidak berbahaya dan diharapkan akan hilang jika zat besi tidak lagi diberikan.

Insulin dan kortikosteroid Kortikosteroid dapat menurunkan kadar glukosa darah.

Oleh karena itu, mereka meningkatkan kebutuhan insulin pada pasien dengan diabetes tipe 2. Dosis insulin yang lebih tinggi mungkin diperlukan pada pasien yang memakai kortikosteroid.

Diuretik dan asam urat Diuretik – seperti diuretik loop dan thiazide – mengurangi ekskresi asam uratmeningkatkan risiko terkena asam urat.
Risiko obat-obatan dan pendarahan Beberapa golongan obat saja meningkatkan risiko terjadinya perdarahan.

Ini termasuk antidepresan SSRI, SNRI, NSAID, obat antiplatelet, dan obat antikoagulan.

Oleh karena itu, bila lebih dari satu golongan obat ini dikonsumsi sekaligus, maka akan terjadi lebih lanjut meningkatkan risiko pendarahan.

Efek samping penghambat beta Efek samping beta blocker antara lain hipotensi, ekstremitas dingin, gangguan tidur dan mimpi buruk, serta impotensi pada pria. Penyakit ini juga dapat menyebabkan pusing, kelelahan, dan bradikardia (denyut jantung lambat).

Beta blocker dapat menyebabkan bronkospasme yang mengancam jiwa pada pasien asma dan oleh karena itu kontraindikasi.

Pemblokir beta juga harus demikian dihindari dengan penghambat saluran kalsium, karena kombinasi ini dapat menyebabkan gagal jantung dan bradikardia parah.

Semoga artikel hari ini bermanfaat bagi Anda tentang fakta-fakta yang biasa diuji pada ujian PTCB! Jika Anda ingin mengakses seluruh fitur dan konten kursus kami, pertimbangkan untuk menjadi anggota penuh kursus online kami.

Pengobatan yang Dipersonalisasi vs. Pengobatan Presisi

Menurut Dr Jennifer Levin CarterMD, pendiri dan CEO MedzownKonsep pengobatan yang dipersonalisasi bergeser dari gagasan umum bahwa semua orang harus mendapatkan perawatan yang dipersonalisasi berdasarkan keadaan mereka menjadi bagaimana biologi dapat digunakan untuk merancang obat yang bekerja untuk penyakit tertentu pada waktu tertentu.

“Pengobatan presisi benar-benar memahami data, biologi yang mendorong penyakit, fokus awal pada hal ini sebenarnya ada pada onkologi, dan jika kita melihat kemajuan dalam onkologi selama 15 tahun terakhir, kemajuan tersebut sangat mendalam dalam penggunaan genetika dan genomik untuk mengidentifikasi faktor biologis pada tumor pasien yang telah mendorong pengembangan terapi bertarget dan imunoterapi yang benar-benar mengubah pengobatan pasien kanker,” jelas Dr. “Sekarang informasi yang lebih dalam mengenai genetika telah memungkinkan kita mengembangkan terapi gen dan pengobatan lain yang transformatif untuk penyakit langka, penyakit neurodegeneratif, dan penyakit autoimun.”

Akses pasien terhadap pengobatan presisi adalah salah satu tantangan terbesar bagi keberhasilan mereka, menurut Dr. Carter. “Ada sejumlah kemajuan yang luar biasa, namun obat-obatan tersebut, meskipun merupakan obat yang luar biasa, harganya sangat mahal, cukup esoteris dalam hal cara menggunakannya dan untuk pasien mana, dan kita perlu benar-benar memahaminya,” kata Dr. Carter. “Dan di sinilah kita benar-benar memasuki aspek pengobatan presisi. Kita perlu memahami biologi penyakit pasien dan bagaimana memberikan pasien akses terhadap obat yang tepat pada waktu yang tepat dengan cara yang berkelanjutan secara finansial untuk sistem ini.”

Dr. Carter akan membahas bagaimana platform yang dipandu secara presisi dapat membantu perusahaan farmasi mengelola biaya pengembangan obat-obatan yang presisi, seperti terapi sel dan gen, sehingga meningkatkan akses pasien, di pertemuan tersebut. Konferensi Kesehatan JP Morgan di San Francisco, yang diadakan pada tanggal 12-15 Januari.

Tentang pembicara

Jennifer Levin Carter, MD, MPH, MBA adalah Pendiri & CEO Medzown. Carter adalah pemimpin pengobatan presisi yang diakui secara global, dengan rekam jejak yang terbukti dalam membangun perusahaan transformatif yang memadukan data, teknologi, dan perawatan pasien. Dia adalah Pendiri dan Presiden N-of-One, Inc., di mana dia menjabat sebagai CEO dari tahun 2008–2012 dan kemudian sebagai Presiden dan Chief Medical Officer hingga diakuisisi oleh Qiagen (Kapitalisasi Pasar $8 miliar) pada tahun 2019. Di N-of-One, Dr. Carter memimpin pengembangan solusi pemenang penghargaan yang terus memberikan strategi pengobatan baru kepada ratusan ribu pasien kanker di seluruh dunia.

Pada tahun 2018, Dr. Carter mendirikan perusahaan uji klinis baru yang berfokus pada penataan ulang desain dan akses uji coba. Dia menjabat sebagai CEO hingga akuisisi pra-peluncurannya oleh Integral Health (sekarang Valo Health) pada Maret 2019. Pengalaman ini mengukuhkan reputasinya sebagai inovator dalam pengobatan presisi, pemberian uji klinis, dan model perawatan yang berpusat pada pasien.

Setelah usaha ini, Dr. Carter menjadi Managing Partner dan Venture Partner di Sandbox Industries dan Blue Venture Fund, sebuah kolaborasi unik antara perusahaan BCBS, BCBSA, dan Sandbox. Dalam perannya inilah—bekerja sama dengan para eksekutif BCBS—dia memperoleh pemahaman mendalam tentang tantangan yang terkait dengan meningkatnya biaya terapi sel dan gen. Wawasan ini mengilhami dia untuk meluncurkan Medzown, di mana dia terus mengatasi tantangan tersebut dengan membangun solusi yang terukur dan berbasis teknologi untuk meningkatkan akses pasien terhadap terapi tingkat lanjut.

Dr. Carter juga seorang eksekutif layanan kesehatan berpengalaman, investor, dan anggota dewan dengan keahlian yang mencakup TI dan layanan kesehatan, kesehatan digital dan pembelajaran mesin, genomik, pengembangan obat, dan penciptaan platform generasi mendatang untuk meningkatkan akses terapeutik. Dia saat ini menjabat sebagai Dewan Direksi Synteny.ai, TempraMed, Inc., dan Target Cancer Foundation, dan merupakan penasihat strategis untuk banyak perusahaan perawatan kesehatan dan ilmu hayati yang didukung oleh ventura.

Sebelumnya, beliau pernah menjabat sebagai dewan direksi di Oncosit (NASDAQ: OCX), XSphera Biosciences (Co-Founder), CareMax (NASDAQ: CMAX), DFP Healthcare Acquisitions Corp (NASDAQ: DFPH), HouseWorks, eCaring, dan lainnya. Dia juga menjabat sebagai Dewan Penasihat Direktur di Smilow New Haven Cancer Center di Universitas Yale, Dewan Dana Blavatnik di Universitas Yale, dan Dewan Penasihat Wanita MedExec.

Carter memperoleh gelar BS dalam Biofisika Molekuler dan Biokimia (Phi Beta Kappa, Summa Cum Laude dengan predikat istimewa) dari Universitas Yale, gelar MD dari Harvard Medical School, gelar MPH dari Harvard School of Public Health, dan gelar MBA dari Sloan School of Management di MIT. Beliau adalah anggota dari American Association of Corporate Directors (Sertifikasi Direktur Profesional Tingkat Lanjut), National Association of Corporate Directors, Women Corporate Directors, Women Business Leaders dari US Health Care Industry Foundation, dan Women in Bio.

Membangun Landasan Keamanan Narkoba Proaktif pada tahun 2026

Teknologi Farmasi baru-baru ini berbicara dengan Beena Wood, chief product officer, Qinecsa Solutions, untuk mendapatkan perspektifnya tentang tren yang membentuk pengembangan dan manufaktur farmasi pada tahun 2025 dan arah yang akan dicapai pada tahun 2026. Di bagian 3 dari tiga bagian wawancara kami, Wood menguraikan bagaimana tahun 2026 akan menandai tahun yang penting bagi farmakovigilans (PV), keselamatan translasi, dan inovasi peraturan, yang didorong oleh peralihan dari kepatuhan reaktif ke proaktif, pengambilan keputusan berdasarkan data. Dia menekankan bahwa prioritas jangka pendek terbesar industri ini bukanlah menerapkan kasus penggunaan AI tingkat lanjut, namun membangun infrastruktur dan tata kelola dasar yang diperlukan untuk membuat PV proaktif dapat dijalankan dalam skala besar.

Wood berargumentasi bahwa organisasi yang bersedia berinvestasi sejak dini—meskipun pengembaliannya tertunda—akan berada pada posisi terbaik untuk memimpin. “Membangun fondasi… Saya pikir ini akan menjadi hal terpenting yang akan terjadi pada tahun 2026,” katanya, sambil menekankan bahwa transformasi yang berarti membutuhkan kesabaran dan komitmen jangka panjang.

Tema utamanya adalah evolusi keselamatan translasi, yang digambarkan Wood sebagai penghubung sinyal keselamatan pada awal pengembangan dibandingkan hanya mengandalkan pengawasan pasca-pasar. Dia menjelaskan bahwa tim pengembangan sering kali terhenti bukan karena kurangnya ilmu pengetahuan, namun karena sistem data yang terfragmentasi membuat keputusan menjadi tidak jelas. “Tim jarang terjebak karena ilmu pengetahuannya tidak jelas; mereka terjebak karena keputusannya tidak jelas,” kata Wood. Mengintegrasikan data mekanisme, toksikologi, farmakokinetik/farmakodinamik, dan bukti dunia nyata lebih awal dapat mengubah cara pengelolaan ketidakpastian secara mendasar.

Wood juga menyebutkan adanya inovasi peraturan yang berkelanjutan pada tahun 2026, dengan mengutip inisiatif-inisiatif seperti Voucher Prioritas Nasional Komisaris FDA program, perluasan upaya bukti dunia nyata, panduan FDA baru, makalah refleksi EMA, dan kewajiban mendatang yang terkait dengan kerangka kerja global seperti CIOMS dan itu SAYA PUNYA Akting. Perkembangan ini, katanya, memperkenalkan pagar pembatas yang mendukung inovasi sekaligus menjaga kepercayaan dan keamanan.

Terakhir, Wood menyoroti semakin pentingnya kolaborasi berbasis ekosistem. Ia memperkirakan akan terjadi peralihan dari kemitraan bilateral ke arah jaringan yang diatur yang melibatkan perusahaan farmasi, bioteknologi asli AI, perusahaan teknologi tinggi, regulator, dan organisasi pasien. Model kolaboratif ini, menurutnya, akan sangat penting untuk memajukan keselamatan yang didukung AI, mempercepat pembangunan, dan menavigasi lanskap peraturan dan ilmu pengetahuan yang semakin kompleks.

Mengakses Bagian 1 Dan Bagian 2 dari wawancara ini!

Salinan

Catatan Editor: Transkrip ini adalah rendering konten audio/video asli yang sedikit diedit. Ini mungkin mengandung kesalahan, bahasa informal, atau kelalaian seperti yang diucapkan dalam rekaman aslinya.

Jadi, jika saya mengambil contoh PV itu sendiri, bagaimana kita bisa memiliki infrastruktur dan tata kelola tersebut sehingga PV yang proaktif bisa menjadi nyata? Dan membangun fondasi pada tahun 2026, menurut saya, akan menjadi hal terpenting yang akan terjadi pada tahun 2026. Organisasi yang berkomitmen untuk membangun infrastruktur proaktif tersebut, meskipun kasus penggunaannya mungkin memerlukan waktu bertahun-tahun untuk diterapkan.

Hal kedua, sekali lagi, adalah keamanan translasi, yaitu menghubungkan titik-titik tadi. Jadi pergeseran proaktif bukan hanya sekedar—dan hal ini terkait dengan program Voucher Nasional (Prioritas) FDA (Komisaris), dll.—pengawasan pasca-pasar saja; ini dimulai jauh lebih awal, keamanan dalam pembangunan.

Apa yang saya lihat dan apa yang saya pikir akan berlanjut pada tahun 2026 adalah perubahan mendasar dari para pemimpin keselamatan translasi, yang secara mendasar memikirkan kembali cara kita mengambil keputusan dalam kondisi ketidakpastian. Jadi, seorang rekan saya merumuskannya sebagai berikut: tim jarang mengalami kebuntuan karena ilmu pengetahuannya tidak jelas; mereka terjebak karena keputusannya tidak jelas. Dan polanya misalnya kita punya data mekanisme, temuan racun, data PK/PD, bukti nyata. Namun, ini adalah sistem yang berbeda, tingkat kompetensi dan fungsi yang berbeda. Jadi, ketika keputusan itu diambil, saya pikir itu karena kita tidak punya cukup data. Saya pikir untuk menghubungkan data lebih awal dan upstream, itulah tren yang akan saya lihat—bahwa terjemahan aman dan pada dasarnya memikirkan hal itu.

Saya pikir inovasi dan panduan peraturan akan terus berlanjut dengan adanya pagar pembatas yang penting. Kita sudah melihat tren seperti yang saya jelaskan sebelumnya. Program Voucher Nasional (Prioritas) (Komisaris) adalah salah satu contohnya. Pusat yang menyiapkan pusat bukti dunia nyata adalah contoh lain dari FDA, dokumen panduan FDA, misalnya, dan kemudian, tentu saja, makalah refleksi EMA dan mereka mulai mengerjakan lampiran 11 dan 22, jika saya mengingat angka-angkanya dengan benar. Dan juga kelompok kerja CIOMS dan EU AI Act akan menambahkan lapisan lain pada tahun 2026 di mana ada beberapa tenggat waktu yang akan datang karena hal tersebut. Juga obat-obatan yang presisi, beralih dari onkologi ke arus utama, seperti yang telah kita lihat pada GLP-1 dan bagaimana hal itu diperluas ke bidang lain seperti kardiovaskular, NASH, dll. Saya pikir hal itu akan terus berlanjut.

Dan yang terakhir, yang tetap berada di urutan kelima adalah kolaborasi ekosistem. Kolaborasi ini tidak lagi bersifat bilateral atau one-on-one atau one-on-two, namun harus menjadi ekosistem yang terorganisir, misalnya untuk AI. Apakah kita memiliki teknologi hyperscaler? Apakah kita memiliki bioteknologi yang berbasis AI? Apakah kita mempunyai organisasi pasien yang berpartisipasi, kolaborasi regulasi, semuanya dengan farmasi dan industri?

Mengapa Data, Kepercayaan, dan Keterampilan Merupakan Fondasi Farmacovignance Berbasis AI

Teknologi Farmasi baru-baru ini berbicara dengan Beena Wood, chief product officer, Qinecsa Solutions, untuk mendapatkan perspektifnya tentang tren yang membentuk pengembangan dan manufaktur farmasi pada tahun 2025 dan arah yang akan dicapai pada tahun 2026. Di bagian 2 dari tiga bagian wawancara kami, Wood menguraikan visi ke depan tentang bagaimana AI dapat mentransformasi farmakovigilans (PV), sambil secara jujur ​​mengatasi hambatan struktural, peraturan, dan organisasi yang harus diatasi terlebih dahulu. Dia membayangkan masa depan di mana sistem pengawasan yang didukung AI dapat dengan cepat mendeteksi sinyal keselamatan di seluruh dunia—di berbagai bahasa, geografi, dan kumpulan data—dalam hitungan jam, bukan bulan. Menurut Wood, hal ini akan memungkinkan sistem untuk “mendeteksi—bukan laporan berminggu-minggu, bukan bulan, tapi berjam-jam—yang sama dalam berbagai bahasa,” melakukan referensi silang terhadap kasus serupa secara global, dan secara proaktif memperingatkan produsen dan regulator hampir secara real-time.

Meskipun Wood menekankan bahwa visi ini secara teknis dapat dilaksanakan, ia menekankan bahwa kendala terbesar saat ini bukanlah kecanggihan algoritmik, melainkan lemahnya fondasi data. Kumpulan data yang terfragmentasi, tidak dapat dioperasikan, dan divalidasi dengan buruk sangat membatasi efektivitas AI dalam PV, katanya. Seperti yang dia katakan, “Kecanggihan AI tidak akan membantu” jika data yang mendasarinya tidak selaras. Dia mencatat bahwa organisasi-organisasi terkemuka di tahun 2025 adalah mereka yang berinvestasi pada “fondasi yang membosankan” ini, sehingga memungkinkan kemajuan yang lebih cepat dan terukur di kemudian hari.

Kepercayaan dan kemampuan menjelaskan muncul sebagai tema penting lainnya, dengan Wood membingkai kepercayaan sebagai kombinasi transparansi, kemampuan audit, akurasi, dan evaluasi berbasis risiko. Sistem AI kotak hitam (black-box AI), menurutnya, tidak akan mendapatkan daya tarik dalam bidang-bidang yang berisiko tinggi seperti pemantauan keselamatan, terutama di bawah kerangka peraturan yang terus berkembang seperti UU AI UE. Pagar pembatas yang jelas, kerangka etika, dan praktik AI yang bertanggung jawab sangat penting untuk diadopsi.

Wood juga menyoroti kesiapan ekonomi dan organisasi sebagai hambatan utama. Tim PV harus bersaing untuk mendapatkan investasi dengan mengartikulasikan laba atas investasi secara jelas, sementara organisasi memerlukan strategi manajemen perubahan yang kuat untuk mengintegrasikan AI secara efektif. Dia memperingatkan bahwa tantangan keterampilan yang sebenarnya bukan sekadar kemahiran teknis tetapi juga pemikiran kritis—mengajarkan para profesional cara mengevaluasi keluaran AI, mengenali keterbatasan, dan mengidentifikasi halusinasi. Pada akhirnya, Wood melihat AI bukan sebagai pengganti keahlian manusia, namun sebagai penguat: alat yang, jika digunakan secara bertanggung jawab, dapat menjadikan para profesional yang terampil menjadi “manusia super” dan bukan pengganti.

Mengakses Bagian 1 dari wawancara ini!


Salinan

Catatan Editor: Transkrip ini adalah rendering konten audio/video asli yang sedikit diedit. Ini mungkin mengandung kesalahan, bahasa informal, atau kelalaian seperti yang diucapkan dalam rekaman aslinya.

Jadi bayangkan seorang pasien di pedesaan India dan, katakanlah mereka sedang menjalani terapi gen yang baru disetujui, dan mereka mengalami reaksi yang tidak biasa. Lalu pikirkan kemungkinan sistem pengawasan intelijen yang, dalam beberapa jam, mampu mendeteksi—bukan berminggu-minggu, bukan berbulan-bulan, tapi berjam-jam—laporan yang sama dalam berbagai bahasa, mampu melakukan referensi silang dengan sekitar 47 kasus serupa secara global dan kemudian mengidentifikasi adanya korelasi penanda genetik menggunakan analisis data dunia nyata dan kemudian, secara bersamaan, memperingatkan produsen serta regulator dan agen AI yang sudah mengoordinasikan tindakan proaktif.

Di situlah saya ingin PV mencapainya. Dan secara teoritis hal ini mungkin dilakukan dengan kemampuan AI, dengan pengawasan yang proaktif, namun kita tidak memiliki landasan yang diperlukan untuk mewujudkannya. Dan di situlah hambatan yang Anda bicarakan dan hal-hal yang saya bicarakan sebelumnya ikut berperan. Misalnya saja landasan data, masalah heterogenitas data, dan masalah fragmentasi. Sederhananya… kenyataan yang tidak mengenakkan bagi kami adalah bahwa kami sedang membangun sistem AI berdasarkan landasan data yang tidak terstandarisasi atau tidak dapat dioperasikan dan sering kali tidak divalidasi untuk kasus penggunaan AI. Jadi, jika data ini tersebar dengan format yang tidak kompatibel, sistem lama, dan silo peraturan, dan jika Anda ingin membuat model AI tersebut tanpa harmonisasi, hal tersebut akan menjadi sangat sulit.

Kecanggihan AI tidak akan membantu. Jadi, menurut saya, ini adalah sebuah kenyataan yang tidak mengenakkan, dan itulah yang menyadarkan kita pada tahun ini, pada tahun 2025. Organisasi yang baik adalah mereka yang mulai melakukan hal-hal yang membosankan sehingga mereka dapat berkembang dengan sangat cepat setelahnya.

Saya pikir hambatan lainnya adalah kemampuan menjelaskan dan kepercayaan terhadap sistem AI ini. Jadi, ketika saya melihat kepercayaan, saya menganggapnya sebagai kemampuan menjelaskan, artinya transparansi, kemampuan audit, serta keakuratan, dan ditimbang oleh risikonya. Begitulah cara saya memandang kepercayaan pada sistem AI.

Semua ini berperan dalam memperbesar atau memperkecil kasus penggunaan AI. Jadi, jika kita masih membicarakan AI sebagai kotak hitam, itu tidak akan berhasil. Sangat penting untuk memiliki pagar pembatas tersebut. Pagar pembatas seperti apa, kerangka etika seperti apa, AI yang bertanggung jawab seperti apa yang kita hadirkan? Bagaimana bisa dipercaya? Jadi, menurut saya, hal ini merupakan hambatan penting lainnya yang, baik sebagai vendor maupun konsumen, dan letakkan dalam konteks UU AI UE dan dalam sistem yang berisiko tinggi—saya tahu masih ada perbincangan tentang apa yang menjadi sistem berisiko tinggi dalam domain kita—menurut saya semua itu menjadi sangat penting. Dan realitas ekonomi justru menjadi penghalang. Saya dapat mengatakan, dengan pasti, dengan domain saya, ini adalah tentang meminta investasi awal untuk AI yang menjanjikan peningkatan efisiensi. Kita tahu akan ada peningkatan efisiensi, namun bagaimana kita bisa duduk di meja penelitian dan pengembangan di mana PV dan keselamatan dapat meningkatkan ROI dan kasus penggunaan tersebut, bersaing dengan kasus penggunaan lainnya, agar investasi tersebut mampu mencapai tujuan tersebut? Bagaimana kita membangun ROI untuk perusahaan?

Saya harus mengatakan bahwa kesiapan organisasi adalah hal lain. Saya rasa hal ini tidak dilihat sebagai perubahan kecil, namun sebenarnya memiliki manajemen perubahan menyeluruh untuk AI dan bahkan mengubah cara kita memandang keahlian. Maksud saya, apakah ini merupakan deskripsi pekerjaan atau apakah kita membangun serangkaian keterampilan yang kita perlukan dan dapat diterapkan ke seluruh organisasi? Jadi menurut saya itulah hal-hal yang menjadi hambatan dan perlu diatasi.

Yang membuat saya khawatir tentang hal ini adalah saya tidak yakin, sebagai sebuah industri, apakah kita menyelesaikan masalah dengan benar. Ketika kita berbicara tentang keterampilan atau hambatan, dan kita memiliki laporan yang kontradiktif tentang AI bayangan dan 90% tetap menggunakan AI, baik itu disetujui atau tidak oleh perusahaan, tantangan keterampilan sebenarnya adalah: Bagaimana kita mengajar orang untuk mengevaluasi secara kritis keluaran AI dalam konteks pekerjaan? Misalnya, dalam konteks keselamatan, bagaimana kita mengajar orang untuk mengevaluasi apakah AI beroperasi sesuai kompetensi atau berhalusinasi dengan percaya diri? Bagaimana kita mengajarkan hal itu? Bagaimana kita mengajar ketika AI tidak bisa menjawab pertanyaan? Jadi begitulah cara saya membingkai pertanyaan itu.

Dan saya juga melihatnya sebagai, tidak memikirkan keterampilan teknis secara terpisah. Keterampilan AI kadang-kadang dianggap sebagai keterampilan teknis, jadi jangan berpikir tentang hal itu secara terpisah, namun anggaplah itu sebagai gabungan dari berbagai kemampuan dan kolaborasi. Jadi, misalnya, para ilmuwan data dan orang-orang teknologi, apakah mereka memahami domain PV? Apakah orang-orang di domain PV memahami teknologi? Bagaimana kita menyatukan hal-hal tersebut sebagai sebuah kolaborasi untuk menjembatani kesenjangan tersebut? Apakah mereka mengubah kemampuan manajemen sehingga kita benar-benar dapat mencapai keberhasilan transformatif tersebut?

Saya pikir kecerdasan manusia pada dasarnya indah. Dan menurut saya hal ini tidak akan pernah bisa tergantikan, tapi apa yang bisa kita lakukan adalah mengaktifkan alat AI ini untuk menjadikan kita manusia super, begitulah menurut saya.