AarogyaAI menggunakan AI/ML di AWS untuk mendiagnosis resistans antimikroba secara tepat

Pendiri sudah akrab dengan mimpi startup. Dibangun di atas akumulasi pengalaman hidup, kemenangan, kekalahan, data, iterasi—dan terkadang keberuntungan—mimpi ini membawa startup dalam perjalanan mulai dari “Saya punya ide bagus” hingga membuktikan apa yang mungkin.

AarogyaAI, startup di bidang kesehatan dan ilmu hayati (HCLS) di India, dibangun berdasarkan mimpi untuk “menggunakan penelitian yang saya dan salah satu rekan pendiri saya lakukan di dunia akademis dan memberikan pengaruh pada kesehatan manusia,” kata CEO (CEO) Dr. Praapti Jayaswal. AarogyaAI menggunakan kecerdasan buatan dan machine learning (AI/ML) untuk secara cepat mendiagnosis resistans obat pada pasien yang disebabkan oleh bakteri, jamur, dan virus patogen. AarogyaAI memungkinkan dokter membuat keputusan pengobatan berdasarkan data dan meresepkan obat yang secara efektif mengobati dan meningkatkan hasil kesehatan pasien.

Praapti dan salah satu pendirinya, Avlokita Tiwari, chief technology officer (CTO), memulai persahabatan mereka pada tahun 2012 sebagai teman carpool selama perjalanan 30 mil dari rumah ke laboratorium mereka di Translational Health Science and Technology Institute di Faridabad, India. Praapti sedang menyelesaikan gelar PhD dalam penelitian tuberkulosis dan Avlokita adalah peneliti junior.

Persahabatan mereka berlanjut hingga tahun 2019, ketika Avlokita memberi tahu Praapti, “Saya sedang mencari pekerjaan.” Praapti menjawab, “Jangan mencari pekerjaan—mari kita bangun perusahaan ini bersama-sama.'” Tanpa ragu, Avlokita hanya menjawab “Ya.”

Karena alasan itulah AarogyaAI didirikan. Perusahaan merayakan ulang tahun ke-4 pada Mei 2023 dan saat ini memiliki sembilan kemitraan klinis dan komersial. Mereka menjalankan enam saluran penyakit menular di cloud Amazon Web Services (AWS), serta gudang mereka yang berisi hampir 20.000 genom patogen.

Membuktikan apa yang mungkin dilakukan dalam layanan kesehatan modern

“Kami frustrasi karena banyak orang meninggal akibat penyakit yang dapat disembuhkan. Pada tahun 2018, tuberkulosis adalah penyakit menular yang paling mematikan, padahal ada 19 obat untuk menyembuhkan infeksi bakteri tersebut,” kata Praapti. “Kami melihat AI digunakan untuk membuat orang menjadi lebih kaya, tetapi tidak untuk membuat orang yang sakit menjadi lebih sehat.”

Praapti dan Avlokita memutuskan untuk mengubah hal ini dengan menggunakan AI untuk membuat diagnosis presisi resistans antimikroba dapat diakses di titik perawatan. AarogyaAI memungkinkan dokter memasukkan urutan genom spesimen pasien ke dalam AAICare, aplikasi yang dibangun di AWS. Baik Praapti maupun Avlokita percaya bahwa setiap orang dapat dan harus memiliki akses terhadap pengobatan yang efektif. “Visi kami adalah membuat genomik tersedia di titik perawatan. Komputasi di AWS membawa kita selangkah lebih dekat dalam mendorong keputusan pengobatan berbasis data untuk mendapatkan hasil positif pada skala populasi,” jelas Praapti.

AAICare secara kuantitatif dan kualitatif mengidentifikasi semua patogen yang ada, serta kerentanan terhadap obat dari patogen tersebut. Selain itu, model ML AarogyaAI yang mereka buat di Amazon SageMaker, mencari dan memprediksi mutasi dalam spesimen yang berkontribusi terhadap resistans obat.

“Teknologi telah berkembang selama beberapa dekade, tetapi jarang digunakan dalam praktik klinis,” kata Praapti. “Kami mengubahnya.”

AarogyaAI membuktikan bahwa layanan kesehatan proaktif dapat menjadi hal yang normal seperti layanan kesehatan reaktif yang umum dilakukan saat ini. “Kami menunjukkan bahwa genomik patogen dan superbug saat ini dapat memprediksi tren masa depan mereka,” kata Praapti. “Saat obat keluar, sebenarnya sudah terlambat selama 10 tahun. Kita perlu menerapkan teknologi agar mampu menciptakan obat-obatan terlebih dahulu, sehingga ketika virus seperti SARS-CoV-2 muncul dan mendatangkan malapetaka di seluruh dunia—8 miliar orang—kita tidak bergantung pada hal yang tidak terlihat itu.”

Untuk memahami tren evolusi patogen secara biologis dan ilmiah, “Genomik cerdas adalah inti dari pekerjaan kami, yakni menggabungkan AI dengan genomik,” jelas Avlokita. “Hal ini membantu pengambilan keputusan pengobatan saat ini dengan visi untuk mengekstraksi informasi relevan mengenai evolusi patogen, sehingga memandu pengambilan kebijakan kesehatan masyarakat untuk kesiapsiagaan pandemi.”

Membangun startup mereka di AWS

Praapti dan Avlokita memutuskan bahwa untuk membangun aplikasi layanan kesehatan yang aman, andal, dan dapat diskalakan, mereka akan menggunakan AWS secara menyeluruh.

Aarogya AI menggunakan layanan terkelola AWS seperti SageMaker, Amazon Relational Database Service (Amazon RDS), dan Elastic Load Balancing untuk menyelesaikan tugas-tugas yang mungkin rumit disiapkan dan dikelola oleh tim teknik. Hal ini memungkinkan AarogyaAI lebih fokus pada pengembangan fitur produk mereka, daripada berfokus pada pengoperasian pusat data teknologi dan biaya tambahan yang menyertainya.

“Bagian terbaik dalam menggunakan AWS adalah segala sesuatunya sangat lancar,” jelas Avlokita. “Merupakan pengalaman belajar yang luar biasa, mengetahui semua fitur berbeda di AWS dan bagaimana fitur tersebut dapat mendukung tujuan kami. Kami sangat puas dengan AWS.”

Untuk mempercepat pertumbuhan startup mereka, AarogyaAI melamar dan diterima di AWS ML Elevate, program yang berbasis di India yang membantu startup AI/ML untuk menunjukkan inovasi mereka sambil memberikan bimbingan dan akses ke saluran modal ventura (VC).

Melatih dan melakukan deployment model machine learning

Model ML adalah kunci kemampuan AarogyaAI dalam menganalisis spesimen pasien secara akurat dan memprediksi tren masa depan. SageMaker adalah solusi AI/ML yang membantu tim ilmu data mereka membuat, melatih, dan menyempurnakan model ML sambil memberikan kontrol dan visibilitas penuh. “Kami mengandalkan SageMaker untuk membangun model AI/ML kami dan melakukan deployment,” kata Avlokita. AarogyaAI melatih model SageMaker mereka pada set data genom global dan lokal yang tersedia secara publik dan dihasilkan di situs, dengan tetap mempertimbangkan gagasan untuk menerjemahkan penelitian ke dalam aplikasi dunia nyata.

“Saat pimpinan produk kami bergabung dengan perusahaan, dia tidak memiliki pengalaman AWS. Dia mengetahui ilmu data dan algoritma AI/ML, tetapi dia tidak tahu cara menggunakan AWS,” kata Avlokita. “SageMaker sangat ramah pengguna sehingga dia dapat segera mengambil tindakan dan mencari cara untuk membangun solusi ML.”

Komputasi untuk model ML berjalan menggunakan Amazon Elastic Compute Cloud (Amazon EC2), yang menawarkan kapasitas komputasi yang aman dan andal sesuai permintaan. Untuk penyimpanan objek, AarogyaAI menggunakan Amazon Simple Storage Service (Amazon S3).

Mengoptimalkan biaya cloud untuk diinvestasikan kembali dalam bisnis mereka

Sebagai langkah selanjutnya dalam pengembangan produk mereka, AarogyaAI ingin menjadikan algoritma AI mereka lebih kuat dan mampu menganalisis lebih banyak patogen. “Kami menggunakan AWS untuk menjalankan eksperimen ML. Cepat dan efisien,” kata Avlokita. “Kami puas dengan hasilnya. AWS memungkinkan kami memanfaatkan apa yang kami perlukan dari eksperimen ini dan mempelajari cara menyesuaikan algoritma kami untuk menyertakan lebih banyak patogen.”

Saat AarogyaAI bereksperimen dan mempelajari cara memperluas produk mereka, jumlah komputasi yang mereka gunakan meningkat dan memengaruhi tagihan AWS mereka. Namun, sebagai anggota AWS Activate—program yang membantu startup untuk membangun dan menskalakan—mereka dapat menggunakan kredit AWS senilai 100.000 USD untuk membayar tagihan mereka.

Selain itu, “AWS di India dan AS tidak pernah ragu untuk memberi tahu kami tentang berbagai aspek optimisasi biaya. Kami dapat segera mengurangi tagihan sebesar 38%,” kata Avlokita. “Kami suka dengan cara AWS membantu kami mengatasi biaya cloud. Sekarang, kami dapat terus membangun.”

Rencana masa depan AarogyaAI dan layanan kesehatan di cloud

Baik Praapti maupun Avlokita yakin bahwa masa depan layanan kesehatan yang lebih adil dan efektif bergantung pada teknologi. “Fokus utamanya adalah layanan kesehatan akan dengan cepat menjadi lebih berbasis teknologi,” kata Avlokita. “Penting bagi kami untuk membuat produk dengan kemampuan dan skalabilitas untuk beradaptasi dengan teknologi baru yang ada.”

Bagi pihak lain yang sedang membangun sektor kesehatan dan teknologi yang berkembang pesat, Praapti menyarankan, “Hal terbesar yang dapat saya sampaikan kepada para pendiri lainnya adalah: Jangan menunggu apa pun. Lakukan saja tanpa ragu-ragu.” Dia menjelaskan, “Ini bukanlah waktu yang tepat untuk menghubungi seseorang atau mengirim email atau menelepon atau memulai bisnis atau pun mengajukan paten—entah Anda melakukan panggilan yang benar atau salah, Anda akan menghasilkan sesuatu yang positif.”

Sebagai langkah selanjutnya dalam perjalanan startup mereka, AarogyaAI berencana untuk melakukan deployment produk mereka secara lebih luas di pasar, khususnya di Amerika. “Kami mendapatkan dukungan luar biasa dari AWS di India, Singapura, Asia Pasifik, dan Amerika,” kata Praapti. “Kami tidak sabar untuk mulai melakukan komersialisasi bersama dengan AWS.”

“Pada tahun 2012, ketika Avlokita dan saya biasa melakukan carpool sambil berangkat ke laboratorium, kami membicarakan impian terliar kami, seperti uji klinis yang menjadi redundan menggunakan biologi komputasi,” Praapti tertawa. “Dengan AarogyaAI dan AWS, impian terliar kami perlahan menjadi kenyataan.”