Pada 16 Agustus 2026, jurnal Bioengineering menerbitkan artikel editorial oleh Daniele Giansanti berjudul «When Bioengineering Met Artificial Intelligence: From Machine Learning to Intelligent Bioengineering Systems». Artikel tersebut membahas konvergensi bertahap dari dua bidang yang telah lama berkembang secara paralel, namun kini secara aktif saling bersinggungan.
Penulis mencatat bahwa kecerdasan buatan dan bio-rekayasa pada awalnya menempuh jalur yang berbeda: yang pertama melalui algoritma dan data, yang kedua melalui material fisik dan biologis. Namun, kepentingan keduanya semakin sering berhimpit dalam tugas-tugas pemodelan sistem biologis yang kompleks, perancangan biomaterial, dan penciptaan perangkat medis adaptif.
Artikel ini menekankan transisi dari pembelajaran mesin tradisional ke bentuk yang lebih canggih — arsitektur saraf hibrida, model generatif, dan pendekatan multimodal. Metode-metode ini memungkinkan tidak hanya untuk menganalisis data, tetapi juga menghasilkan solusi baru secara waktu nyata, dengan mempertimbangkan dinamika sistem kehidupan.
Perhatian khusus diberikan pada tantangan yang ada: kebutuhan akan dataset biomedis yang besar dan berkualitas, masalah interpretabilitas model dalam konteks klinis, serta aspek etis penerapan AI dalam bio-rekayasa. Giansanti menunjukkan bahwa banyak pendekatan saat ini masih terbatas pada tugas-tugas sempit dan memerlukan adaptasi yang signifikan terhadap kondisi biologis yang nyata.
Dibandingkan dengan karya-karya sebelumnya mengenai penerapan AI dalam kedokteran, publikasi ini menonjol karena penekanannya pada tingkat sistem: bukan sekadar alat individu, melainkan penciptaan «sistem bio-rekayasa cerdas» yang mampu melakukan pembelajaran mandiri dan adaptasi. Hal ini membedakannya dari tinjauan yang sangat terspesialisasi mengenai pembelajaran mendalam dalam visualisasi atau diagnostik.
Pengembangan sistem semacam itu membuka arah penelitian baru — mulai dari perancangan organ-on-a-chip dengan AI terintegrasi hingga bioprostetik yang dipersonalisasi yang merespons perubahan dalam tubuh pasien. Namun, untuk penerapan yang luas, diperlukan validasi independen dan standardisasi protokol evaluasi.
Masih belum jelas seberapa cepat kesenjangan antara hasil laboratorium dan praktik klinis dapat diatasi, serta risiko baru apa yang akan muncul saat meningkatkan skala sistem bio-cerdas. Komunitas kemungkinan besar akan berfokus pada penciptaan tolok ukur terbuka dan kolaborasi lintas disiplin.
Kesimpulan utama dari artikel ini adalah bahwa nilai sejati dari konvergensi tidak akan terlihat pada terobosan individu, melainkan pada kemampuan untuk menciptakan siklus tertutup perancangan, pengujian, dan optimalisasi solusi biologis dengan bantuan AI.
