Cekricek.id — Dua orang bisa menerima vaksin yang sama pada hari yang sama, lalu membentuk perlindungan yang jauh berbeda. Sebuah tim peneliti di Amerika Serikat kini menyatakan sebagian jawabannya sudah tertulis di dalam darah, bahkan sebelum jarum suntik menyentuh lengan.
Peneliti Biodesign Institute, Arizona State University, memakai kecerdasan buatan untuk membaca pola antibodi yang sudah ada di tubuh seseorang sebelum divaksinasi. Pola itu, menurut mereka, sanggup memisahkan orang yang akan merespons kuat dari mereka yang responsnya tumpul, menurut keterangan tertulis Arizona State University, Kamis (20/08/2026).
“Yang ditemukan studi kami adalah bahwa biomarker tertentu, ketika dianalisis dengan AI, dapat memprediksi siapa yang kemungkinan merespons vaksin dengan baik, bahkan sebelum mereka menerimanya,” kata Joshua LaBaer, Direktur Eksekutif Biodesign Institute Arizona State University sekaligus Direktur Virginia G. Piper Center for Personalized Diagnostics. Ia menilai temuan itu menyiratkan adanya perbedaan kesiapan tubuh yang selama ini luput diukur. “Ini menunjukkan sebagian orang mungkin lebih siap secara imun dibanding yang lain,” ujar dia.
Baca juga Kimia Darah Manusia Bergeser Seiring Naiknya CO2 Atmosfer
Antibodi Sentinel dari Kuman Sehari-hari
Tim menganalisis 8.687 sampel darah dari 4.089 partisipan, terdiri atas 2.445 orang sehat dan 1.644 orang dengan sistem imun tertekan. Setiap sampel diukur terhadap 185 antigen, lalu seluruh polanya dibaca sekaligus memakai algoritme pembelajaran mendalam, menurut laporan yang terbit di jurnal Cell Press Blue, Kamis (20/08/2026).
Hasilnya, kadar antibodi terhadap mikroba yang jamak dijumpai manusia — seperti bakteri Staphylococcus aureus, virus RSV, dan human respirovirus 3 — berkaitan dengan respons yang lebih kuat terhadap vaksin Covid-19. Peneliti menyebut antibodi semacam itu sebagai antibodi sentinel, alias penjaga yang menandai kondisi keseluruhan sistem imun.
Logikanya, antibodi tersebut bukan penyebab respons kuat, melainkan penanda. Kehadirannya menunjukkan sistem imun humoral seseorang sedang bekerja baik dan masih sanggup membentuk antibodi baru begitu bertemu antigen asing yang belum pernah dikenalnya.
Baca juga Cara Laser Membaca Lukisan Kubur Bilik Batu Pasemah
Sehat Belum Tentu Merespons Kuat
Salah satu temuan yang paling mengejutkan justru datang dari kelompok sehat. Sekitar 5 sampai 6 persen partisipan yang tergolong sehat ternyata membentuk respons vaksin yang lemah, padahal tidak ada kondisi medis yang menandai mereka sebagai kelompok berisiko.
Sebaliknya, sebagian partisipan yang sistem imunnya tertekan justru membentuk respons yang kuat. Pola tersebut menunjukkan status kesehatan umum saja tidak cukup untuk menebak hasil vaksinasi seseorang, sekalipun kelompok imunosupresi secara rata-rata memang lebih sering mengalami respons tumpul.
Baca juga WHO Dorong Uji Fase 3 Vaksin Ebola Saat Wabah Kongo Tembus 4.500 Kasus
Satu Pola, Bukan Satu Penanda
Kekuatan pendekatan ini terletak pada cara membacanya. Alih-alih memburu satu biomarker tunggal, model kecerdasan buatan menimbang seluruh panel 185 antigen sebagai satu kesatuan pola, sehingga sinyal-sinyal lemah yang tersebar di banyak titik tetap dapat terbaca.
Peneliti menuliskan bahwa profil antibodi antimikroba yang sudah ada sebelum vaksinasi berpotensi menjadi biomarker terukur untuk menilai daya tanggap imun humoral seseorang, sekaligus menyediakan kerangka kerja untuk memprediksi respons vaksin sebelum imunisasi diberikan.
Menuju Vaksinasi yang Lebih Terarah
Studi ini masih berupa temuan awal dan bertumpu pada data respons terhadap vaksin Covid-19, sehingga belum otomatis berlaku untuk semua jenis vaksin. Peneliti juga perlu menguji apakah pola yang sama muncul pada populasi dengan latar belakang paparan mikroba yang berbeda.
Jika terkonfirmasi pada penelitian lanjutan, uji darah sederhana sebelum vaksinasi dapat menandai siapa yang kemungkinan membentuk respons kuat dan siapa yang membutuhkan perlindungan tambahan, menurut keterangan tertulis Arizona State University, Kamis (20/08/2026).
















