Kolaborasi Asa Ren dan Besurance, Siap Cari Solusi Deteksi Penyakit Metabolik di China

PT Asa Ren Global Nusantara (Asa Ren) dan Besurance Corporation telah membentuk kemitraan untuk mengembangkan algoritma yang dapat mendeteksi penyakit metabolik, seperti diabetes, sejak dini.

CEO Asa Ren, Aloysius Liang, menyatakan bahwa inisiatif ini berfokus pada pemahaman mendalam tentang kondisi fisik manusia melalui penggabungan data genetik dan klinis. Liang menekankan bahwa inovasi ini akan mengubah kehidupan banyak orang di bidang kesehatan metabolik.

Baca Juga: BMAD Ubin Keramik Picu Retaliasi, Indonesia Berpotensi Kehilangan Surplus Perdagangan Rp 129 T dari China

"Di Asa Ren, kami percaya sudah saatnya untuk memperhatikan dan memahami kondisi fisik manusia lebih dalam dengan cara menggabungkan data genetik dan klinis," ungkapnya dilansir Kamis (15/08/2024).

Proyek ini bertujuan untuk mengumpulkan data klinis yang mencakup informasi demografis dan latar belakang pasien dari waktu ke waktu. Data ini akan digunakan untuk mengidentifikasi pasien dengan risiko tinggi terhadap penyakit metabolik dan memberikan program yang dipersonalisasi, seperti suplemen medis dan perubahan gaya hidup, guna mencegah penyakit tersebut dan mengurangi beban finansial asuransi.

Adapun CEO Besurance, Jason Alleyne, menyatakan bahwa kolaborasi ini bertujuan untuk menciptakan ekosistem yang kuat di Tiongkok, menggabungkan inovasi kesehatan, standar makanan, dan inovasi asuransi.

"Kolaborasi ini bertujuan untuk menciptakan ekosistem yang kuat agar dapat menghadirkan inovasi pencegahan risiko penyakit metabolik di Tiongkok dengan menggabungkan inovasi  kesehatan, standar makanan yang tepat, dan inovasi asuransi," jelasnya.

Baca Juga: Pakar Hukum Internasional Soroti Langkah China Layangkan Protes Keras ke Indonesia Buntut Kajian KADI Tidak Kredibel

Proyek ini direncanakan untuk melakukan lebih dari 10.000 pengujian. Asa Ren akan mendirikan laboratorium di Tiongkok dan memantau kelompok relawan selama beberapa minggu hingga bulan untuk melacak kemajuan mereka sebelum mengembangkan algoritma untuk mendeteksi tanda-tanda awal kondisi metabolik.