ഡോക്ട്ടർ ഹാർഡ് ഡിസ്കിലുണ്ട് : നിർമ്മിതബുദ്ധിയും വൈദ്യശാസ്ത്രവും ..

ചാറ്റ് ജീ.പീ.റ്റീ ആണല്ലൊ ടെക് ലോകത്തെ പുതിയ താരം. മനുഷ്യനെപ്പോലെ ആശയങ്ങളെ ഉൾക്കൊള്ളാനും മനുഷ്യനെപ്പോലെ ചിന്തിക്കുന്നു എന്നു തോന്നിപ്പിക്കുന്ന രീതിയിൽ പ്രതികരിക്കാനും സാധിക്കുന്ന ഈ നിർമ്മിത ബുദ്ധി, ഉപയോഗിച്ചവരെയെല്ലാം അമ്പരപ്പിച്ചു. കമ്പ്യൂട്ടിംഗ് ശേഷിയും സോഫ്റ്റ്‌വെയറിന്റെ സങ്കീർണതയും വർദ്ധിച്ചുവരുന്ന ഭാവിയിൽ ക്രമാതീതമായ പുരോഗതിയാണ് നിർമ്മിത ബുദ്ധി രംഗത്ത് ഉണ്ടാകാൻ പോകുന്നത്. ഇതിൻറെ സ്വാധീനം ആദ്യം എത്തിപ്പെടുന്ന മേഖലകളിൽ ഒന്ന് വൈദ്യശാസ്ത്രമായിരിക്കും. രോഗനിർണയം, ചികിത്സയുടെ ആസൂത്രണം, മരുന്നു വികസിപ്പിക്കൽ തുടങ്ങിയ മേഖലകളിൽ കാര്യക്ഷമതയും കൃത്യതയും വർദ്ധിപ്പിച്ച് വൈദ്യശാസ്ത്രരംഗത്ത് വിപ്ലവം സൃഷ്ടിക്കാൻ നിർമ്മിത ബുദ്ധി അഥവാ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന് (AI) കഴിവുണ്ട്. ഈ സാങ്കേതികവിദ്യ നിലവിൽ എത്തിനിൽക്കുന്ന ഘട്ടവും ഭാവിയിൽ ഉണ്ടാക്കാൻ പോകുന്ന നേട്ടങ്ങളും പരിശോധിച്ചുനോക്കാം.

വൈദ്യശാസ്ത്രത്തിൽ AI ഉപയോഗപ്പെടാൻ സാധ്യതയുള്ള പ്രധാന മേഖലകളിലൊന്ന് രോഗനിർണയത്തിലാണ്. എക്സ്-റേ, സിടി സ്കാനുകൾ പോലുള്ള മെഡിക്കൽ ഇമേജുകൾ മുതൽ ഈ.സീ.ജീ വരെ വിശകലനം ചെയ്യാനും ഒരു പ്രത്യേക അവസ്ഥയെ/ രോഗത്തെ സൂചിപ്പിക്കുന്ന പാറ്റേണുകൾ തിരിച്ചറിയാനും AI അൽഗോരിതങ്ങൾക്കു കഴിയും. കൂടുതൽ കൃത്യതയോടും വേഗത്തിലും രോഗനിർണയം നടത്താൻ ഇത് ഡോക്ടർമാരെ സഹായിക്കും. വിശേഷിച്ചും രോഗലക്ഷണങ്ങൾ വ്യക്തമായി കാണാത്ത സന്ദർഭങ്ങളിൽ.

മെഡിക്കൽ ഇമേജിംഗിൽ AI ഉപയോഗിക്കുന്ന പ്രധാന സങ്കേതത്തിന്റെ പേര് ഇമേജ് വിശകലനം അഥവാ ഇമേജ് അനാലിസിസ് എന്നാണ്. ട്യൂമറുകൾ പോലെ അസാധാരണമായ മാറ്റങ്ങൾ മെഡിക്കൽ ഇമേജുകളിൽ നിന്ന് തിരിച്ചറിയാൻ AI സോഫ്റ്റ്വെയറുകളെ പരിശീലിപ്പിക്കാൻ കഴിയും. ഇത് റേഡിയോളജിസ്റ്റുകളെയും മറ്റു മെഡിക്കൽ പ്രൊഫഷണലുകളെയും പ്രശ്നങ്ങൾ പെട്ടെന്നു തിരിച്ചറിയാൻ സഹായിക്കുന്നു. അങ്ങനെ വേഗത്തിലും കൃത്യതയിലും വലിയ കുതിച്ചുചാട്ടമുണ്ടാകും.
മെഡിക്കൽ രംഗത്ത് ഇമേജ് വിശകലനത്തിന് AI ഉപയോഗിക്കുന്ന നിരവധി സാഹചര്യങ്ങൾ ഇപ്പോൾത്തന്നെ നിലവിലുണ്ട്. അതിൽ ചിലത് പരിചയപ്പെടാം.

ക്യാൻസർ തിരിച്ചറിയൽ:മാമോഗ്രാം അല്ലെങ്കിൽ സിടി സ്കാനുകൾ പോലുള്ള മെഡിക്കൽ ഇമേജുകൾ വിശകലനം ചെയ്ത് അസാധാരണ വളർച്ചകൾ തിരിച്ചറിയുന്നതിന്‌ AI അൽഗോരിതങ്ങളെ പരിശീലിപ്പിക്കാം. ഇത് റേഡിയോളജിസ്റ്റുകളെ ക്യാൻസർ അതിന്റെ പ്രാരംഭ ഘട്ടത്തിൽത്തന്നെ കൂടുതൽ കൃത്യമായി കണ്ടുപിടിക്കാൻ സഹായിക്കും.

റെറ്റിന രോഗങ്ങളുടെ രോഗനിർണയം: കണ്ണിലെ റെറ്റിന അഥവാ നേത്ര പടലത്തിന്റെ ചിത്രങ്ങൾ വിശകലനം ചെയ്യാനും ഡയബറ്റിക് റെറ്റിനോപ്പതി, പ്രായവുമായി ബന്ധപ്പെട്ട മാക്യുലർ ഡീജനറേഷൻ തുടങ്ങിയ രോഗങ്ങളുടെ ലക്ഷണങ്ങൾ തിരിച്ചറിയാനും AI ഉപയോഗിക്കാം. നേത്രരോഗ വിദഗ്ധർക്ക് കൂടുതൽ കൃത്യമായ രോഗനിർണയം നടത്താനും ഉചിതമായ ചികിത്സ നൽകാനും ഇത് സഹായിക്കും. കൂടാതെ നേത്രരോഗ വിദഗ്ധർ ഇല്ലാത്ത ചെറിയ ആശുപത്രികളിൽ പോലും പ്രാഥമികമായി രോഗികളെ സ്ക്രീൻ ചെയ്യാനും ഈ സംവിധാനം സഹായിക്കും.

പാത്തോളജി ചിത്രങ്ങളുടെ വിശകലനം: ടിഷ്യൂ സാമ്പിളുകളുടെ പാത്തോളജി ചിത്രങ്ങൾ വിശകലനം ചെയ്യുന്നതിനും ക്യാൻസർ കോശങ്ങളെയും മറ്റ് അസാധാരണ വളർച്ചകളെയും തിരിച്ചറിയുന്നതിനും AI ഉപയോഗിക്കാം. കൂടുതൽ കൃത്യമായ രോഗനിർണയം നടത്താനും ഉചിതമായ ചികിത്സ പെട്ടെന്ന് നിർദ്ദേശിക്കാനും ഇത് പാത്തോളജിസ്റ്റുകളെ സഹായിക്കും.

ഇമേജിംഗിലെ ഗുണമേന്മ മെച്ചപ്പെടുത്തൽ: മെഡിക്കൽ ഇമേജുകളുടെ നിലവാരം കുറയ്ക്കുന്ന നോയിസ് നീക്കം ചെയ്ത് വ്യക്തത ഉയർത്താനും അങ്ങനെ മങ്ങൽ കുറച്ച് ഡയഗ്നോസിസ് എളുപ്പമാക്കാനും AI ഉപയോഗിക്കാം. കുറഞ്ഞ അളവിൽ മാത്രം റേഡിയേഷൻ ഏൽപ്പിക്കുന്ന "ലോ-ഡോസ് ഇമേജിംഗി"ലും സ്കാനിംഗിൽ അത്ര എളുപ്പം കാണാത്ത മൃദുവായ കലകളുടെ ഇമേജിംഗിലും ഇത് വളരെ ഉപയോഗപ്രദമാണ്.

ഒന്നിലധികം മെഡിക്കൽ ഇമേജുകളെ സംയോജിപ്പിക്കുക: കൂടുതൽ വിവരങ്ങൾ നൽകുന്നതിനും രോഗനിർണയം മെച്ചപ്പെടുത്തുന്നതിനും MRI, CT പോലുള്ള ഒന്നിലധികം രീതികളിൽ നിന്നുള്ള ചിത്രങ്ങൾ സംയോജിപ്പിക്കാൻ AI ഉപയോഗിക്കാം. ഇത് രോഗനിർണയം എളുപ്പമാക്കുകയും റേഡിയോളജിസ്റ്റിന്റെ പണി വളരെയധികം കുറയ്ക്കുകയും ചെയ്യും.

മെഡിക്കൽ ഇമേജിംഗിനായി AI യുടെ വികസനത്തിലും ഉപയോഗത്തിലും ഏർപ്പെട്ടിരിക്കുന്ന നിരവധി കമ്പനികളും സോഫ്റ്റ്‌വെയർ നിർമ്മാതാക്കളും ഉണ്ട്. ചില ശ്രദ്ധേയമായ ഉദാഹരണങ്ങളാണ് ജനറൽ ഇലക്ട്രിക് കമ്പനിയുടെ ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് പ്ലാറ്റ്ഫോമായ എഡിസൺ പ്ലാറ്റ്ഫോം, സീമെൻസ് ഹെൽത്തിന്റെ AI-Rad കമ്പാനിയൻ പ്ലാറ്റ്‌ഫോം ഫിലിപ്‌സിന്റെ ഇന്റലിസ്‌പേസ് ഡിസ്‌കവറി പ്ലാറ്റ്‌ഫോം
എൻവിഡിയ (ജീ.പീ.യൂ രംഗത്ത് പേരുകേട്ട എൻവിഡിയ തന്നെ) യുടെ ക്ലാര പ്ലാറ്റ്‌ഫോം
IBMന്റെ വാട്‌സൺ ഹെൽത്ത് എന്നിവയൊക്കെ.

മെഡിക്കൽ ഡാറ്റാ വിശകലനം

രോഗിയുടെ രേഖകൾ, ക്ലിനിക്കൽ പഠനങ്ങൾ എന്നിവ പോലെ വലിയ അളവിലുള്ളതും കുഴഞ്ഞു മറിഞ്ഞു കിടക്കുന്നതുമായ ഡാറ്റ വിശകലനം ചെയ്തുകൊണ്ട് രോഗിയ്ക്ക് ഏറ്റവും മികച്ച ചികിത്സാരീതി തിരിച്ചറിയുന്നതിനായി കൃത്രിമബുദ്ധി (AI) ഉപയോഗിക്കാം. ഏതൊക്കെ ചികിത്സകൾ ഉപയോഗിക്കണം, ഒരു പ്രത്യേക രോഗിയുടെ ആവശ്യങ്ങൾക്കും ശാരീരിക-മാനസിക- ജനിതക പ്രത്യേകതകൾക്കും അനുസരിച്ച് അവയെ എങ്ങനെ ഏറ്റവും മെച്ചപ്പെട്ട രീതിയിലേക്ക് മാറ്റാം എന്നതിനെക്കുറിച്ചൊക്കെ മെച്ചപ്പെട്ട തീരുമാനങ്ങൾ എടുക്കാൻ ഇത് ഡോക്ടർമാരെ സഹായിക്കും.

നിലവിലുള്ള ക്ലിനിക്കൽ പഠനങ്ങളിൽ നിന്നുള്ള ഡാറ്റ വിശകലനം ചെയ്യാനും അങ്ങനെ മെച്ചപ്പെട്ട ചികിത്സാരീതികൾ കണ്ടെത്താനും AI ഉപയോഗിക്കാം. ഉദാഹരണത്തിന്, ഒരു പ്രത്യേക തരം ക്യാൻസറിന് ഏതൊക്കെ ചികിത്സകളാണ് ഏറ്റവും ഫലപ്രദമെന്ന് തിരിച്ചറിയാൻ ഒരു AI അൽഗോരിതത്തിന് നിമിഷങ്ങളുടെ പണിയേ കാണൂ. ആ രംഗത്തുള്ള ധാരാളം ക്ലിനിക്കൽ പഠനങ്ങളിൽ നിന്നുള്ള ഡാറ്റ സ്വന്തമായി വായിച്ചു മനസ്സിലാക്കി വിശകലനം ചെയ്യാൻ മനുഷ്യർക്ക് മാസങ്ങളോ വർഷങ്ങളോ തന്നെ എടുത്തേക്കാമെങ്കിൽ ഞൊടിയിടയ്ക്കുള്ളിൽ ഒരു ശക്തമായ A.I സൂപ്പർ കമ്പ്യൂട്ടറിന് അത് സാധിക്കും. നമ്മുടെ അറിവിൽ ഉള്ള ഗ്യാപ്പുകൾ മനസ്സിലാക്കാനും അങ്ങനെ കൂടുതൽ വിവരം നൽകാൻ സഹായിക്കുന്ന പഠനങ്ങൾ ആസൂത്രണം ചെയ്യാനും ഇതുവഴി പറ്റുകയും ചെയ്യും.

ചികിത്സാ ആസൂത്രണത്തിൽ AI ഉപയോഗിക്കുന്ന മറ്റൊരു മേഖല ഓരോ വ്യക്തികൾക്കും യോജിച്ച ചികിത്സാരീതികൾ പ്ലാൻ ചെയ്യുന്നതിലാണ്. ഒരു രോഗിയുടെ ജനിതക ഡാറ്റ, മെഡിക്കൽ ചരിത്രം, ഇമേജിംഗ് ഫലങ്ങൾ എന്നിവ വിശകലനം ചെയ്യുന്നതിനും അങ്ങനെ ആ രോഗിക്ക് ഏറ്റവും പറ്റിയ ചികിത്സാ ഓപ്ഷനുകൾ തിരിച്ചറിയുന്നതിനും AI അൽഗോരിതങ്ങൾ ഉപയോഗിക്കാം.

മെഡിക്കൽ ഇമേജുകളിൽ നിന്ന് ചികിത്സയുടെ ഗതി തിരിച്ചറിയുന്നതിനും പ്ലാനുകൾ മാറ്റുന്നതിനും AI ഉപയോഗിക്കാം. ഉദാഹരണത്തിന്, റേഡിയേഷൻ തെറാപ്പിയുടെ ഉചിതമായ ഗതി നിർണ്ണയിക്കാൻ ട്യൂമറുകളുടെ ചിത്രങ്ങൾ വിശകലനം ചെയ്യാൻ AI ഉപയോഗിക്കാം, അല്ലെങ്കിൽ ഹൃദ്രോഗമുള്ള ഒരു രോഗിയുടെ ഹൃദയത്തിന്റെ ചിത്രങ്ങൾ വിശകലനം ചെയ്ത് അയാൾക്ക് എന്ത് ചികിത്സയാണ് ഏറ്റവും ഗുണം നൽകുക എന്നു പ്ലാൻ ചെയ്യാം. രോഗികളുടെ ഡാറ്റ വിശകലനം ചെയ്യുന്നതിനും കാൻസർ രോഗികൾക്ക് ചികിത്സാ നിർദ്ദേശങ്ങൾ നൽകുന്നതിനും ഉപയോഗിക്കാവുന്ന വാട്‌സൺ ഫോർ ഓങ്കോളജി പ്ലാറ്റ്‌ഫോം ഈ രംഗത്ത് വളരെ മുന്നിൽ നിൽക്കുന്ന ഒരു പ്ലാറ്റ്ഫോമാണ്. ഇലക്ട്രോണിക് മെഡിക്കൽ റെക്കോർഡുകൾ, ക്ലിനിക്കൽ കുറിപ്പുകൾ, ഗവേഷണ ലേഖനങ്ങൾ എന്നിവയടക്കം വമ്പൻ അളവിലുള്ള കുത്തഴിഞ്ഞ ഡാറ്റ മനസിലാക്കാനും വിശകലനം ചെയ്യാനും ഈ പ്ലാറ്റ്ഫോം നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗും മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങളും ഉപയോഗിക്കുന്നു. ഇത് കണക്ഷനുകൾ ഉണ്ടാക്കാനും മനുഷ്യന് പെട്ടെന്ന് വ്യക്തമാകാത്ത പാറ്റേണുകൾ തിരിച്ചറിയാനും വാട്സണെ സഹായിക്കുന്നു. കൂടാതെ, പുതിയ ഡാറ്റ വരുന്നതനുസരിച്ച് പ്ലാറ്റ്‌ഫോമിന് തുടർച്ചയായി പഠിക്കാനും മെച്ചപ്പെടുത്താനുമുള്ള കഴിവുമുണ്ട്.

ക്ലിനിക്കൽ ട്രയൽ മാച്ചിംഗിനുള്ള സൗകര്യവും ഇവൻ ഒരുക്കുന്നുണ്ട്. രോഗികളെ അവരുടെ മെഡിക്കൽ ചരിത്രവും ജനിതക പ്രൊഫൈലും അടിസ്ഥാനമാക്കി മരുന്നു പരീക്ഷണങ്ങളുമായി മാച്ച് ചെയ്യാനും അങ്ങനെ മികച്ച ചികിത്സ കണ്ടെത്തുന്നതിനുള്ള പ്രക്രിയ വേഗത്തിലാക്കാനും ക്ലിനിക്കൽ ട്രയലുകളിലെ എൻറോൾമെന്റ് വർദ്ധിപ്പിക്കാനും ഇത് സഹായിക്കും.

സമാനമായ സംവിധാനങ്ങളാണ് നട്ടെല്ലു ശസ്ത്രക്രിയ ആസൂത്രണം ചെയ്യാൻ സഹായിക്കുന്ന മെഡ്‌ട്രോണികിന്റെ Mazor X Stealth, മസ്തിഷ്‌ക ശസ്ത്രക്രിയകൾ ആസൂത്രണം ചെയ്യാൻ സഹായിക്കുന്ന നാവിഗേറ്റഡ് ബ്രെയിൻ തെറാപ്പി പ്ലാറ്റ്‌ഫോം എന്നിവ. സുഷുമ്‌നാ ശസ്ത്രക്രിയകൾക്കായി മെഡ്‌ട്രോണിക് വികസിപ്പിച്ചെടുത്ത ഒരു റോബോട്ടിക് ഗൈഡൻസ് സിസ്റ്റമാണ് Mazor X Stealth. കൂടുതൽ കൃത്യതയോടെ നട്ടെല്ലുശസ്ത്രക്രിയ ആസൂത്രണം ചെയ്യുന്നതിനും നടപ്പിലാക്കുന്നതിനും ശസ്ത്രക്രിയാ വിദഗ്ധരെ സഹായിക്കുന്നതിന് ഇവനുള്ള കഴിവ് വലിയ പ്രശംസയ്ക്കു കാരണമായിട്ടുണ്ട്. രോഗിയുടെ നട്ടെല്ലിന്റെ വിശദമായ 3D മാപ്പുകൾ സൃഷ്ടിക്കാൻ CT, 3D മോഡലിംഗ് പോലുള്ള നൂതന ഇമേജിംഗ് സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുക വഴിയാണ് പ്ലാനിങ് എളുപ്പമാകുന്നത്. ഈ വിവരങ്ങൾ ശസ്ത്രക്രിയയ്ക്കിടെ റോബോട്ടിക് കൈയുടെ നീക്കങ്ങൾ നിയന്ത്രിക്കാനും ഉപയോഗിക്കാം.
Mazor X Stealth റോബോട്ടിക് കയ്യിൽ ഒരു ഡ്രില്ലും സ്ക്രൂഡ്രൈവറും ഉൾപ്പെടെയുള്ള വിവിധ ഉപകരണങ്ങളുണ്ട്. ഇത് സുഷുമ്‌നാ സംയോജനം, വെർട്ടിബ്രൽ ബോഡി മാറ്റിസ്ഥാപിക്കൽ, വൈകല്യങ്ങൾ ശരിയാക്കൽ എന്നിങ്ങനെയുള്ള വിപുലമായ ഓപ്പറേഷനുകൾ നിസ്സാരമെന്നോണം നടത്താനുപയോഗിക്കാം. ശസ്ത്രക്രിയയ്ക്കിടെ തത്സമയം, 3D നാവിഗേഷനും മാർഗ്ഗനിർദ്ദേശവും നൽകാനുള്ള കഴിവും തുടർച്ചയായി റോബോട്ടിക് കയ്യിന്റെ സ്ഥാനം ട്രാക്കുചെയ്തുകൊണ്ട് ശസ്ത്രക്രിയയ്ക്ക് മുമ്പുള്ള പ്ലാനുമായി താരതമ്യം ചെയ്യാനുമുള്ള കഴിവും ഇവനുണ്ട്. അങ്ങനെ, പ്ലാൻ അനുസരിച്ചുതന്നെ ശസ്ത്രക്രിയ പോകുന്നുണ്ടെന്ന് ഉറപ്പാക്കാനും പറ്റുന്നു. പ്ലാനൊന്നു പാളിയാൽ ശരീരം തളർന്നുപോകും എന്നുള്ളിടത്ത് ഇതിന്റെ പ്രാധാന്യം എത്രയാണെന്ന് പറയേണ്ടല്ലൊ.

മരുന്നു വികസനവും AIയും

പുതിയ മരുന്നുകൾ കണ്ടുപിടിക്കുന്നത് എളുപ്പമുള്ള കാര്യമല്ല. കണ്ടുപിടുത്തം കഴിഞ്ഞാലും പരീക്ഷണങ്ങളുടെ വിവിധ ഘട്ടങ്ങളിലൂടെ കടന്നുപോയശേഷം മാത്രമേ അത് വിപണിയിലെത്തുകയുള്ളൂ താനും. ഈ പ്രക്രിയ വേഗത്തിലാക്കാൻ AI ഉപയോഗിക്കാൻ സാധിച്ചാലോ? രോഗികളുടെ രേഖകൾ, ക്ലിനിക്കൽ പഠനങ്ങൾ, ജീനോമിക് ഡാറ്റ എന്നിവ പോലുള്ള വലിയ അളവിലുള്ള ഡാറ്റ വിശകലനം ചെയ്തുകൊണ്ട്, പുതിയ മരുന്നുകളുടെ മോളിക്കുലാർ ലക്ഷ്യങ്ങൾ തിരിച്ചറിയുന്നതിനും മരുന്നു വികസന പ്രക്രിയ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനും AI ഉപകാരപ്പെടുന്നുണ്ട്. ഡിഎൻഎ സീക്വൻസുകളും ജീൻ എക്സ്പ്രഷൻ പാറ്റേണുകളും പോലുള്ള വലിയ അളവിലുള്ള ജീനോമിക് ഡാറ്റ വിശകലനം ചെയ്യാൻ AI അൽഗോരിതങ്ങൾ ഉപയോഗിക്കാം. പരമ്പരാഗത രീതികൾ ഉപയോഗിച്ച് കണ്ടെത്താൻ ബുദ്ധിമുട്ടുള്ള, പുതിയ മരുന്നുകൾ പ്രവർത്തിക്കാൻ സാധ്യതയുള്ള ലക്ഷ്യങ്ങൾ ലക്ഷ്യങ്ങൾ തിരിച്ചറിയാൻ ഇത് ഗവേഷകരെ സഹായിക്കും.

പ്രീക്ലിനിക്കൽ, ക്ലിനിക്കൽ പഠനങ്ങളിൽ നിന്നുള്ള ഡാറ്റ വിശകലനം ചെയ്ത് മരുന്നു വികസനത്തിനു സഹായിക്കുന്ന പാറ്റേണുകളും ട്രെൻഡുകളും തിരിച്ചറിയാൻ AI ഉപയോഗിക്കാം. ഉദാഹരണത്തിന്, ഒരു AI അൽഗോരിതത്തിന് ധാരാളം ക്ലിനിക്കൽ പഠനങ്ങളിൽ നിന്നുള്ള ഡാറ്റ വിശകലനം ചെയ്ത് ഒരു പ്രത്യേക രോഗത്തിന് ഏറ്റവും കൂടുതൽ ഫലപ്രദമാകാൻ സാധ്യതയുള്ള മരുന്നുകളെ തിരിച്ചറിയാൻ കഴിയും. കൂടാതെ ഉയർന്ന ത്രൂപുട്ട് ഉള്ള‌ സ്ക്രീനിംഗ് പരീക്ഷണങ്ങളിൽ നിന്നുള്ള ഡാറ്റ വിശകലനം ചെയ്യാൻ AI അൽഗോരിതങ്ങൾ ഉപയോഗിക്കാനും വിജയസാധ്യതയുള്ള മോളിക്യൂളുകളെ തിരിച്ചറിയാനും അവയുടെ പഠനത്തിനു മുൻഗണന നൽകാനും കഴിയും.

നിലവിലുള്ള മരുന്നുകളുടെ ഘടനയും പ്രോപ്പർട്ടികളും വിശകലനം ചെയ്ത് അവയുടെ ഫലപ്രാപ്തിയും സുരക്ഷിതത്വവും മെച്ചപ്പെടുത്താനും സൈഡ് ഇഫക്സ്റ്റ് കുറയ്ക്കാനും സാധ്യതയുള്ള തന്മാത്രാ തലത്തിലുള്ള മാറ്റങ്ങൾ തിരിച്ചറിഞ്ഞ് പുതിയ മരുന്നുകൾ രൂപകൽപ്പന ചെയ്യാനും AI ഉപയോഗിക്കാം.

മരുന്നു വികസനത്തിൽ സഹായമേകുന്ന നിരവധി AI സോഫ്‌റ്റ്‌വെയറുകളിൽ ചിലതാണ് ഇനി. മരുന്ന് കണ്ടെത്തൽ പ്രക്രിയ ഓട്ടോമേറ്റ് ചെയ്യുക, പുതിയ സാധ്യതാ
മരുന്നുകളെ തിരിച്ചറിയുക, മരുന്നുകളുടെ ഗുണങ്ങൾ പ്രവചിക്കാനും മരുന്ന് വികസന പ്രക്രിയ ഒപ്റ്റിമൈസ് ചെയ്യാനും സഹായിക്കുക എന്നീ ലക്ഷ്യങ്ങളുമായി പ്രവർത്തിക്കുന്ന ഒരു പ്ലാറ്റ്ഫോമാണ് എക്സയൻഷ്യ (Exscientia). വിട്ടുമാറാത്ത വേദനയുടെ ചികിത്സയ്ക്കുള്ള ഒരു മരുന്നും ക്യാൻസർ ചികിത്സയ്ക്കുള്ള മറ്റൊരു മരുന്നും ഉൾപ്പെടെ, നിലവിൽ ക്ലിനിക്കൽ ട്രയലുകളിലുള്ള നിരവധി മരുന്നു കാൻഡിഡേറ്റുകളെ കണ്ടെത്താൻ എക്‌സ്‌സെൻഷ്യയുടെ സാങ്കേതികവിദ്യ ഇതിനകം ഉപയോഗപ്പെട്ടിട്ടുണ്ട്. GlaxoSmithKline, Astellas തുടങ്ങിയ നിരവധി ഫാർമസ്യൂട്ടിക്കൽ കമ്പനികളുമായും എക്സയൻഷ്യ പങ്കാളിത്തത്തിൽ ഏർപ്പെട്ടിട്ടുണ്ട്.

സമാനമായ മറ്റൊന്നാണ് ആറ്റംവൈസ്. പ്രോട്ടീനുകളും ചെറിയ തന്മാത്രകളും തമ്മിലുള്ള ബന്ധനം പ്രവചിക്കാൻ മെഷീൻ ലേണിംഗ് അൽഗോരിതം ഉപയോഗിക്കുന്ന AtomNet എന്ന AI പ്ലാറ്റ്‌ഫോമാണ് Atomwise-ന്റെ പ്രധാന ഉൽപ്പന്നം. പരമ്പരാഗത രീതികൾ ഉപയോഗിച്ച് കണ്ടെത്താൻ ബുദ്ധിമുട്ടുള്ള മരുന്നുകളെ തിരിച്ചറിയാൻ ഇതു സഹായിക്കും. ക്ഷയരോഗ ചികിത്സയ്ക്കുള്ള ഒരു മരുന്ന് കാൻഡിഡേറ്റും അൽഷിമേഴ്‌സ് രോഗത്തിന്റെ ചികിത്സയ്ക്കായി മറ്റൊരു മരുന്ന് കാൻഡിഡേറ്റും ഉൾപ്പെടെ, നിലവിൽ ക്ലിനിക്കൽ ട്രയലുകളിലുള്ള നിരവധി മരുന്ന് കാൻഡിഡേറ്റുകളെ തിരിച്ചറിയാൻ കമ്പനിയുടെ സാങ്കേതികവിദ്യ ഇതിനകം ഉപയോഗപ്പെട്ടിട്ടുണ്ട്. ജാൻസൻ റിസർച്ച് & ഡെവലപ്‌മെന്റ്, ചാൾസ് റിവർ ലബോറട്ടറീസ് തുടങ്ങിയ നിരവധി ഫാർമസ്യൂട്ടിക്കൽ കമ്പനികളുമായും Atomwise പങ്കാളിത്തത്തിൽ ഏർപ്പെട്ടിട്ടുണ്ട്.

പ്രോട്ടീൻ ഘടന പ്രവചനം, ലിഗാൻഡ് ഡിസൈൻ, വെർച്വൽ സ്ക്രീനിംഗ് എന്നിവയുൾപ്പെടെ പുതിയ മരുന്നുകളെ കണ്ടെത്തുന്നതിനായി വിവിധ AI- അടിസ്ഥാനമാക്കിയുള്ള ഉപകരണങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്ന മറ്റൊരു കമ്പനിയാണ് ഷ്രോഡിംഗർ. അവരുടെ പ്രധാന സോഫ്‌റ്റ്‌വെയർ പാക്കേജുകളിലൊന്നാണ് ഷ്രോഡിംഗർ സ്യൂട്ട്. മരുന്നുകണ്ടെത്തലിനായുള്ള ഒരു കൂട്ടം കമ്പ്യൂട്ടേഷണൽ ടൂളുകൾ ഉൾക്കൊള്ളുന്ന ഈ സംവിധാനം, പ്രോട്ടീൻ ഘടന പ്രവചിക്കാനും പുതിയ മരുന്നുകൾ രൂപകൽപ്പന ചെയ്യാനും സംയുക്തങ്ങളുടെ വെർച്വൽ ലൈബ്രറികൾ നിർമ്മിക്കാനും ഉപയോഗിക്കാം. ഷ്രോഡിംഗർ നൽകുന്ന മറ്റൊരു സോഫ്‌റ്റ്‌വെയർ പാക്കേജ് ലിഗാൻഡ് ഡിസൈൻ മൊഡ്യൂളാണ്, നിലവിലുള്ള മരുന്നുകളുടെ ഘടനയും ഗുണങ്ങളും വിശകലനം ചെയ്ത് അവയുടെ ഫലപ്രാപ്തിയും സുരക്ഷിതത്വവും മെച്ചപ്പെടുത്താൻ സാധ്യതയുള്ള മാറ്റങ്ങൾ കണ്ടെത്തി പുതിയ മരുന്നുകൾ രൂപകൽപ്പന ചെയ്യാൻ ഇത് ഉപയോഗിക്കാം.

ചുരുക്കിപ്പറഞ്ഞാൽ ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസിന്റെ കാലമാണിനി. നമുക്ക് സങ്കൽപ്പിക്കാനും പ്രവചിക്കാനും പറ്റുന്നതിലുമധികം വേഗത്തിലായിരിക്കും ഇനി കാര്യങ്ങളുടെ പോക്ക്. ഒരു മൂന്നോ നാലോ പതിറ്റാണ്ടിനുള്ളിൽ മാജിക് എന്നു പറയാവുന്നത്ര അത്ഭുതകരമായ പുരോഗതി വൈദ്യശാസ്ത്ര രംഗത്ത് പ്രതീക്ഷിക്കണം. പല ജോലികളും ഇല്ലാതാകുകയും പല പുതിയ ജോലികളും ഉണ്ടാകുകയും ചെയ്യും. മനുഷ്യൻറെ പ്രതീക്ഷിത ആയുസ്സ് ഇനിയും വർദ്ധിക്കും എന്നതിലും സംശയം വേണ്ട. മെഡിക്കൽ രംഗത്ത് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിക്കുന്നതുമായ ബന്ധപ്പെട്ട പല നൈതിക പ്രശ്നങ്ങൾക്കും നമ്മൾ ഇനിയും പരിഹാരം കാണേണ്ടതുണ്ട്. സർക്കാരുകളുടെ ശ്രദ്ധ കൂടുതലായി ഈ വിഷയത്തിൽ പതിയുന്നതനുസരിച്ച് അതിനും പരിഹാരമുണ്ടാകുമെന്ന് ഉറപ്പാണ്. എന്തായാലും ആവേശകരമായ കാലമാണ് വരാനിരിക്കുന്നത്.

Written by, » Arun Mangalath

Also Read » മിഡ് ലൈഫ് ക്രൈസിസ് - പാർട്ട് 3

Also Read » സാനിയോയുടെ കഥ