Jou eie "digitale tweeling"? Die nuutste tegnologie wat dwelmtoetsing sal verander (Digitale Tweeling)

Het jy al ooit gewonder hoe lank dit geneem het vir daardie pil wat jy vanoggend geneem het om in jou hande te kom? Eers doen hulle uitgebreide navorsing in laboratoriums. Dan toets hulle dit op diere. Maar voordat dit vir gebruik in mense goedgekeur kan word, moet hulle dit op mense toets. Dit is wat ons 'n kliniese proef noem. Dis 'n baie ingewikkelde en duur proses.

Eenvoudig gestel, wat is 'n kliniese proefneming?

Eenvoudig gestel, werk 'n kliniese proefneming so: Navorsers werf pasiënte met die siekte wat die nuut ontwikkelde middel teiken. Hierdie vrywilligers word dan ewekansig in twee groepe verdeel.

1. Die eerste groep kry die nuwe middel wat getoets moet word.

2. Die tweede groep , die "Kontrolegroep", kry 'n plasebo wat geen aktiewe bestanddeel het nie en presies soos die middel lyk. Ons noem dit "Plasebo".

Indien die simptome van diegene wat die nuwe middel geneem het aan die einde van hierdie proefneming meer verbeter het as dié wat die placebo geneem het, dan bewys dit dat die nuwe middel effektief is.

Een van die grootste uitdagings in so 'n proefneming is om genoeg pasiënte te vind wat presies die regte pasmaat vir die proefneming is. Soms weet selfs dokters nie watter proewe reg is vir hul pasiënte nie. Boonop stem die eienskappe van die pasiënte wat wil deelneem dalk nie ooreen met die vereistes van die proefneming nie. Kunsmatige intelligensie (KI) kan hierdie taak egter baie makliker maak.

Ontmoet jou "Digitale Tweeling"

Stel jou voor jy het jou eie rekenaarmodel, dit wil sê 'n digitale kopie van jouself. Dit word 'n "Digitale Tweeling" genoem. Dit is bloot "Rekenaarmodelle" wat 'n werklike voorwerp of stelsel op 'n rekenaar simuleer. Maar wanneer dit numeries beskou word, tree hulle presies op soos die regte ding. Die beste voorbeeld is toe 'n suurstoftenk op die Apollo 13-ruimtetuig ontplof het, het NASA gehelp om dit te herstel met 'n "Digitale Tweeling" van dieselfde ruimtetuig wat op Aarde gebou is.

Nou kan wetenskaplikes 'n "Digitale Tweeling" van 'n mens skep, gegewe genoeg "data". Dit gebruik kunsmatige intelligensietegnologie genaamd "Masjienleer". Eenvoudig gestel, dit behels om 'n rekenaarprogram 'n groot hoeveelheid data te gee en dit daaruit te laat leer.

Digitale tweelinge van pasiënte word geskep deur hierdie masjienleermodelle op te lei met behulp van data van vorige kliniese proewe en elke pasiënt se persoonlike mediese rekords. Die model kan dan voorspel hoe 'n pasiënt se gesondheid gedurende die proefneming sal verander as hulle 'n placebo kry.Dit wil sê, 'n rekenaargegenereerde kontrolegroep (Gesimuleerde Kontrolegroep) word vir dieselfde pasiënt geskep.

Kom ons kyk nou hoe dit werk. Kom ons sê iemand met die naam "Samadhi" word gekies om in die groep te wees wat 'n nuwe middel ontvang. Samadhi se "Digitale Tweeling", 'n rekenaarmodel, is in die kontrolegroep. Die model voorspel wat sou gebeur as Samadhi 'n "Placebo" in plaas van die werklike middel gegee word. Uiteindelik is die verskil tussen Samadhi se werklike reaksie op die middel en wat die model voorspel het sou gebeur as hy die "Placebo" neem, ' n maatstaf van hoe effektief die middel vir Samadhi is.

Kom ons kyk na hierdie tabel om die voordele van die gebruik van "Digitale Tweelinge" in plaas van tradisionele beheerspanne duidelik te sien.

Al is hierdie tegnologie goed, is daar nie probleme nie?

Alhoewel hierdie tegnologie groot belofte vir die toekoms inhou, is dit nog nie wyd gebruik nie. Daar mag goeie redes hiervoor wees. Soos dr. Daniel Neal, 'n kenner van "(Masjienleer)," uitwys, maak hierdie modelle staat op groot hoeveelhede data. Dit is ook baie moeilik om hoëgehalte-data van individue te bekom.

Nog 'n probleem is die seldsame, onverwagte newe-effekte wat 'n middel kan veroorsaak. Hierdie word dikwels nie gedek deur die model wat vir die kontrolegroep ontwerp is nie.

Maar dr. Neal se grootste vrees is dat hierdie voorspellingsmodel gebaseer is op "besigheid soos gewoonlik". Stel jou 'n groot, onverwagte gebeurtenis soos die COVID-19-pandemie voor wat almal se gedrag verander en mense siek maak. "Kontrolemodelle neem dit nie in ag nie," sê hy. Dan, as gevolg van hierdie gebeurtenisse wat die kontrolegroep nie in ag geneem het nie, kan die finale resultate van die eksperiment heeltemal anders wees.

So, kan dit werklik gebruik word? Wat sal die toekoms inhou?

Eric Topol, 'n kenner oor die gebruik van digitale tegnologie in gesondheidsorg, dink die idee is wonderlik, maar die tyd is nog nie reg nie. "Ek dink nie kliniese proewe sal in die nabye toekoms verander nie. Want dit vereis verskeie lae data, verder as net gesondheidsrekords, soos genoomvolgordes, dermmikrobioom, omgewingsdata."

Volgens Charles Fisher, stigter van Unlearn.AI, 'n pionier in hierdie tegnologie, is daar reeds oplossings vir die probleme van dataprivaatheid en vooroordeel. "Privaatheid is maklik. Ons werk slegs met data wat reeds geanonimiseer is."

Wanneer hy oor vooroordeel praat, sê hy dat hoewel die kwessie nie heeltemal opgelos is nie, dit nie relevant is vir die resultate van die studie nie. Omdat die studies gerandomiseer is, selfs al is daar 'n mate van vooroordeel in die data, beïnvloed dit nie die resultate nie. Sommige kenners stem egter nie saam met hierdie idee nie. Hulle sê,Omdat jy 'n regte persoon met 'n rekenaarmodel vergelyk, kan enige fout in daardie model die resultate direk beïnvloed.

Unlearn.AI werk egter reeds saam met farmaseutiese maatskappye om kliniese proewe vir neurologiese siektes soos Alzheimer se siekte, Parkinson se siekte en veelvuldige sklerose te ontwerp. Hulle het hierdie siektes as 'n goeie plek gekies om te begin omdat hulle meer data as ander het. Fisher sê dat as die metode eendag op alle siektes toegepas kan word, dit die tyd wat dit neem vir nuwe medisyne om op die mark te kom, aansienlik kan verminder.