Eich "gefell ddigidol" eich hun? Y dechnoleg ddiweddaraf a fydd yn newid profion cyffuriau (Gefell Ddigidol)

Ydych chi erioed wedi meddwl tybed pa mor hir y cymerodd i'r bilsen honno a gymeroch chi y bore yma gyrraedd eich dwylo? Yn gyntaf, maen nhw'n gwneud ymchwil helaeth mewn labordai. Yna maen nhw'n ei phrofi ar anifeiliaid. Ond cyn y gellir eu cymeradwyo i'w defnyddio mewn bodau dynol, mae'n rhaid iddyn nhw ei phrofi ar fodau dynol. Dyma'r hyn rydyn ni'n ei alw'n dreial clinigol. Mae'n broses gymhleth a drud iawn.

Yn syml, beth yw treial clinigol?

Yn syml, mae treial clinigol yn gweithio fel hyn: Mae ymchwilwyr yn recriwtio cleifion â'r clefyd y mae'r cyffur newydd ei ddatblygu yn ei dargedu. Yna caiff y gwirfoddolwyr hyn eu rhannu ar hap yn ddau grŵp.

1. Rhoddir y cyffur newydd i'r grŵp cyntaf i'w brofi.

2. Rhoddir plasebo i'r ail grŵp , y "Grŵp Rheoli", sydd heb unrhyw gynhwysyn gweithredol ac sy'n edrych yn union fel y cyffur. Rydym yn galw hyn yn "Plasebo".

Os, ar ddiwedd y treial hwn, mae symptomau'r rhai a gymerodd y cyffur newydd wedi gwella'n fwy na'r rhai a gymerodd y plasebo, yna mae hyn yn profi bod y cyffur newydd yn effeithiol.

Un o'r heriau mwyaf mewn treial o'r fath yw dod o hyd i ddigon o gleifion sy'n addas ar gyfer y treial. Weithiau nid yw hyd yn oed meddygon yn gwybod pa dreialon sy'n iawn i'w cleifion. Hefyd, efallai na fydd nodweddion y cleifion sydd am gymryd rhan yn cyd-fynd â gofynion y treial. Fodd bynnag, gallai deallusrwydd artiffisial (AI) wneud y dasg hon yn llawer haws.

Cwrdd â'ch "Gefell Ddigidol"

Dychmygwch fod gennych chi fodel cyfrifiadurol eich hun, hynny yw, copi digidol ohonoch chi'ch hun. Dyna'r hyn a elwir yn "Efell Ddigidol". Dim ond "Modelau Cyfrifiadurol" yw'r rhain sy'n efelychu gwrthrych neu system go iawn ar gyfrifiadur. Ond pan edrychir arnynt yn rhifiadol, maent yn ymddwyn yn union fel y peth go iawn. Yr enghraifft orau yw pan ffrwydrodd tanc ocsigen ar y llong ofod Apollo 13, helpodd NASA i'w atgyweirio gyda "Efell Ddigidol" o'r un llong ofod a adeiladwyd ar y Ddaear.

Nawr, gall gwyddonwyr greu "Gefell Ddigidol" o fod dynol, o gael digon o "ddata". Mae hyn yn defnyddio technoleg deallusrwydd artiffisial o'r enw "Dysgu Peirianyddol". Yn syml, mae hyn yn golygu rhoi llawer iawn o ddata i raglen gyfrifiadurol a gadael iddi ddysgu ohono.

Mae Efeilliaid Digidol cleifion yn cael eu creu trwy hyfforddi'r modelau Dysgu Peirianyddol hyn gan ddefnyddio data o dreialon clinigol blaenorol a chofnodion meddygol personol pob claf. Yna gall y model ragweld sut y bydd iechyd claf yn newid dros gyfnod y treial os rhoddir plasebo iddynt.Hynny yw, crëir grŵp rheoli a gynhyrchir gan gyfrifiadur (Grŵp Rheoli Efelychiedig) ar gyfer yr un claf hwnnw.

Nawr, gadewch i ni weld sut mae hyn yn gweithio. Dychmygwch fod rhywun o'r enw "Samadhi" yn cael ei ddewis i fod yn y grŵp sy'n derbyn cyffur newydd. Mae "Gefell Ddigidol", model cyfrifiadurol, yn y grŵp rheoli. Mae'r model yn rhagweld beth fyddai'n digwydd pe bai Samadhi yn cael "Placebo" yn lle'r cyffur gwirioneddol. Yn y pen draw, y gwahaniaeth rhwng ymateb gwirioneddol Samadhi i'r cyffur a'r hyn a ragwelodd y model fyddai'n digwydd pe bai'n cymryd y "Placebo" yw mesur o ba mor effeithiol yw'r cyffur ar gyfer Samadhi.

Beth am edrych ar y tabl hwn i weld yn glir fanteision defnyddio "Efeilliaid Digidol" yn lle timau rheoli traddodiadol.

Er bod y dechnoleg hon yn dda, onid oes problemau?

Er bod y dechnoleg hon yn addawol iawn ar gyfer y dyfodol, nid yw wedi cael ei defnyddio'n helaeth eto. Efallai fod rhesymau da dros hyn. Fel y mae Dr. Daniel Neal, arbenigwr mewn "(Dysgu Peirianyddol)," yn ei nodi, mae'r modelau hyn yn dibynnu ar symiau mawr o ddata. Hefyd, mae'n anodd iawn cael data o ansawdd uchel gan unigolion.

Mater arall yw'r sgîl-effeithiau prin, annisgwyl y gall cyffur eu hachosi. Yn aml, nid yw'r rhain yn cael eu cynnwys yn y model a gynlluniwyd ar gyfer y grŵp rheoli.

Ond ofn mwyaf Dr. Neal yw bod y model rhagfynegol hwn yn seiliedig ar "fusnes fel arfer." Dychmygwch ddigwyddiad mawr, annisgwyl fel pandemig COVID-19 sy'n newid ymddygiad pawb ac yn gwneud pobl yn sâl. "Nid yw modelau rheoli yn ystyried hyn," meddai. Yna, oherwydd y digwyddiadau hyn na wnaeth y grŵp rheoli eu hystyried, gallai canlyniadau terfynol yr arbrawf fod yn hollol wahanol.

Felly a ellir defnyddio hyn mewn gwirionedd? Beth fydd y dyfodol yn ei gynnig?

Mae Eric Topol, arbenigwr ar ddefnyddio technoleg ddigidol mewn gofal iechyd, yn credu bod y syniad yn wych, ond nid yw'r amser yn iawn eto. "Dydw i ddim yn credu y bydd treialon clinigol yn newid yn y dyfodol agos. Oherwydd mae angen haenau lluosog o ddata, y tu hwnt i gofnodion iechyd yn unig, fel dilyniannau genom, microbiom y perfedd, data amgylcheddol."

Yn ôl Charles Fisher, sylfaenydd Unlearn.AI, arloeswr yn y dechnoleg hon, mae atebion eisoes ar gael i broblemau preifatrwydd data a rhagfarn. "Mae preifatrwydd yn hawdd. Dim ond gyda data sydd eisoes wedi'i ddienwi yr ydym yn gweithio."

Wrth siarad am ragfarn, mae'n dweud, er nad yw'r mater wedi'i ddatrys yn llwyr, nad yw'n berthnasol i ganlyniadau'r astudiaeth. Gan fod yr astudiaethau wedi'u rhoi ar hap, hyd yn oed os oes rhywfaint o ragfarn yn y data, nid yw'n effeithio ar y canlyniadau. Fodd bynnag, mae rhai arbenigwyr yn anghytuno â'r syniad hwn. Maen nhw'n dweud,Gan eich bod chi'n cymharu person go iawn â model cyfrifiadurol, os oes unrhyw wall yn y model hwnnw, gall effeithio'n uniongyrchol ar y canlyniadau.

Fodd bynnag, mae Unlearn.AI eisoes yn gweithio gyda chwmnïau fferyllol i ddylunio treialon clinigol ar gyfer clefydau niwrolegol fel clefyd Alzheimer, clefyd Parkinson, a sglerosis ymledol. Dewisasant y clefydau hyn fel man cychwyn da oherwydd bod ganddynt fwy o ddata nag eraill. Dywed Fisher, os gellir cymhwyso'r dull un diwrnod i bob clefyd, y gallai leihau'r amser y mae'n ei gymryd i gyffuriau newydd ddod i'r farchnad yn sylweddol.