Hawwe jo jo ea ôffrege hoe lang it duorre foardat dy pil dy't jo fannemoarn nommen hawwe yn jo hannen kaam? Earst dogge se wiidweidich ûndersyk yn laboratoaria. Dan teste se it op bisten. Mar foardat se goedkard wurde kinne foar gebrûk by minsken, moatte se it op minsken teste. Dit is wat wy in klinyske proef neame. It is in tige yngewikkeld en djoer proses.
Simpelwei sein, wat is in klinyske proef?
Yn ienfâldige termen wurket in klinyske proef sa: ûndersikers rekrutearje pasjinten mei de sykte dêr't it nij ûntwikkele medisyn op rjochte is. Dizze frijwilligers wurde dan willekeurich yn twa groepen ferdield.
1. De earste groep krijt it nije medisyn dat testen wurde moat.
2. De twadde groep , de "Kontrôlegroep", krijt in placebo sûnder aktyf yngrediïnt en liket der krekt op it medisyn. Wy neame dit "Placebo".
As, oan 'e ein fan dizze proef, de symptomen fan dyjingen dy't it nije medisyn namen mear ferbettere binne as dyjingen dy't de placebo namen, dan bewiist dit dat it nije medisyn effektyf is.
Ien fan 'e grutste útdagings yn sa'n proef is it finen fan genôch pasjinten dy't krekt goed by de proef passe. Soms witte sels dokters net hokker proeven geskikt binne foar harren pasjinten. Ek kinne de skaaimerken fan 'e pasjinten dy't meidwaan wolle net oerienkomme mei de easken fan 'e proef. Keunstmjittige yntelliginsje (KI) kin dizze taak lykwols folle makliker meitsje.
Moetsje jo "Digitale Twilling"
Stel jo foar dat jo jo eigen kompjûtermodel hawwe, dat is in digitale kopy fan josels. Dat is wat in "Digitale Twilling" neamd wurdt. Dit binne gewoan "Kompjûtermodellen" dy't in echt objekt of systeem op in kompjûter simulearje. Mar as se numeryk besjoen wurde, gedrage se har krekt as it echte ding. It bêste foarbyld is doe't in soerstoftank op it Apollo 13-romteskip eksplodearre, holp NASA it te reparearjen mei in "Digitale Twilling" fan itselde romteskip boud op Ierde.
No kinne wittenskippers in "digitale twilling" fan in minske meitsje, mei genôch "gegevens". Dit brûkt in keunstmjittige yntelliginsjetechnology neamd "Masinelearen". Simpelwei sein, dit giet derfan út dat in kompjûterprogramma in grutte hoemannichte gegevens krijt en it dêrfan leare lit.
Digitale twillingen fan pasjinten wurde makke troch dizze masinelearmodellen te trainen mei gegevens út eardere klinyske proeven en de persoanlike medyske dossiers fan elke pasjint. It model kin dan foarsizze hoe't de sûnens fan in pasjint sil feroarje yn 'e rin fan' e proef as se in placebo krije.Dat is, in kompjûter-generearre kontrôlegroep (Simulearre Kontrôlegroep) wurdt makke foar dyselde pasjint.
Litte wy no sjen hoe't dit wurket. Litte wy sizze dat immen mei de namme "Samadhi" selektearre wurdt om yn 'e groep te wêzen dy't in nij medisyn krijt. Samadhi's "Digitale Twilling", in kompjûtermodel, sit yn 'e kontrôlegroep. It model foarseit wat der barre soe as Samadhi in "Placebo" krige ynstee fan it eigentlike medisyn. Uteinlik is it ferskil tusken Samadhi's werklike reaksje op it medisyn en wat it model foarsei dat der barre soe as hy de "Placebo" naam in mjitte fan hoe effektyf it medisyn is foar Samadhi.
Ien fan 'e grutste foardielen fan dizze metoade is dat hast elkenien dy't meidocht oan in klinyske proef de kâns hat om it nije medisyn te ûntfangen, om't de "placebo" oan harren digitale twilling jûn wurdt.
Litte wy nei dizze tabel sjen om dúdlik de foardielen te sjen fan it brûken fan "Digitale Twins" ynstee fan tradisjonele kontrôleteams.
| Karakteristyk | Tradisjonele metoade | Digitale Twin-metoade |
|---|---|---|
| Kontrôlegroep | Bestaande út echte minsken. Se krije in (Placebo). | Bestiet út kompjûtermodellen (Digitale Twins). |
| Foardiel foar pasjinten | Der is in 50% kâns om in placebo te krijen. Dat betsjut dat jo it nije medisyn oerslaan kinne. | In protte minsken hawwe de kâns om it echte medisyn út te probearjen. |
| Oantal frijwilligers nedich | Der binne mear minsken nedich (foar beide teams). | De test kin mei in lyts oantal minsken útfierd wurde. |
| Tiid en kosten | Hiel heech. | Kin flink fermindere wurde. |
Hoewol dizze technology goed is, binne d'r gjin problemen?
Hoewol dizze technology in soad belofte foar de takomst hat, is it noch net breed brûkt. Dêr kinne goede redenen foar wêze. Lykas Dr. Daniel Neal, in ekspert yn "(Masinelearen)," oanjout, binne dizze modellen ôfhinklik fan grutte hoemannichten gegevens. Ek is it tige lestich om gegevens fan hege kwaliteit fan yndividuen te krijen.
"Minsken melde faak sels ynformaasje oer dingen lykas har dieet en oefengewoanten. Minsken fertelle net altyd de wierheid. Se hawwe de neiging om de hoemannichte oefening dy't se dogge te oerdriuwen en de hoemannichte junkfood dy't se ite te ûnderdriuwen."
In oar probleem binne de seldsume, ûnferwachte side-effekten dy't in medisyn feroarsaakje kin. Dizze wurde faak net behannele troch it model dat ûntworpen is foar de kontrôlegroep.
Mar de grutste eangst fan Dr. Neal is dat dit foarsizzingsmodel basearre is op "business as usual". Stel jo in grutte, ûnferwachte barren foar lykas de COVID-19-pandemy dy't it gedrach fan elkenien feroaret en minsken siik makket. "Kontrôlemodellen hâlde hjir gjin rekken mei," seit er. Dan, fanwegen dizze barrens dy't de kontrôlegroep net yn rekken brocht, kinne de definitive resultaten fan it eksperimint folslein oars wêze.
Kin dit echt brûkt wurde? Wat sil de takomst bringe?
Eric Topol, in ekspert op it mêd fan it brûken fan digitale technology yn 'e sûnenssoarch, tinkt dat it idee geweldich is, mar de tiid is noch net ryp. "Ik tink net dat klinyske proeven yn 'e neie takomst feroarje sille. Omdat it meardere lagen fan gegevens fereasket, fierder as allinich sûnensgegevens, lykas genoomsekwinsjes, darmmikrobioom, miljeugegevens."
Neffens Charles Fisher, oprjochter fan Unlearn.AI, in pionier yn dizze technology, binne der al oplossingen foar de problemen fan gegevensprivacy en foaroardielen. "Privacy is maklik. Wy wurkje allinich mei gegevens dy't al anonymisearre binne."
As er praat oer bias, seit er dat hoewol it probleem net folslein oplost is, it net relevant is foar de resultaten fan 'e stúdzje. Omdat de stúdzjes willekeurich binne, sels as der wat bias yn 'e gegevens sit, hat it gjin ynfloed op 'e resultaten. Guon saakkundigen binne it lykwols net iens mei dit idee. Se sizze,Omdat jo in echt persoan fergelykje mei in kompjûtermodel, kin in flater yn dat model direkt ynfloed hawwe op 'e resultaten.
Unlearn.AI wurket lykwols al gear mei farmaseutyske bedriuwen om klinyske proeven te ûntwerpen foar neurologyske sykten lykas Alzheimer, Parkinson en meardere sklerose. Se keazen dizze sykten as in goed plak om te begjinnen, om't se mear gegevens hawwe as oaren. Fisher seit dat as de metoade ien dei tapast wurde kin op alle sykten, it de tiid dy't it duorret foar nije medisinen om op 'e merk te kommen, signifikant ferminderje kin.
Berjocht foar thús
- In digitale twilling is in kompjûtermodel fan in echte pasjint dat brûkt wurdt yn klinyske proeven dy't nije medisinen testen.
- Hjirmei kinne dizze digitale modellen brûkt wurde ynstee fan echte minsken te brûken foar de kontrôlegroep.
- In grut foardiel fan dizze metoade is dat mear dielnimmers oan 'e proef de kâns hawwe om it eigentlike medisyn te ûntfangen dat test wurdt.
- D'r bliuwe lykwols útdagings, lykas de muoite om gegevens fan hege kwaliteit te krijen en it ûnfermogen om ûnferwachte barrens te modellearjen.
- Hoewol dizze technology in soad belofte hat foar de takomst fan medisinen, stiet it noch yn 'e bernetiid. As jo soargen of twifels hawwe, is it wichtich om mei jo dokter te praten .
💬 Comments (0)
Der binne noch gjin reaksjes pleatst. Foegje jo reaksje hjir foar it earst ta.
Foegje jo opmerking ta