Бүгүн эртең менен ичкен таблеткаңыз колуңузга жеткенге чейин канча убакыт өткөнүн ойлонуп көрдүңүз беле? Алгач алар лабораторияларда кеңири изилдөө жүргүзүшөт. Андан кийин аны жаныбарларда сынап көрүшөт. Бирок аларды адамдарда колдонууга бекитүүдөн мурун, алар аны адамдарга сынап көрүшү керек. Муну биз клиникалык сыноо деп атайбыз. Бул абдан татаал жана кымбат процесс.
Жөнөкөй сөз менен айтканда, клиникалык сыноо деген эмне?
Жөнөкөй сөз менен айтканда, клиникалык сыноо төмөнкүдөй иштейт: изилдөөчүлөр жаңы иштелип чыккан дары багытталган оору менен ооруган бейтаптарды тартышат. Андан кийин бул ыктыярчылар кокустук түрдө эки топко бөлүнүшөт.
1. Биринчи топко сыноо үчүн жаңы дары берилет.
2. Экинчи топко , "Контролдук топко", активдүү ингредиенти жок жана дарыга окшош плацебо берилет. Биз муну "Плацебо" деп атайбыз.
Эгерде бул сыноонун аягында жаңы дарыны ичкендердин симптомдору плацебо ичкендерге караганда жакшырган болсо, анда бул жаңы дарынын натыйжалуу экенин далилдейт.
Мындай сыноодогу эң чоң кыйынчылыктардын бири - сыноого дал келген жетиштүү бейтаптарды табуу. Кээде дарыгерлер да кайсы сыноолордун бейтаптары үчүн туура келерин билишпейт. Ошондой эле, катышууну каалаган бейтаптардын мүнөздөмөлөрү сыноонун талаптарына дал келбеши мүмкүн. Бирок, жасалма интеллект (ЖИ) бул тапшырманы бир топ жеңилдетиши мүмкүн.
"Санарип эгизиңиз" менен таанышыңыз
Өзүңүздүн компьютер моделиңиз, башкача айтканда, өзүңүздүн санарип көчүрмөңүз бар деп элестетиңиз. Бул "Санариптик эгиз" деп аталат. Булар жөн гана компьютердеги реалдуу дүйнөдөгү объектини же системаны симуляциялаган "Компьютердик моделдер". Бирок сандык жактан караганда, алар чыныгы нерседей эле иштейт. Эң жакшы мисал, "Аполлон 13" космос кемесиндеги кычкылтек баллону жарылганда, NASA аны Жерде курулган ошол эле космос кемесинин "Санариптик эгизи" менен оңдоого жардам берген.
Эми окумуштуулар жетиштүү "маалыматтар" берилгенде, адамдын "Санариптик эгизин" түзө алышат. Бул "Машиналык окутуу" деп аталган жасалма интеллект технологиясын колдонот. Жөнөкөй сөз менен айтканда, бул компьютердик программага көп көлөмдөгү маалыматтарды берип, андан үйрөнүүгө мүмкүнчүлүк берүүнү камтыйт.
Бейтаптардын санариптик эгиздери мурунку клиникалык сыноолордон алынган маалыматтарды жана ар бир бейтаптын жеке медициналык карталарын колдонуу менен ушул Машиналык окутуу моделдерин окутуу аркылуу түзүлөт. Андан кийин модель бейтапка плацебо берилсе, анын ден соолугу сыноо учурунда кандай өзгөрөрүн алдын ала айта алат.Башкача айтканда, ошол эле бейтап үчүн компьютерде түзүлгөн башкаруу тобу (Симуляцияланган башкаруу тобу) түзүлөт.
Эми бул кандайча иштээрин карап көрөлү. Мисалы, "Самадхи" аттуу бирөө жаңы дары алган топко тандалып алынды дейли. Самадхинин "Санарип эгизи" компьютердик модели контролдук топто. Модель Самадхиге чыныгы дары эмес, "Плацебо" берилсе эмне болорун алдын ала айтат. Акыр-аягы, Самадхинин дарыга болгон чыныгы реакциясы менен моделдин "Плацебону" кабыл алса эмне болорун алдын ала айтканынын ортосундагы айырмачылык - бул дары Самадхи үчүн канчалык натыйжалуу экенинин көрсөткүчү.
Бул ыкманын эң чоң артыкчылыктарынын бири - клиникалык сыноого катышкан дээрлик ар бир адам жаңы дарыны алуу мүмкүнчүлүгүнө ээ, анткени "плацебо" алардын санарип эгизине берилет.
Келгиле, салттуу башкаруу командаларынын ордуна "Санариптик эгиздерди" колдонуунун артыкчылыктарын даана көрүү үчүн бул таблицаны карап көрөлү.
| Мүнөздүү | Салттуу ыкма | Санариптик эгиз ыкмасы |
|---|---|---|
| Башкаруу тобу | Чыныгы адамдардан турат. Алар (Плацебо) алышат. | Компьютердик моделдерден турат (Санариптик эгиздер). |
| Бейтаптар үчүн артыкчылык | Плацебо алуу мүмкүнчүлүгү 50% түзөт. Бул сиз жаңы дарыны ичпей койсоңуз болот дегенди билдирет. | Көптөгөн адамдар чыныгы дарыны сынап көрүү мүмкүнчүлүгүнө ээ. |
| Керектүү ыктыярчылардын саны | Көбүрөөк адамдар керек (эки команда үчүн тең). | Тестти аз сандагы адамдар менен өткөрсө болот. |
| Убакыт жана чыгым | Абдан бийик. | Бир кыйла азайтылышы мүмкүн. |
Бул технология жакшы болгону менен, көйгөйлөр жокпу?
Бул технология келечек үчүн чоң келечек бергени менен, ал азырынча кеңири колдонула элек. Мунун жакшы себептери болушу мүмкүн. "(Машиналык окутуу)" боюнча эксперт доктор Дэниел Нил белгилегендей, бул моделдер көп көлөмдөгү маалыматтарга таянат. Ошондой эле, жеке адамдардан жогорку сапаттагы маалыматтарды алуу абдан кыйын.
"Адамдар көп учурда тамактануу жана көнүгүү адаттары сыяктуу нерселер жөнүндө өздөрүнө маалымат беришет. Адамдар дайыма эле чындыкты айта беришпейт. Алар көнүгүүлөрдүн көлөмүн ашыра айтып, жеген зыяндуу тамактарынын көлөмүн азайтып көрсөтүшөт."
Дагы бир маселе - бул дарынын сейрек кездешүүчү, күтүлбөгөн терс таасирлери . Булар көбүнчө контролдук топ үчүн иштелип чыккан модель тарабынан камтылбайт.
Бирок доктор Нилдин эң чоң коркунучу - бул болжолдуу модель "адаттагыдай эле иш алып барууга" негизделген. Ар бир адамдын жүрүм-турумун өзгөртүп, адамдарды ооруга чалдыктырган COVID-19 пандемиясы сыяктуу чоң, күтүлбөгөн окуяны элестетип көрүңүз. "Контролдук моделдер муну эске албайт", - дейт ал. Андан кийин, контролдук топ эске албаган бул окуялардан улам, эксперименттин акыркы жыйынтыктары таптакыр башкача болушу мүмкүн.
Ошентип, муну чындап колдонсо болобу? Келечекте эмне болот?
Саламаттыкты сактоодо санариптик технологияларды колдонуу боюнча эксперт Эрик Топол бул идея эң сонун деп эсептейт, бирок убакыт али келе элек. "Мен клиникалык сыноолор жакынкы аралыкта өзгөрөт деп ойлобойм. Анткени ал геномдун ырааттуулугу, ичеги микробиомасы, айлана-чөйрөнүн маалыматтары сыяктуу ден соолук жазууларынан тышкары, бир нече катмарлуу маалыматтарды талап кылат".
Unlearn.AI компаниясынын негиздөөчүсү, бул технологиянын пионери Чарльз Фишердин айтымында, маалыматтардын купуялуулугу жана бир жактуулугу көйгөйлөрүнө чечимдер бар. "Купуялуулук оңой. Биз буга чейин анонимдештирилген маалыматтар менен гана иштейбиз".
Бир жактуулук жөнүндө сөз кылганда, ал маселе толук чечиле элек болсо да, анын изилдөөнүн жыйынтыктарына тиешеси жок экенин айтат. Изилдөөлөр кокустук түрдө тандалгандыктан, маалыматтарда бир жактуулук болсо да, бул жыйынтыктарга таасир этпейт. Бирок, айрым эксперттер бул идеяга кошулушпайт. Алар:Анткени сиз чыныгы адамды компьютердик модель менен салыштырып жатасыз, эгерде ал моделде кандайдыр бир ката болсо, ал натыйжаларга түздөн-түз таасир этиши мүмкүн.
Бирок, Unlearn.AI фармацевтикалык компаниялар менен Альцгеймер, Паркинсон жана склероз сыяктуу неврологиялык оорулар боюнча клиникалык сыноолорду иштеп чыгуу үчүн иштешип жатат. Алар бул ооруларды башкаларга караганда көбүрөөк маалыматтарга ээ болгондуктан, баштоо үчүн жакшы жер катары тандап алышкан. Фишердин айтымында, эгерде бул ыкма бир күнү бардык ооруларга колдонулса, жаңы дары-дармектердин рынокко чыгуу убактысын бир топ кыскартышы мүмкүн.
Үйгө алып кетүү билдирүүсү
- Санарип эгизи - бул жаңы дары-дармектерди сыноо боюнча клиникалык сыноолордо колдонулган чыныгы бейтаптын компьютердик модели.
- Бул контролдук топ үчүн чыныгы адамдарды колдонуунун ордуна, бул санариптик моделдерди колдонууга мүмкүндүк берет.
- Бул ыкманын негизги артыкчылыгы - сыноого катышкандардын көбү текшерилип жаткан дарыны алуу мүмкүнчүлүгүнө ээ болушат.
- Бирок, жогорку сапаттагы маалыматтарды алуунун кыйынчылыгы жана күтүлбөгөн окуяларды моделдөөнүн мүмкүн эместиги сыяктуу кыйынчылыктар дагы эле бар.
- Бул технология медицинанын келечеги үчүн чоң келечек бергени менен, ал дагы эле жаңыдан пайда болууда. Эгерде сизде кандайдыр бир кооптонуулар же күмөн саноолор болсо, дарыгериңиз менен сүйлөшүү маанилүү.
💬 Comments (0)
Азырынча эч кандай комментарий жазыла элек. Бул жерге биринчи жолу комментарий кошуңуз.
Пикириңизди кошуңуз