अपन "डिजिटल जुड़वाँ"? नवीनतम तकनीक जे ड्रग टेस्टिंग मे बदलाव करत (डिजिटल ट्विन)

कहियो सोचने छी जे आइ भोरे जे गोली खयलहुँ से हाथ धरि पहुँचय मे कतेक समय लागल? पहिने प्रयोगशाला मे व्यापक शोध करैत छथि । तखन जानवर पर एकर परीक्षण करैत छथि। लेकिन मनुष्य में उपयोग के मंजूरी मिलै स॑ पहल॑ ओकरा मनुष्य प॑ एकरऽ परीक्षण करना छै । एकरा हम क्लिनिकल ट्रायल कहैत छी। ई बहुत जटिल आ महग प्रक्रिया अछि।

सीधा-सीधा कहल जाय त क्लिनिकल ट्रायल की होइत छैक ?

सरल शब्दऽ म॑ कहलऽ जाय त॑ एगो क्लिनिकल ट्रायल ऐन्हऽ काम करै छै : शोधकर्ता वू बीमारी के मरीजऽ क॑ भर्ती करै छै जेकरा नवविकसित दवाई लक्षित करी रहलऽ छै । तखन एहि स्वयंसेवक कें बेतरतीब ढंग सं दू समूह मे बांटल जायत छै.

1. पहिल समूह के नव दवाई देल जाइत अछि जेकर परीक्षण करबाक अछि।

2. दोसर समूह , ``नियंत्रण समूह'', के एकटा एहन प्लेसबो देल जाइत अछि जाहि मे कोनो सक्रिय घटक नहि होइत अछि आ एकदम दवाई जकाँ लगैत अछि । हम एकरा ``प्लेसेबो'' कहैत छी।

जं एहि परीक्षणक अंत में प्लेसबो लेनिहार लोकनिक अपेक्षा नव दवाई लेनिहार लोकनिक लक्षण में सुधार भेल अछि तं एहि सं ई साबित होइत अछि जे नव दवाई प्रभावी अछि.

एहि तरहक परीक्षण मे एकटा पैघ चुनौती अछि जे पर्याप्त एहन मरीज भेटब जे एहि परीक्षण लेल बिल्कुल सही फिट होथि। कखनो काल डॉक्टर के सेहो पता नहिं चलैत छनि जे कोन ट्रायल हुनकर मरीज के लेल सही अछि. संगहि, जे मरीज भाग लेबय चाहैत छथि ओकर विशेषता परीक्षणक आवश्यकता सं मेल नहि खा सकैत अछि. मुदा आर्टिफिशियल इंटेलिजेंस (एआई) एहि काज कए बहुत आसान बना सकैत अछि।

अपन "डिजिटल जुड़वाँ" सँ भेंट करू।

कल्पना करू जे अहाँक अपन कंप्यूटर मॉडल अछि, अर्थात अपन डिजिटल कॉपी। जेकरा ``डिजिटल ट्विन'' कहलऽ जाय छै । ई सब बस ``कंप्यूटर मॉडल'' छै जे कंप्यूटर पर वास्तविक दुनिया के वस्तु या सिस्टम के अनुकरण करै छै. मुदा संख्यात्मक रूपेँ देखला पर ओकर व्यवहार ठीक असली चीज जकाँ होइत छैक । एकरऽ सबसें अच्छा उदाहरण ई छै कि जब॑ अपोलो १३ अंतरिक्ष यान प॑ ऑक्सीजन टैंक म॑ विस्फोट होय गेलै त॑ नासा न॑ पृथ्वी प॑ बनलऽ वू ही अंतरिक्ष यान केरऽ ``डिजिटल ट्विन'' स॑ ओकरा मरम्मत करै म॑ मदद करलकै ।

आब वैज्ञानिक मनुष्य के ``डिजिटल ट्विन`` बना सकैत छथि, पर्याप्त ``डेटा`` देल गेल अछि | अइ मे एकटा आर्टिफिशियल इंटेलिजेंस टेक्नोलॉजी कें उपयोग कैल जायत छै जेकरा ``मशीन लर्निंग`` कहल जायत छै. सीधा शब्दऽ म॑ कहलऽ जाय त॑ एकरा म॑ कंप्यूटर प्रोग्राम क॑ भारी मात्रा म॑ डाटा देना आरू ओकरा ओकरा स॑ सीखै देना शामिल छै ।

पिछला नैदानिक ​​परीक्षणक कें आंकड़ा आ प्रत्येक रोगी कें व्यक्तिगत मेडिकल रिकॉर्ड कें उपयोग करयत इ मशीन लर्निंग मॉडल कें प्रशिक्षण द क मरीजक कें डिजिटल जुड़वाँ बनाल जायत छै. एकरऽ बाद मॉडल ई भविष्यवाणी करी सकै छै कि अगर ओकरा प्लेसबो देलऽ जाय छै त॑ परीक्षण के दौरान ओकरऽ स्वास्थ्य म॑ कोन तरह के बदलाव आबै वाला छै ।अर्थात ओही रोगी कें लेल कंप्यूटर सं बनल नियंत्रण समूह (सिमुलेटेड कंट्रोल ग्रुप) बनायल जायत छै.

आब देखल जाय जे ई कोना काज करैत अछि। मानल जाय जे "समाधि" नामक कियो एहन समूह मे रहबाक लेल चुनल जाइत अछि जकरा नव दवाई भेटैत छैक | समाधि केरऽ ``डिजिटल ट्विन,'' एगो कंप्यूटर मॉडल, नियंत्रण समूह म॑ छै । मॉडल भविष्यवाणी करै छै कि अगर समाधी क॑ वास्तविक दवाई के जगह ``प्लेसेबो'' देलऽ जाय त॑ की होतै । अंततः समाधि केरऽ दवा के प्रति वास्तविक प्रतिक्रिया आरू मॉडल न॑ की भविष्यवाणी करलकै कि अगर वू ``प्लेसेबो'' लेतै त॑ की होतै, ई के बीच के अंतर ई बात के मापदंड छै कि समाधि लेली ई दवाई कतेक प्रभावी छै ।

पारंपरिक नियंत्रण टीमक कें बजाय ``डिजिटल ट्विन'' कें उपयोग कें फायदा स्पष्ट रूप सं देखय कें लेल इ तालिका कें देखूं.

ई तकनीक नीक रहितो कोनो समस्या नहिं अछि?

हालांकि ई तकनीक भविष्य लेली बहुत वादा करै छै, लेकिन एकरऽ उपयोग अभी तलक व्यापक रूप स॑ नै करलऽ गेलऽ छै । एकर नीक कारण भ सकैत अछि। जेना कि ``(मशीन लर्निंग),'' के विशेषज्ञ डॉ. डेनियल नील इंगित करैत छथि, ई मॉडल पैघ मात्रा मे डाटा पर निर्भर करैत अछि | संगहि, व्यक्ति सं उच्च गुणवत्ता वाला आंकड़ा प्राप्त करब बहुत मुश्किल अछि.

एकटा आओर मुद्दा अछि कोनो दवाई के दुर्लभ, अप्रत्याशित दुष्प्रभाव जे भ सकैत अछि. इ अक्सर नियंत्रण समूह कें लेल डिजाइन कैल गेल मॉडल कें तहत नहि आबै छै.

मुदा डॉ. नील के सब सं पैघ डर ई छनि जे ई भविष्यवाणी मॉडल "सामान्य रूप सं कारोबार" पर आधारित अछि. कल्पना करू जे कोविड-19 महामारी सन कोनो पैघ, अप्रत्याशित घटना जे सबहक व्यवहार बदलि दैत अछि आ लोक के बीमार बना दैत अछि। ओ कहैत छथि जे कंट्रोल मॉडल एहि गप कए ध्यान मे नहि रखैत अछि। तखन, एहि घटना सभक कारण जे नियंत्रण समूह ध्यान मे नहि रखलक, प्रयोगक अंतिम परिणाम एकदम अलग भ' सकैत छल.

त की सचमुच एकर उपयोग भ सकैत अछि? भविष्य मे की रहत?

स्वास्थ्य सेवा म॑ डिजिटल तकनीक के इस्तेमाल के विशेषज्ञ एरिक टोपोल क॑ ई विचार बहुत बढ़िया लगै छै, लेकिन समय अभी सही नै छै । "हमरा नै लगै छै कि निकट भविष्य म॑ क्लिनिकल ट्रायल म॑ बदलाव आबै वाला छै । कैन्हेंकि एकरा लेली खाली स्वास्थ्य रिकॉर्ड स॑ परे, जेना कि जीनोम सीक्वेंस, आंत के माइक्रोबायोम, पर्यावरणीय डाटा स॑ परे, कई परतऽ के डाटा के जरूरत छै ।"

ई तकनीक केरऽ अग्रणी अनलर्न.एआई केरऽ संस्थापक चार्ल्स फिशर के अनुसार, डाटा प्राइवेसी आरू पूर्वाग्रह के समस्या के समाधान पहल॑ स॑ ही छै । "गोपनीयता आसान अछि। हम केवल ओहि डाटा क संग काज करैत छी जे पहिने स गुमनाम भ गेल अछि।"

पूर्वाग्रह के बात करला पर हुनकऽ कहना छै कि भले ही ई मुद्दा पूरा तरह स॑ समाधान नै होय सकलऽ छै, लेकिन ई अध्ययन के परिणाम के साथ प्रासंगिक नै छै । चूँकि अध्ययन यादृच्छिक छै, भले ही डाटा म॑ कुछ पूर्वाग्रह होय, लेकिन एकरऽ परिणाम प॑ कोनो असर नै पड़ै छै । मुदा, किछु विशेषज्ञ एहि विचार स असहमत छथि। कहैत छथिन, .कारण जे अहां कोनो असली व्यक्ति के तुलना कंप्यूटर मॉडल सं क रहल छी, अगर ओहि मॉडल मे कोनो त्रुटि अछि त ओकर सीधा असर परिणाम पर पड़ि सकैत अछि.

लेकिन, अनलर्न.एआई पहिने सं दवा कंपनी सब के संग मिल क अल्जाइमर, पार्किंसंस, आ मल्टीपल स्क्लेरोसिस जेहन न्यूरोलॉजिकल बीमारी के लेल क्लिनिकल ट्रायल डिजाइन क रहल अछि. ओ सभ एहि बीमारी सभ के शुरू करय लेल नीक जगह के रूप मे चुनलखिन्ह किएक त एहि सभ मे दोसर सं बेसि डाटा अछि. फिशर के कहनाय छनि जे अगर ई तरीका एक दिन सभ बीमारी पर लागू कएल जा सकैत अछि त एहि सं नव दवाई के बाजार मे आबय मे लागय वाला समय मे काफी कमी आबि सकैत अछि.