ਕੀ ਤੁਸੀਂ ਕਦੇ ਸੋਚਿਆ ਹੈ ਕਿ ਅੱਜ ਸਵੇਰੇ ਲਈ ਗਈ ਗੋਲੀ ਨੂੰ ਤੁਹਾਡੇ ਹੱਥਾਂ ਤੱਕ ਪਹੁੰਚਣ ਵਿੱਚ ਕਿੰਨਾ ਸਮਾਂ ਲੱਗਿਆ? ਪਹਿਲਾਂ, ਉਹ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਵਿੱਚ ਵਿਆਪਕ ਖੋਜ ਕਰਦੇ ਹਨ। ਫਿਰ ਉਹ ਇਸਨੂੰ ਜਾਨਵਰਾਂ 'ਤੇ ਟੈਸਟ ਕਰਦੇ ਹਨ। ਪਰ ਮਨੁੱਖਾਂ ਵਿੱਚ ਵਰਤੋਂ ਲਈ ਮਨਜ਼ੂਰੀ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਉਹਨਾਂ ਨੂੰ ਇਸਨੂੰ ਮਨੁੱਖਾਂ 'ਤੇ ਟੈਸਟ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਇਸਨੂੰ ਅਸੀਂ ਕਲੀਨਿਕਲ ਟ੍ਰਾਇਲ ਕਹਿੰਦੇ ਹਾਂ। ਇਹ ਇੱਕ ਬਹੁਤ ਹੀ ਗੁੰਝਲਦਾਰ ਅਤੇ ਮਹਿੰਗੀ ਪ੍ਰਕਿਰਿਆ ਹੈ।
ਸਿੱਧੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਕਲੀਨਿਕਲ ਟ੍ਰਾਇਲ ਕੀ ਹੈ?
ਸਰਲ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇੱਕ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ ਇਸ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦੀ ਹੈ: ਖੋਜਕਰਤਾ ਉਸ ਬਿਮਾਰੀ ਵਾਲੇ ਮਰੀਜ਼ਾਂ ਨੂੰ ਭਰਤੀ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇੱਕ ਨਵੀਂ ਦਵਾਈ ਨਿਸ਼ਾਨਾ ਬਣਾ ਰਹੀ ਹੈ। ਇਹਨਾਂ ਵਲੰਟੀਅਰਾਂ ਨੂੰ ਫਿਰ ਬੇਤਰਤੀਬੇ ਤੌਰ 'ਤੇ ਦੋ ਸਮੂਹਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਸੌਂਪਿਆ ਜਾਂਦਾ ਹੈ।
1. ਪਹਿਲੇ ਸਮੂਹ ਨੂੰ ਜਾਂਚ ਲਈ ਨਵੀਂ ਦਵਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।
2. ਦੂਜੇ ਸਮੂਹ , "ਕੰਟਰੋਲ ਸਮੂਹ", ਨੂੰ ਇੱਕ ਪਲੇਸਬੋ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਕੋਈ ਕਿਰਿਆਸ਼ੀਲ ਤੱਤ ਨਹੀਂ ਹੁੰਦਾ ਅਤੇ ਇਹ ਬਿਲਕੁਲ ਦਵਾਈ ਵਰਗਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਅਸੀਂ ਇਸਨੂੰ "ਪਲੇਸਬੋ" ਕਹਿੰਦੇ ਹਾਂ।
ਜੇਕਰ, ਇਸ ਅਜ਼ਮਾਇਸ਼ ਦੇ ਅੰਤ 'ਤੇ, ਨਵੀਂ ਦਵਾਈ ਲੈਣ ਵਾਲਿਆਂ ਦੇ ਲੱਛਣਾਂ ਵਿੱਚ ਪਲੇਸਬੋ ਲੈਣ ਵਾਲਿਆਂ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਸੁਧਾਰ ਹੋਇਆ ਹੈ, ਤਾਂ ਇਹ ਸਾਬਤ ਕਰਦਾ ਹੈ ਕਿ ਨਵੀਂ ਦਵਾਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ।
ਅਜਿਹੇ ਟ੍ਰਾਇਲ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਚੁਣੌਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਕਾਫ਼ੀ ਮਰੀਜ਼ਾਂ ਨੂੰ ਲੱਭਣਾ ਹੈ ਜੋ ਟ੍ਰਾਇਲ ਲਈ ਬਿਲਕੁਲ ਸਹੀ ਹਨ। ਕਈ ਵਾਰ ਡਾਕਟਰਾਂ ਨੂੰ ਵੀ ਇਹ ਨਹੀਂ ਪਤਾ ਹੁੰਦਾ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਮਰੀਜ਼ਾਂ ਲਈ ਕਿਹੜੇ ਟ੍ਰਾਇਲ ਸਹੀ ਹਨ। ਨਾਲ ਹੀ, ਹਿੱਸਾ ਲੈਣ ਦੇ ਚਾਹਵਾਨ ਮਰੀਜ਼ਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਟ੍ਰਾਇਲ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀਆਂ। ਹਾਲਾਂਕਿ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਇਸ ਕੰਮ ਨੂੰ ਬਹੁਤ ਸੌਖਾ ਬਣਾ ਸਕਦੀ ਹੈ।
ਆਪਣੇ "ਡਿਜੀਟਲ ਟਵਿਨ" ਨੂੰ ਮਿਲੋ
ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਹਾਡੇ ਕੋਲ ਆਪਣਾ ਕੰਪਿਊਟਰ ਮਾਡਲ ਹੈ, ਯਾਨੀ ਕਿ ਤੁਹਾਡੀ ਇੱਕ ਡਿਜੀਟਲ ਕਾਪੀ। ਇਸੇ ਨੂੰ "ਡਿਜੀਟਲ ਟਵਿਨ" ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਸਿਰਫ਼ "ਕੰਪਿਊਟਰ ਮਾਡਲ" ਹਨ ਜੋ ਕੰਪਿਊਟਰ 'ਤੇ ਇੱਕ ਅਸਲ-ਸੰਸਾਰ ਵਸਤੂ ਜਾਂ ਸਿਸਟਮ ਦੀ ਨਕਲ ਕਰਦੇ ਹਨ। ਪਰ ਜਦੋਂ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਨੂੰ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਦੇਖਦੇ ਹੋ, ਤਾਂ ਉਹ ਬਿਲਕੁਲ ਅਸਲ ਚੀਜ਼ ਵਾਂਗ ਵਿਵਹਾਰ ਕਰਦੇ ਹਨ। ਸਭ ਤੋਂ ਵਧੀਆ ਉਦਾਹਰਣ ਇਹ ਹੈ ਕਿ ਜਦੋਂ ਅਪੋਲੋ 13 ਪੁਲਾੜ ਯਾਨ 'ਤੇ ਇੱਕ ਆਕਸੀਜਨ ਟੈਂਕ ਫਟ ਗਿਆ, ਤਾਂ ਨਾਸਾ ਨੇ ਧਰਤੀ 'ਤੇ ਬਣੇ ਉਸੇ ਪੁਲਾੜ ਯਾਨ ਦੇ "ਡਿਜੀਟਲ ਟਵਿਨ" ਨਾਲ ਇਸਦੀ ਮੁਰੰਮਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ।
ਹੁਣ, ਵਿਗਿਆਨੀ ਇੱਕ ਮਨੁੱਖ ਦਾ "ਡਿਜੀਟਲ ਜੁੜਵਾਂ" ਬਣਾ ਸਕਦੇ ਹਨ, ਜੇਕਰ ਕਾਫ਼ੀ "ਡਾਟਾ" ਦਿੱਤਾ ਜਾਵੇ। ਇਹ "ਮਸ਼ੀਨ ਲਰਨਿੰਗ" ਨਾਮਕ ਇੱਕ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਸਿੱਧੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇਸ ਵਿੱਚ ਇੱਕ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਦੇਣਾ ਅਤੇ ਉਸਨੂੰ ਇਸ ਤੋਂ ਸਿੱਖਣ ਦੇਣਾ ਸ਼ਾਮਲ ਹੈ।
ਮਰੀਜ਼ਾਂ ਦੇ ਡਿਜੀਟਲ ਜੁੜਵਾਂ ਬੱਚੇ ਇਹਨਾਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਨੂੰ ਪਿਛਲੇ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੇ ਡੇਟਾ ਅਤੇ ਹਰੇਕ ਮਰੀਜ਼ ਦੇ ਨਿੱਜੀ ਮੈਡੀਕਲ ਰਿਕਾਰਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਖਲਾਈ ਦੇ ਕੇ ਬਣਾਏ ਜਾਂਦੇ ਹਨ। ਫਿਰ ਇਹ ਮਾਡਲ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦਾ ਹੈ ਕਿ ਜੇਕਰ ਮਰੀਜ਼ ਨੂੰ ਪਲੇਸਬੋ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਟ੍ਰਾਇਲ ਦੌਰਾਨ ਉਸਦੀ ਸਿਹਤ ਕਿਵੇਂ ਬਦਲੇਗੀ।ਯਾਨੀ, ਉਸੇ ਮਰੀਜ਼ ਲਈ ਇੱਕ ਕੰਪਿਊਟਰ-ਤਿਆਰ ਕੰਟਰੋਲ ਗਰੁੱਪ (ਸਿਮੂਲੇਟਿਡ ਕੰਟਰੋਲ ਗਰੁੱਪ) ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।
ਹੁਣ ਦੇਖਦੇ ਹਾਂ ਕਿ ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਮੰਨ ਲਓ ਕਿ "ਸਮਾਧੀ" ਨਾਮਕ ਕਿਸੇ ਵਿਅਕਤੀ ਨੂੰ ਉਸ ਸਮੂਹ ਵਿੱਚ ਚੁਣਿਆ ਗਿਆ ਹੈ ਜਿਸਨੂੰ ਇੱਕ ਨਵੀਂ ਦਵਾਈ ਮਿਲਦੀ ਹੈ। ਸਮਾਧੀ ਦਾ "ਡਿਜੀਟਲ ਟਵਿਨ", ਇੱਕ ਕੰਪਿਊਟਰ ਮਾਡਲ, ਕੰਟਰੋਲ ਸਮੂਹ ਵਿੱਚ ਹੈ। ਮਾਡਲ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਕਿ ਜੇਕਰ ਸਮਾਧੀ ਨੂੰ ਅਸਲ ਦਵਾਈ ਦੀ ਬਜਾਏ "ਪਲੇਸਬੋ" ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਕੀ ਹੋਵੇਗਾ। ਅੰਤ ਵਿੱਚ, ਸਮਾਧੀ ਦੀ ਦਵਾਈ ਪ੍ਰਤੀ ਅਸਲ ਪ੍ਰਤੀਕਿਰਿਆ ਅਤੇ ਮਾਡਲ ਦੁਆਰਾ "ਪਲੇਸਬੋ" ਲੈਣ 'ਤੇ ਜੋ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਗਈ ਸੀ ਉਸ ਵਿੱਚ ਅੰਤਰ ਇਸ ਗੱਲ ਦਾ ਮਾਪ ਹੈ ਕਿ ਸਮਾਧੀ ਲਈ ਦਵਾਈ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ।
ਇਸ ਵਿਧੀ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਕਲੀਨਿਕਲ ਟ੍ਰਾਇਲ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਵਾਲੇ ਲਗਭਗ ਹਰ ਵਿਅਕਤੀ ਨੂੰ ਨਵੀਂ ਦਵਾਈ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਮੌਕਾ ਮਿਲਦਾ ਹੈ, ਕਿਉਂਕਿ "ਪਲੇਸਬੋ" ਉਨ੍ਹਾਂ ਦੇ ਡਿਜੀਟਲ ਜੁੜਵਾਂ ਨੂੰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।
ਆਓ ਇਸ ਸਾਰਣੀ ਨੂੰ ਵੇਖੀਏ ਤਾਂ ਜੋ ਰਵਾਇਤੀ ਕੰਟਰੋਲ ਟੀਮਾਂ ਦੀ ਬਜਾਏ "ਡਿਜੀਟਲ ਟਵਿਨਸ" ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਫਾਇਦਿਆਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦੇਖਿਆ ਜਾ ਸਕੇ।
| ਵਿਸ਼ੇਸ਼ਤਾ | ਰਵਾਇਤੀ ਤਰੀਕਾ | ਡਿਜੀਟਲ ਟਵਿਨ ਵਿਧੀ |
|---|---|---|
| ਕੰਟਰੋਲ ਗਰੁੱਪ | ਅਸਲੀ ਲੋਕਾਂ ਤੋਂ ਬਣਿਆ। ਉਹਨਾਂ ਨੂੰ ਇੱਕ (ਪਲੇਸਬੋ) ਮਿਲਦਾ ਹੈ। | ਕੰਪਿਊਟਰ ਮਾਡਲ (ਡਿਜੀਟਲ ਜੁੜਵਾਂ) ਦੇ ਹੁੰਦੇ ਹਨ। |
| ਮਰੀਜ਼ਾਂ ਲਈ ਫਾਇਦਾ | ਪਲੇਸਬੋ ਮਿਲਣ ਦੀ 50% ਸੰਭਾਵਨਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਸੀਂ ਨਵੀਂ ਦਵਾਈ ਛੱਡ ਸਕਦੇ ਹੋ। | ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਕੋਲ ਅਸਲੀ ਦਵਾਈ ਅਜ਼ਮਾਉਣ ਦਾ ਮੌਕਾ ਹੁੰਦਾ ਹੈ। |
| ਲੋੜੀਂਦੇ ਵਲੰਟੀਅਰਾਂ ਦੀ ਗਿਣਤੀ | (ਦੋਵਾਂ ਟੀਮਾਂ ਲਈ) ਹੋਰ ਲੋਕਾਂ ਦੀ ਲੋੜ ਹੈ। | ਇਹ ਟੈਸਟ ਥੋੜ੍ਹੇ ਜਿਹੇ ਲੋਕਾਂ ਨਾਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। |
| ਸਮਾਂ ਅਤੇ ਲਾਗਤ | ਬਹੁਤ ਉੱਚਾ। | ਕਾਫ਼ੀ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। |
ਭਾਵੇਂ ਇਹ ਤਕਨਾਲੋਜੀ ਚੰਗੀ ਹੈ, ਕੀ ਇਸ ਵਿੱਚ ਸਮੱਸਿਆਵਾਂ ਨਹੀਂ ਹਨ?
ਭਾਵੇਂ ਇਹ ਤਕਨਾਲੋਜੀ ਭਵਿੱਖ ਲਈ ਬਹੁਤ ਵੱਡਾ ਵਾਅਦਾ ਰੱਖਦੀ ਹੈ, ਪਰ ਇਸਦੀ ਅਜੇ ਤੱਕ ਵਿਆਪਕ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ। ਇਸਦੇ ਚੰਗੇ ਕਾਰਨ ਹੋ ਸਕਦੇ ਹਨ। ਜਿਵੇਂ ਕਿ "(ਮਸ਼ੀਨ ਲਰਨਿੰਗ)" ਦੇ ਮਾਹਰ ਡਾ. ਡੈਨੀਅਲ ਨੀਲ ਦੱਸਦੇ ਹਨ, ਇਹ ਮਾਡਲ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਨਾਲ ਹੀ, ਵਿਅਕਤੀਆਂ ਤੋਂ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲਾ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ।
"ਲੋਕ ਅਕਸਰ ਆਪਣੀ ਖੁਰਾਕ ਅਤੇ ਕਸਰਤ ਦੀਆਂ ਆਦਤਾਂ ਵਰਗੀਆਂ ਚੀਜ਼ਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਸਵੈ-ਰਿਪੋਰਟ ਕਰਦੇ ਹਨ। ਲੋਕ ਹਮੇਸ਼ਾ ਸੱਚ ਨਹੀਂ ਦੱਸਦੇ। ਉਹ ਆਪਣੀ ਕਸਰਤ ਦੀ ਮਾਤਰਾ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਦੱਸਦੇ ਹਨ ਅਤੇ ਜੰਕ ਫੂਡ ਦੀ ਮਾਤਰਾ ਨੂੰ ਘੱਟ ਦੱਸਦੇ ਹਨ।"
ਇੱਕ ਹੋਰ ਮੁੱਦਾ ਦੁਰਲੱਭ, ਅਣਕਿਆਸੇ ਮਾੜੇ ਪ੍ਰਭਾਵਾਂ ਦਾ ਹੈ ਜੋ ਇੱਕ ਦਵਾਈ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੇ ਹਨ। ਇਹ ਅਕਸਰ ਕੰਟਰੋਲ ਗਰੁੱਪ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਮਾਡਲ ਦੁਆਰਾ ਕਵਰ ਨਹੀਂ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
ਪਰ ਡਾ. ਨੀਲ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਡਰ ਇਹ ਹੈ ਕਿ ਇਹ ਭਵਿੱਖਬਾਣੀ ਮਾਡਲ "ਆਮ ਤੌਰ 'ਤੇ ਕਾਰੋਬਾਰ" 'ਤੇ ਅਧਾਰਤ ਹੈ। ਕਲਪਨਾ ਕਰੋ ਕਿ COVID-19 ਮਹਾਂਮਾਰੀ ਵਰਗੀ ਇੱਕ ਵੱਡੀ, ਅਚਾਨਕ ਘਟਨਾ ਜੋ ਹਰ ਕਿਸੇ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਬਦਲ ਦਿੰਦੀ ਹੈ ਅਤੇ ਲੋਕਾਂ ਨੂੰ ਬਿਮਾਰ ਕਰ ਦਿੰਦੀ ਹੈ। "ਨਿਯੰਤਰਣ ਮਾਡਲ ਇਸ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖਦੇ," ਉਹ ਕਹਿੰਦਾ ਹੈ। ਫਿਰ, ਇਹਨਾਂ ਘਟਨਾਵਾਂ ਦੇ ਕਾਰਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਨਿਯੰਤਰਣ ਸਮੂਹ ਨੇ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖਿਆ, ਪ੍ਰਯੋਗ ਦੇ ਅੰਤਮ ਨਤੀਜੇ ਬਿਲਕੁਲ ਵੱਖਰੇ ਹੋ ਸਕਦੇ ਹਨ।
ਤਾਂ ਕੀ ਇਸਨੂੰ ਸੱਚਮੁੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ? ਭਵਿੱਖ ਵਿੱਚ ਕੀ ਹੋਵੇਗਾ?
ਸਿਹਤ ਸੰਭਾਲ ਵਿੱਚ ਡਿਜੀਟਲ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਦੇ ਮਾਹਰ, ਏਰਿਕ ਟੋਪੋਲ ਸੋਚਦੇ ਹਨ ਕਿ ਇਹ ਵਿਚਾਰ ਬਹੁਤ ਵਧੀਆ ਹੈ, ਪਰ ਅਜੇ ਸਮਾਂ ਸਹੀ ਨਹੀਂ ਹੈ। "ਮੈਨੂੰ ਨਹੀਂ ਲੱਗਦਾ ਕਿ ਨੇੜਲੇ ਭਵਿੱਖ ਵਿੱਚ ਕਲੀਨਿਕਲ ਟਰਾਇਲ ਬਦਲਣਗੇ। ਕਿਉਂਕਿ ਇਸ ਲਈ ਸਿਰਫ਼ ਸਿਹਤ ਰਿਕਾਰਡਾਂ ਤੋਂ ਇਲਾਵਾ, ਡੇਟਾ ਦੀਆਂ ਕਈ ਪਰਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਜੀਨੋਮ ਕ੍ਰਮ, ਅੰਤੜੀਆਂ ਦੇ ਮਾਈਕ੍ਰੋਬਾਇਓਮ, ਵਾਤਾਵਰਣ ਡੇਟਾ।"
ਇਸ ਤਕਨਾਲੋਜੀ ਦੇ ਮੋਢੀ, Unlearn.AI ਦੇ ਸੰਸਥਾਪਕ, ਚਾਰਲਸ ਫਿਸ਼ਰ ਦੇ ਅਨੁਸਾਰ, ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਅਤੇ ਪੱਖਪਾਤ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦੇ ਹੱਲ ਪਹਿਲਾਂ ਹੀ ਮੌਜੂਦ ਹਨ। "ਗੋਪਨੀਯਤਾ ਆਸਾਨ ਹੈ। ਅਸੀਂ ਸਿਰਫ਼ ਉਸ ਡੇਟਾ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਾਂ ਜੋ ਪਹਿਲਾਂ ਹੀ ਗੁਮਨਾਮ ਹੈ।"
ਪੱਖਪਾਤ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹੋਏ, ਉਹ ਕਹਿੰਦਾ ਹੈ ਕਿ ਭਾਵੇਂ ਇਹ ਮੁੱਦਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹੱਲ ਨਹੀਂ ਹੋਇਆ ਹੈ, ਪਰ ਇਹ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਨਾਲ ਸੰਬੰਧਿਤ ਨਹੀਂ ਹੈ। ਕਿਉਂਕਿ ਅਧਿਐਨ ਬੇਤਰਤੀਬ ਹਨ, ਭਾਵੇਂ ਡੇਟਾ ਵਿੱਚ ਕੁਝ ਪੱਖਪਾਤ ਹੋਵੇ, ਇਹ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਨਹੀਂ ਕਰਦਾ। ਹਾਲਾਂਕਿ, ਕੁਝ ਮਾਹਰ ਇਸ ਵਿਚਾਰ ਨਾਲ ਅਸਹਿਮਤ ਹਨ। ਉਹ ਕਹਿੰਦੇ ਹਨ,ਕਿਉਂਕਿ ਤੁਸੀਂ ਇੱਕ ਅਸਲੀ ਵਿਅਕਤੀ ਦੀ ਤੁਲਨਾ ਇੱਕ ਕੰਪਿਊਟਰ ਮਾਡਲ ਨਾਲ ਕਰ ਰਹੇ ਹੋ, ਜੇਕਰ ਉਸ ਮਾਡਲ ਵਿੱਚ ਕੋਈ ਗਲਤੀ ਹੈ, ਤਾਂ ਇਹ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ।
ਹਾਲਾਂਕਿ, Unlearn.AI ਪਹਿਲਾਂ ਹੀ ਅਲਜ਼ਾਈਮਰ, ਪਾਰਕਿੰਸਨ'ਸ ਅਤੇ ਮਲਟੀਪਲ ਸਕਲੇਰੋਸਿਸ ਵਰਗੀਆਂ ਨਿਊਰੋਲੋਜੀਕਲ ਬਿਮਾਰੀਆਂ ਲਈ ਕਲੀਨਿਕਲ ਟਰਾਇਲ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਫਾਰਮਾਸਿਊਟੀਕਲ ਕੰਪਨੀਆਂ ਨਾਲ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ। ਉਨ੍ਹਾਂ ਨੇ ਇਨ੍ਹਾਂ ਬਿਮਾਰੀਆਂ ਨੂੰ ਸ਼ੁਰੂਆਤ ਕਰਨ ਲਈ ਇੱਕ ਚੰਗੀ ਜਗ੍ਹਾ ਵਜੋਂ ਚੁਣਿਆ ਕਿਉਂਕਿ ਉਨ੍ਹਾਂ ਕੋਲ ਦੂਜਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਡੇਟਾ ਹੈ। ਫਿਸ਼ਰ ਕਹਿੰਦਾ ਹੈ ਕਿ ਜੇਕਰ ਇਹ ਤਰੀਕਾ ਇੱਕ ਦਿਨ ਸਾਰੀਆਂ ਬਿਮਾਰੀਆਂ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਇਹ ਨਵੀਆਂ ਦਵਾਈਆਂ ਦੇ ਬਾਜ਼ਾਰ ਵਿੱਚ ਆਉਣ ਵਿੱਚ ਲੱਗਣ ਵਾਲੇ ਸਮੇਂ ਨੂੰ ਕਾਫ਼ੀ ਘਟਾ ਸਕਦਾ ਹੈ।
ਘਰ ਲੈ ਜਾਣ ਦਾ ਸੁਨੇਹਾ
- ਇੱਕ ਡਿਜੀਟਲ ਜੁੜਵਾਂ ਇੱਕ ਅਸਲੀ ਮਰੀਜ਼ ਦਾ ਇੱਕ ਕੰਪਿਊਟਰ ਮਾਡਲ ਹੈ ਜੋ ਨਵੀਆਂ ਦਵਾਈਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੇ ਕਲੀਨਿਕਲ ਟਰਾਇਲਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
- ਇਹ ਕੰਟਰੋਲ ਗਰੁੱਪ ਲਈ ਅਸਲ ਲੋਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਬਜਾਏ ਇਹਨਾਂ ਡਿਜੀਟਲ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
- ਇਸ ਵਿਧੀ ਦਾ ਇੱਕ ਵੱਡਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਟ੍ਰਾਇਲ ਵਿੱਚ ਵਧੇਰੇ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਅਸਲ ਟੈਸਟ ਕੀਤੀ ਜਾ ਰਹੀ ਦਵਾਈ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਮੌਕਾ ਮਿਲਦਾ ਹੈ।
- ਹਾਲਾਂਕਿ, ਚੁਣੌਤੀਆਂ ਅਜੇ ਵੀ ਕਾਇਮ ਹਨ, ਜਿਵੇਂ ਕਿ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲਾ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ ਅਤੇ ਅਚਾਨਕ ਘਟਨਾਵਾਂ ਨੂੰ ਮਾਡਲ ਕਰਨ ਵਿੱਚ ਅਸਮਰੱਥਾ।
- ਭਾਵੇਂ ਇਹ ਤਕਨਾਲੋਜੀ ਦਵਾਈ ਦੇ ਭਵਿੱਖ ਲਈ ਬਹੁਤ ਵੱਡਾ ਵਾਅਦਾ ਰੱਖਦੀ ਹੈ, ਪਰ ਇਹ ਅਜੇ ਵੀ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਹੈ। ਜੇਕਰ ਤੁਹਾਨੂੰ ਕੋਈ ਚਿੰਤਾ ਜਾਂ ਸ਼ੱਕ ਹੈ, ਤਾਂ ਆਪਣੇ ਡਾਕਟਰ ਨਾਲ ਗੱਲ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ।
💬 Comments (0)
ਅਜੇ ਤੱਕ ਕੋਈ ਟਿੱਪਣੀ ਪੋਸਟ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ। ਪਹਿਲੀ ਵਾਰ ਇੱਥੇ ਆਪਣੀ ਟਿੱਪਣੀ ਸ਼ਾਮਲ ਕਰੋ।
ਆਪਣੀ ਟਿੱਪਣੀ ਸ਼ਾਮਲ ਕਰੋ