Bugun ertalab ichgan tabletkangiz qo'lingizga yetguncha qancha vaqt ketganini hech o'ylab ko'rganmisiz? Avval ular laboratoriyalarda keng qamrovli tadqiqotlar o'tkazadilar. Keyin uni hayvonlarda sinab ko'rishadi. Lekin odamlarda foydalanish uchun tasdiqlanishidan oldin, uni odamlarda sinab ko'rishlari kerak. Biz buni klinik sinov deb ataymiz. Bu juda murakkab va qimmat jarayon.
Sodda qilib aytganda, klinik sinov nima?
Sodda qilib aytganda, klinik sinov quyidagicha ishlaydi: Tadqiqotchilar yangi ishlab chiqilgan dori vositasi nishonga olgan kasallikka chalingan bemorlarni yollashadi. Keyin bu ko'ngillilar tasodifiy ravishda ikki guruhga bo'linadi.
1. Birinchi guruhga sinovdan o'tkaziladigan yangi dori beriladi.
2. Ikkinchi guruh , "Nazorat guruhi"ga, faol moddasi bo'lmagan va preparatga juda o'xshash platsebo beriladi. Biz buni "platsebo" deb ataymiz.
Agar ushbu sinov oxirida yangi preparatni qabul qilganlarning alomatlari platsebo qabul qilganlarga qaraganda ancha yaxshilangan bo'lsa, bu yangi preparatning samarali ekanligini isbotlaydi.
Bunday sinovdagi eng katta qiyinchiliklardan biri bu sinov uchun aynan mos keladigan yetarli bemorlarni topishdir. Ba'zan hatto shifokorlar ham qaysi sinovlar o'z bemorlari uchun mos kelishini bilishmaydi. Bundan tashqari, ishtirok etishni istagan bemorlarning xususiyatlari sinov talablariga mos kelmasligi mumkin. Biroq, sun'iy intellekt (AI) bu vazifani ancha osonlashtirishi mumkin.
"Raqamli egizak" bilan tanishing
Tasavvur qiling-a, sizda o'zingizning kompyuter modelingiz, ya'ni o'zingizning raqamli nusxangiz bor. Bu "Raqamli egizak" deb ataladigan narsa. Bu shunchaki kompyuterda haqiqiy dunyo obyekti yoki tizimini simulyatsiya qiladigan "kompyuter modellari". Ammo raqamli jihatdan qaralganda, ular aynan haqiqiy narsa kabi ishlaydi. Eng yaxshi misol, Apollo 13 kosmik kemasidagi kislorod balloni portlaganida, NASA uni Yerda qurilgan kosmik kemaning "Raqamli egizagi" bilan ta'mirlashga yordam berdi.
Endi olimlar yetarli "ma'lumotlar" berilgan taqdirda, insonning "raqamli egizagi"ni yaratishlari mumkin. Bu "Mashinaviy o'rganish" deb nomlangan sun'iy intellekt texnologiyasidan foydalanadi. Sodda qilib aytganda, bu kompyuter dasturiga katta hajmdagi ma'lumotlarni berish va undan o'rganish imkonini berishni o'z ichiga oladi.
Bemorlarning raqamli egizaklari avvalgi klinik sinovlardan olingan ma'lumotlar va har bir bemorning shaxsiy tibbiy yozuvlaridan foydalangan holda ushbu Mashinaviy o'rganish modellarini o'qitish orqali yaratiladi. Keyin model bemorga platsebo berilsa, sinov davomida uning sog'lig'i qanday o'zgarishini bashorat qilishi mumkin.Ya'ni, o'sha bemor uchun kompyuterda yaratilgan nazorat guruhi (Simulyatsiyalangan nazorat guruhi) yaratiladi.
Endi bu qanday ishlashini ko'rib chiqaylik. Aytaylik, "Samadhi" ismli kimdir yangi dori qabul qiladigan guruhga kiritildi. Samadhining "Raqamli egizak" kompyuter modeli nazorat guruhida. Model Samadhiga haqiqiy dori o'rniga "platsebo" berilsa nima bo'lishini bashorat qiladi. Oxir-oqibat, Samadhining doriga haqiqiy javobi va agar u "platsebo" qabul qilsa, model bashorat qilgan narsa o'rtasidagi farq preparatning Samadhi uchun qanchalik samarali ekanligining o'lchovidir.
Ushbu usulning eng katta afzalliklaridan biri shundaki, klinik sinovda ishtirok etadigan deyarli har bir kishi yangi dori vositasini olish imkoniyatiga ega, chunki "platsebo" ularning raqamli egizaklariga beriladi.
An'anaviy boshqaruv guruhlari o'rniga "Raqamli egizaklar" dan foydalanishning afzalliklarini aniq ko'rish uchun ushbu jadvalga qaraylik.
| Xarakterli | An'anaviy usul | Raqamli egizak usuli |
|---|---|---|
| Nazorat guruhi | Haqiqiy odamlardan iborat. Ular (Platsebo) olishadi. | Kompyuter modellaridan iborat (Raqamli egizaklar). |
| Bemorlar uchun afzallik | Platsebo olish ehtimoli 50% ni tashkil qiladi. Bu siz yangi dori vositasini qabul qilmasligingiz mumkinligini anglatadi. | Ko'p odamlar haqiqiy dori vositasini sinab ko'rish imkoniyatiga ega. |
| Kerakli ko'ngillilar soni | Ko'proq odamlar kerak (ikkala jamoa uchun ham). | Sinov oz sonli odamlar bilan o'tkazilishi mumkin. |
| Vaqt va xarajat | Juda baland. | Sezilarli darajada kamaytirilishi mumkin. |
Bu texnologiya yaxshi bo'lsa-da, muammolar yo'qmi?
Ushbu texnologiya kelajak uchun katta istiqbolga ega bo'lsa-da, u hali keng qo'llanilmagan. Buning yaxshi sabablari bo'lishi mumkin. "(Mashina o'rganish)" bo'yicha mutaxassis doktor Daniel Neal ta'kidlaganidek, bu modellar katta hajmdagi ma'lumotlarga tayanadi. Bundan tashqari, shaxslardan yuqori sifatli ma'lumotlarni olish juda qiyin.
"Odamlar ko'pincha ovqatlanish va jismoniy mashqlar odatlari kabi narsalar haqida o'zlari xabar berishadi. Odamlar har doim ham haqiqatni aytishmaydi. Ular bajaradigan jismoniy mashqlar miqdorini bo'rttirib ko'rsatishga va iste'mol qiladigan zararli ovqat miqdorini kam ko'rsatishga moyil."
Yana bir muammo - bu preparat keltirib chiqarishi mumkin bo'lgan noyob, kutilmagan yon ta'sirlar . Bular ko'pincha nazorat guruhi uchun mo'ljallangan model tomonidan qamrab olinmaydi.
Ammo doktor Nilning eng katta qo'rquvi shundaki, bu bashoratli model "odatdagidek ish"ga asoslangan. COVID-19 pandemiyasi kabi har bir insonning xatti-harakatlarini o'zgartiradigan va odamlarni kasal qiladigan katta, kutilmagan hodisani tasavvur qiling. "Nazorat modellari buni hisobga olmaydi", deydi u. Keyin, nazorat guruhi hisobga olmagan bu voqealar tufayli tajribaning yakuniy natijalari butunlay boshqacha bo'lishi mumkin.
Xo'sh, bundan haqiqatan ham foydalanish mumkinmi? Kelajakda nima bo'ladi?
Sog'liqni saqlash sohasida raqamli texnologiyalardan foydalanish bo'yicha mutaxassis Erik Topol bu g'oya juda yaxshi deb hisoblaydi, ammo vaqt hali to'g'ri emas. "Menimcha, yaqin kelajakda klinik sinovlar o'zgaradi. Chunki buning uchun genom ketma-ketligi, ichak mikrobiomi, atrof-muhit ma'lumotlari kabi sog'liqni saqlash yozuvlaridan tashqari bir nechta qatlamli ma'lumotlar talab etiladi."
Unlearn.AI asoschisi, ushbu texnologiyaning kashshofi Charlz Fisherning so'zlariga ko'ra, ma'lumotlar maxfiyligi va tarafkashligi muammolariga allaqachon yechimlar mavjud. "Maxfiylik oson. Biz faqat allaqachon anonimlashtirilgan ma'lumotlar bilan ishlaymiz."
Xususiylik haqida gapirganda, u masala to'liq hal qilinmagan bo'lsa-da, bu tadqiqot natijalariga aloqador emasligini aytadi. Tadqiqotlar tasodifiy tanlanganligi sababli, ma'lumotlarda biron bir tarafkashlik bo'lsa ham, bu natijalarga ta'sir qilmaydi. Biroq, ba'zi mutaxassislar bu fikrga qo'shilmaydilar. Ularning aytishicha,Siz haqiqiy odamni kompyuter modeli bilan taqqoslayotganingiz uchun, agar o'sha modelda biron bir xato bo'lsa, bu natijalarga bevosita ta'sir qilishi mumkin.
Biroq, Unlearn.AI allaqachon farmatsevtika kompaniyalari bilan Altsgeymer, Parkinson va skleroz kabi nevrologik kasalliklar uchun klinik sinovlarni ishlab chiqish ustida ishlamoqda. Ular bu kasalliklarni boshlash uchun yaxshi joy sifatida tanladilar, chunki ularda boshqalarga qaraganda ko'proq ma'lumotlar mavjud. Fisherning aytishicha, agar usul bir kun kelib barcha kasalliklarga qo'llanilsa, bu yangi dorilarning bozorga chiqishi vaqtini sezilarli darajada qisqartirishi mumkin.
Uyga olib ketish xabari
- Raqamli egizak - bu yangi dorilarni sinovdan o'tkazadigan klinik sinovlarda ishlatiladigan haqiqiy bemorning kompyuter modeli.
- Bu nazorat guruhi uchun haqiqiy odamlardan foydalanish o'rniga ushbu raqamli modellardan foydalanish imkonini beradi.
- Ushbu usulning asosiy afzalligi shundaki, sinovda ko'proq ishtirokchilar sinovdan o'tkazilayotgan haqiqiy dori vositasini olish imkoniyatiga ega bo'ladilar.
- Biroq, yuqori sifatli ma'lumotlarni olishning qiyinligi va kutilmagan hodisalarni modellashtirishning iloji yo'qligi kabi muammolar hali ham mavjud.
- Ushbu texnologiya tibbiyot kelajagi uchun katta istiqbolga ega bo'lsa-da, u hali ham rivojlanish bosqichida. Agar sizda biron bir tashvish yoki shubha bo'lsa, shifokoringiz bilan gaplashish muhimdir.
💬 Comments (0)
Hozircha hech qanday fikr yozilmagan. Bu yerda birinchi marta fikringizni qo'shing.
Fikringizni qo'shing