AI-ആദ്യത്തെ മരുന്ന് കണ്ടെത്തൽ: പുതിയ ഔഷധ മരുന്നുകൾ കണ്ടെത്താൻ ശാസ്ത്രജ്ഞരെ സഹായിക്കാൻ റോബോട്ടുകൾക്ക് കഴിയുമോ?

• രചയിതാവ്:
• രചയിതാവിന്റെ പേര്

  Quantumrun ദീർഘവീക്ഷണം
• ഓഗസ്റ്റ് 22, 2022

ഇൻസൈറ്റ് സംഗ്രഹം

പരമ്പരാഗത മരുന്ന് വികസനത്തിലെ ഉയർന്ന ചെലവും പരാജയ നിരക്കും ഗവേഷണ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനും ചെലവ് കുറയ്ക്കുന്നതിനുമായി ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) സാങ്കേതികവിദ്യകളിൽ നിക്ഷേപിക്കാൻ ഫാർമസ്യൂട്ടിക്കൽ കമ്പനികളെ പ്രേരിപ്പിക്കുന്നു. പുതിയ മയക്കുമരുന്ന് ലക്ഷ്യങ്ങൾ അതിവേഗം തിരിച്ചറിഞ്ഞും വ്യക്തിഗതമാക്കിയ ചികിത്സകൾ പ്രാപ്തമാക്കിയും AI വ്യവസായത്തെ മാറ്റിമറിക്കുന്നു. AI യിലേക്കുള്ള ഈ മാറ്റം, രസതന്ത്രജ്ഞർക്കുള്ള തൊഴിൽ ആവശ്യകതകൾ മാറ്റുന്നത് മുതൽ AI യുടെ ബൗദ്ധിക സ്വത്തവകാശത്തെക്കുറിച്ചുള്ള ചർച്ചകൾ വരെ ഫാർമസ്യൂട്ടിക്കൽ ലാൻഡ്‌സ്‌കേപ്പിനെ പുനർനിർമ്മിക്കുന്നു.

AI-ആദ്യത്തെ മരുന്ന് കണ്ടെത്തൽ സന്ദർഭം

സാധാരണ മരുന്ന് വികസന പദ്ധതിക്ക് 2.6 ബില്യൺ ഡോളർ ചിലവാകും. 9 കാൻഡിഡേറ്റ് തെറാപ്പികളിൽ 10 എണ്ണവും റെഗുലേറ്ററി അംഗീകാരങ്ങളിൽ എത്താത്തതിനാൽ ശാസ്ത്രജ്ഞർക്ക് സമ്മർദ്ദം കൂടുതലാണ്. തൽഫലമായി, ചെലവ് കുറയ്ക്കുന്നതിനിടയിൽ ഗവേഷണ ഫലപ്രാപ്തി വർദ്ധിപ്പിക്കുന്നതിന് 2020-കളിൽ ഫാർമസ്യൂട്ടിക്കൽ കമ്പനികൾ AI പ്ലാറ്റ്‌ഫോമുകളിൽ ആക്രമണാത്മകമായി നിക്ഷേപം നടത്തുന്നു. 

മെഷീൻ ലേണിംഗ് (എം‌എൽ), നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് (എൻ‌എൽ‌പി), കമ്പ്യൂട്ടർ വിഷൻ എന്നിവയുൾപ്പെടെ മയക്കുമരുന്ന് കണ്ടെത്തലിൽ വ്യത്യസ്ത AI സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുന്നു. ശാസ്ത്രീയ സാഹിത്യം, ക്ലിനിക്കൽ പരീക്ഷണങ്ങൾ, രോഗികളുടെ രേഖകൾ എന്നിവയുൾപ്പെടെ വിവിധ ഉറവിടങ്ങളിൽ നിന്നുള്ള ഡാറ്റ ML വിശകലനം ചെയ്യുന്നു. പുതിയ മയക്കുമരുന്ന് ലക്ഷ്യങ്ങൾ നിർദ്ദേശിക്കുന്ന അല്ലെങ്കിൽ കൂടുതൽ ഫലപ്രദമായ ചികിത്സകൾ വികസിപ്പിക്കുന്നതിലേക്ക് നയിച്ചേക്കാവുന്ന പാറ്റേണുകൾ തിരിച്ചറിയാൻ ഈ വിവരങ്ങൾ ഉപയോഗിക്കാം. ഭാഷാധിഷ്ഠിത പ്രവചന മാതൃകയായ NLP, നിലവിലുള്ള മരുന്നുകൾ വികസിപ്പിക്കാൻ കഴിയുന്ന പുതിയ വഴികൾ എടുത്തുകാണിക്കാൻ കഴിയുന്ന ശാസ്ത്രീയ സാഹിത്യത്തിൽ നിന്നുള്ള ഡാറ്റ മൈൻ ചെയ്യാൻ ഉപയോഗിക്കുന്നു. അവസാനമായി, കമ്പ്യൂട്ടർ വിഷൻ കോശങ്ങളുടെയും ടിഷ്യൂകളുടെയും ചിത്രങ്ങൾ വിശകലനം ചെയ്യുന്നു, ഇത് രോഗങ്ങളുമായി ബന്ധപ്പെട്ട മാറ്റങ്ങൾ തിരിച്ചറിയാൻ കഴിയും.

പുതിയ മരുന്നുകൾ വികസിപ്പിച്ചെടുക്കാൻ AI ഉപയോഗിക്കുന്ന ഒരു ഫാർമ കമ്പനിയുടെ ഉദാഹരണമാണ് ഫൈസർ, ഇത് IBM വാട്‌സൺ ഉപയോഗിക്കുന്നു, ഇത് ഇമ്മ്യൂണോ-ഓങ്കോളജി മരുന്നുകളെ കുറിച്ച് വിപുലമായി ഗവേഷണം ചെയ്യാൻ കഴിയുന്ന ഒരു ML സംവിധാനമാണ്. അതേസമയം, ഫ്രാൻസ് ആസ്ഥാനമായുള്ള സനോഫി, ഉപാപചയ-രോഗ ചികിത്സകൾക്കായി ഒരു AI പ്ലാറ്റ്‌ഫോം സൃഷ്ടിക്കാൻ യുകെ സ്റ്റാർട്ടപ്പ് എക്‌സ്‌സൈൻഷ്യയുമായി സഹകരിച്ചു. കാൻസർ ചികിത്സകൾക്കായുള്ള തിരച്ചിലിന് നേതൃത്വം നൽകാൻ സ്വിസ് കമ്പനിയായ റോച്ചെ സബ്‌സിഡിയറി ജെനെൻടെക് യുഎസ് ആസ്ഥാനമായുള്ള ജിഎൻഎസ് ഹെൽത്ത്‌കെയറിൽ നിന്നുള്ള AI സംവിധാനം ഉപയോഗിക്കുന്നു. ചൈനയിൽ, ബയോടെക് സ്റ്റാർട്ടപ്പ് മെറ്റാ ഫാർമസ്യൂട്ടിക്കൽസ് AI ഉപയോഗിച്ച് സ്വയം രോഗപ്രതിരോധ രോഗ ചികിത്സകൾ വികസിപ്പിക്കുന്നതിന് $15-മില്യൺ ഡോളർ വിത്ത് ഫണ്ടിംഗ് നേടി. AI- സഹായത്തോടെയുള്ള മറ്റൊരു മരുന്ന് കണ്ടെത്തൽ കമ്പനിയായ Xtalpi ആണ് കമ്പനിയെ ഇൻകുബേറ്റ് ചെയ്തത്.

തടസ്സപ്പെടുത്തുന്ന ആഘാതം

AI-ആദ്യത്തെ മരുന്ന് കണ്ടെത്തലിൻ്റെ ഏറ്റവും പ്രായോഗികമായ പ്രയോഗം, കോവിഡ്-19-നുള്ള ആദ്യത്തെ ചികിത്സാ മരുന്നായ റെംഡെസിവിർ എന്ന ആൻറിവൈറൽ മരുന്നിൻ്റെ വികസിപ്പിച്ചതാണ്. AI ഉപയോഗിച്ച് കാലിഫോർണിയയിലെ ബയോടെക്‌നോളജി കമ്പനിയായ ഗിലെയാദ് സയൻസസിലെ ഗവേഷകരാണ് ഈ മരുന്ന് വൈറസിന് സാധ്യമായ ചികിത്സയായി ആദ്യം തിരിച്ചറിഞ്ഞത്. GenBank ഡാറ്റാബേസിൽ നിന്നുള്ള ഡാറ്റ വിശകലനം ചെയ്യാൻ കമ്പനി ഒരു അൽഗോരിതം ഉപയോഗിച്ചു, അതിൽ പൊതുവായി ലഭ്യമായ എല്ലാ ഡിഎൻഎ സീക്വൻസുകളുടെയും വിവരങ്ങൾ അടങ്ങിയിരിക്കുന്നു.

ഈ അൽഗോരിതം രണ്ട് സാധ്യതയുള്ള കാൻഡിഡേറ്റുകളെ തിരിച്ചറിഞ്ഞു, ഇത് ഗിലെയാദ് സയൻസസ് ഒരു ലാബ് ഡിഷിൽ COVID-19 വൈറസിനെതിരെ സമന്വയിപ്പിച്ച് പരീക്ഷിച്ചു. രണ്ട് സ്ഥാനാർത്ഥികളും വൈറസിനെതിരെ ഫലപ്രദമാണെന്ന് കണ്ടെത്തി. മൃഗങ്ങളിലും മനുഷ്യരിലും കൂടുതൽ വികസനത്തിനും പരിശോധനയ്ക്കും ഈ സ്ഥാനാർത്ഥികളിൽ ഒരാളെ തിരഞ്ഞെടുത്തു. Remdesivir ആത്യന്തികമായി സുരക്ഷിതവും ഫലപ്രദവുമാണെന്ന് കണ്ടെത്തി, യുഎസ് ഫുഡ് ആൻഡ് ഡ്രഗ് അഡ്മിനിസ്‌ട്രേഷൻ (FDA) ഉപയോഗിക്കുന്നതിന് അനുമതി നൽകി.

അതിനുശേഷം, AI സംവിധാനങ്ങൾ ഉപയോഗിച്ച് കൂടുതൽ COVID-19 ചികിത്സകൾ കണ്ടെത്താൻ കമ്പനികളും ഓർഗനൈസേഷനുകളും സഹകരിച്ചു. 2021-ൽ, 10 കമ്പനികൾ ഒരുമിച്ചു ചേർന്ന് IMPECCABLE (മികച്ച ലീഡുകൾ വിലയിരുത്തി കോവിഡ് രോഗശമനത്തിനായുള്ള ഇൻ്റഗ്രേറ്റഡ് മോഡലിംഗ് പൈപ്പ്‌ലൈൻ). ഈ സംഘടനകളിൽ റട്‌ജേഴ്‌സ് യൂണിവേഴ്‌സിറ്റി, യൂണിവേഴ്‌സിറ്റി കോളേജ് ലണ്ടൻ, യുഎസ് ഡിപ്പാർട്ട്‌മെൻ്റ് ഓഫ് എനർജി, ലെയ്ബ്‌നിസ് സൂപ്പർകമ്പ്യൂട്ടിംഗ് സെൻ്റർ, എൻവിഡിയ കോർപ്പറേഷൻ എന്നിവ ഉൾപ്പെടുന്നു.

നിലവിലെ രീതികളേക്കാൾ 19 മടങ്ങ് വേഗത്തിൽ സാധ്യതയുള്ള COVID-50,000 മയക്കുമരുന്ന് ഉദ്യോഗാർത്ഥികളുടെ സ്‌ക്രീനിംഗ് അതിവേഗം ട്രാക്കുചെയ്യുമെന്ന് വാഗ്ദാനം ചെയ്യുന്ന ഒരു AI സിമുലേഷൻ പൈപ്പ്‌ലൈനാണ് ഈ പ്രോജക്റ്റ്. IMPECCABLE വിവിധ ഡാറ്റാ പ്രോസസ്സിംഗ്, ഫിസിക്‌സ് അടിസ്ഥാനമാക്കിയുള്ള മോഡലിംഗ്, സിമുലേഷൻ, ML സാങ്കേതികവിദ്യകൾ എന്നിവ സംയോജിപ്പിച്ച് പ്രവചന മോഡലുകൾ നിർമ്മിക്കുന്നതിന് ഡാറ്റയിലെ പാറ്റേണുകൾ ഉപയോഗിക്കുന്ന ഒരു AI സൃഷ്ടിക്കുന്നു. ശാസ്ത്രജ്ഞർ ശ്രദ്ധാപൂർവ്വം ചിന്തിക്കുകയും അവരുടെ അറിവിനെ അടിസ്ഥാനമാക്കി തന്മാത്രകൾ വികസിപ്പിക്കുകയും ചെയ്യേണ്ട സാധാരണ രീതികളിൽ നിന്ന് വ്യത്യസ്തമായി, ഈ പൈപ്പ്ലൈൻ ഗവേഷകർക്ക് ധാരാളം രാസവസ്തുക്കൾ സ്വപ്രേരിതമായി പരിശോധിക്കാൻ അനുവദിക്കുന്നു, ഇത് സാധ്യതയുള്ള സ്ഥാനാർത്ഥിയെ കണ്ടെത്താനുള്ള സാധ്യത ഗണ്യമായി വർദ്ധിപ്പിക്കുന്നു.

AI-ആദ്യത്തെ മരുന്ന് കണ്ടുപിടിത്തത്തിന്റെ പ്രത്യാഘാതങ്ങൾ

AI-ആദ്യത്തെ മരുന്ന് കണ്ടെത്തൽ രീതികൾ വ്യവസായം സ്വീകരിക്കുന്നതിന്റെ വിശാലമായ പ്രത്യാഘാതങ്ങൾ ഉൾപ്പെടാം: 

• കരിയറിലെ ആദ്യകാല രസതന്ത്രജ്ഞർ പരമ്പരാഗതമായി കൈകാര്യം ചെയ്യുന്ന ജോലികൾ ഏറ്റെടുക്കുന്ന AI പ്ലാറ്റ്‌ഫോമുകൾ, ഈ പ്രൊഫഷണലുകൾക്ക് പുതിയ കഴിവുകൾ നേടാനോ കരിയർ പാതകൾ മാറ്റാനോ ആവശ്യമാണ്.
• വൻകിട ഫാർമസ്യൂട്ടിക്കൽ കമ്പനികൾ റോബോട്ടിക് ശാസ്ത്രജ്ഞരെ ഉപയോഗപ്പെടുത്തി, വിപുലമായ ജനിതക, രോഗ, ചികിത്സാ ഡാറ്റ, തെറാപ്പി വികസനം ത്വരിതപ്പെടുത്തുന്നു.
• ബയോടെക് സ്റ്റാർട്ടപ്പുകളും സ്ഥാപിത ഫാർമ സ്ഥാപനങ്ങളും തമ്മിലുള്ള പങ്കാളിത്തത്തിൽ കുതിച്ചുചാട്ടം, AI- സഹായത്തോടെയുള്ള മരുന്ന് കണ്ടെത്തൽ, ആരോഗ്യ സംരക്ഷണ സ്ഥാപനങ്ങളിൽ നിന്ന് കൂടുതൽ നിക്ഷേപം ആകർഷിക്കുന്നു.
• അദ്വിതീയമായ ജീവശാസ്ത്രപരമായ സ്വഭാവസവിശേഷതകളുള്ള വ്യക്തികൾക്ക്, പ്രത്യേകിച്ച് അസാധാരണമായ സ്വയം രോഗപ്രതിരോധ വൈകല്യങ്ങളുള്ളവർക്ക് അനുയോജ്യമായ മെഡിക്കൽ ചികിത്സകളുടെ സൗകര്യം.
• മയക്കുമരുന്ന് കണ്ടുപിടിത്തങ്ങളിലെ AI-യുടെ ബൗദ്ധിക സ്വത്തവകാശത്തെയും ഫാർമസ്യൂട്ടിക്കൽ മേഖലയിലെ AI-മായി ബന്ധപ്പെട്ട പിശകുകളുടെ ഉത്തരവാദിത്തത്തെയും കുറിച്ചുള്ള തീവ്രമായ നിയന്ത്രണ ചർച്ചകൾ.
• ഉപഭോക്താക്കൾക്ക് കൂടുതൽ താങ്ങാനാവുന്ന മരുന്നുകളുടെ വിലകൾ അനുവദിക്കുന്ന ആരോഗ്യ സംരക്ഷണ വ്യവസായം മരുന്ന് വികസനത്തിൽ ഗണ്യമായ ചിലവ് കുറയ്ക്കുന്നു.
• പരമ്പരാഗത ഫാർമസ്യൂട്ടിക്കൽ വിജ്ഞാനത്തേക്കാൾ ഡാറ്റാ സയൻസിനും AI വൈദഗ്ധ്യത്തിനും ഊന്നൽ നൽകിക്കൊണ്ട് ഫാർമസ്യൂട്ടിക്കൽ മേഖലയിലെ തൊഴിൽ ചലനാത്മകത മാറുന്നു.
• വേഗമേറിയതും കാര്യക്ഷമവുമായ മയക്കുമരുന്ന് കണ്ടെത്തൽ പ്രക്രിയകൾ കാരണം, പ്രത്യേകിച്ച് വികസ്വര രാജ്യങ്ങളിൽ മെച്ചപ്പെട്ട ആഗോള ആരോഗ്യ ഫലങ്ങൾക്കുള്ള സാധ്യത.
• AI-കണ്ടെത്തിയ മരുന്നുകളിലേക്ക് തുല്യമായ പ്രവേശനം ഉറപ്പാക്കാനും കുത്തകകളെ തടയാനും വിശാലമായ ആരോഗ്യ ആനുകൂല്യങ്ങൾ വളർത്താനും ഗവൺമെൻ്റുകൾ നയങ്ങൾ നടപ്പിലാക്കിയേക്കാം.
• റിസോഴ്‌സ്-ഇൻ്റൻസീവ് ലബോറട്ടറി പരീക്ഷണങ്ങളുടെയും പരീക്ഷണങ്ങളുടെയും ആവശ്യകത കുറയ്ക്കുന്നതിനാൽ, AI- നയിക്കുന്ന മയക്കുമരുന്ന് കണ്ടെത്തൽ മൂലം പരിസ്ഥിതി ആഘാതങ്ങൾ കുറയുന്നു.

പരിഗണിക്കേണ്ട ചോദ്യങ്ങൾ

• AI-ആദ്യത്തെ മരുന്ന് കണ്ടുപിടിത്തം ആരോഗ്യപരിരക്ഷയെ എങ്ങനെ മാറ്റിമറിക്കുമെന്ന് നിങ്ങൾ കരുതുന്നു?
• AI-ആദ്യത്തെ മരുന്ന് വികസനം, പ്രത്യേകിച്ച് വിലനിർണ്ണയവും പ്രവേശനക്ഷമതയും നിയന്ത്രിക്കാൻ സർക്കാരുകൾക്ക് എന്തുചെയ്യാൻ കഴിയും?