AI-முதல் மருந்து கண்டுபிடிப்பு: புதிய மருந்து மருந்துகளைக் கண்டறிய விஞ்ஞானிகளுக்கு ரோபோக்கள் உதவுமா?

• ஆசிரியர் பற்றி:
• ஆசிரியர் பெயர்

  குவாண்டம்ரன் தொலைநோக்கு
• ஆகஸ்ட் 22, 2022

நுண்ணறிவு சுருக்கம்

பாரம்பரிய மருந்து வளர்ச்சியில் அதிக செலவுகள் மற்றும் தோல்வி விகிதங்கள் ஆராய்ச்சி திறன் மற்றும் குறைந்த செலவுகளை அதிகரிக்க செயற்கை நுண்ணறிவு (AI) தொழில்நுட்பங்களில் முதலீடு செய்ய மருந்து நிறுவனங்களை தூண்டுகிறது. புதிய மருந்து இலக்குகளை விரைவாகக் கண்டறிந்து தனிப்பயனாக்கப்பட்ட சிகிச்சைகளை செயல்படுத்துவதன் மூலம் AI தொழில்துறையை மாற்றுகிறது. AI நோக்கிய இந்த மாற்றம், வேதியியலாளர்களுக்கான வேலைத் தேவைகளை மாற்றுவது முதல் AI இன் அறிவுசார் சொத்துரிமைகள் பற்றிய விவாதங்களைத் தூண்டுவது வரை மருந்துத் துறையை மறுவடிவமைக்கிறது.

AI-முதல் மருந்து கண்டுபிடிப்பு சூழல்

வழக்கமான மருந்து மேம்பாட்டு திட்டத்திற்கு 2.6 பில்லியன் அமெரிக்க டாலர்கள் செலவாகும். 9ல் 10 வேட்பாளர் சிகிச்சை முறைகள் ஒழுங்குமுறை ஒப்புதல்களை எட்டாததால், விஞ்ஞானிகளுக்கு அழுத்தம் அதிகமாக உள்ளது. இதன் விளைவாக, மருந்து நிறுவனங்கள் 2020களில் AI இயங்குதளங்களில் தீவிரமாக முதலீடு செய்து, செலவுகளைக் குறைக்கும் போது ஆராய்ச்சி செயல்திறனை அதிகரிக்கின்றன. 

இயந்திர கற்றல் (ML), இயற்கை மொழி செயலாக்கம் (NLP) மற்றும் கணினி பார்வை உள்ளிட்ட பல்வேறு AI தொழில்நுட்பங்கள் மருந்து கண்டுபிடிப்பில் பயன்படுத்தப்படுகின்றன. விஞ்ஞான இலக்கியம், மருத்துவ பரிசோதனைகள் மற்றும் நோயாளி பதிவுகள் உட்பட பல்வேறு ஆதாரங்களில் இருந்து ML தரவை பகுப்பாய்வு செய்கிறது. புதிய மருந்து இலக்குகளை பரிந்துரைக்கும் அல்லது மிகவும் பயனுள்ள சிகிச்சையின் வளர்ச்சிக்கு வழிவகுக்கும் வடிவங்களை அடையாளம் காண இந்தத் தகவல் பயன்படுத்தப்படலாம். NLP, ஒரு மொழி அடிப்படையிலான முன்கணிப்பு மாதிரி, அறிவியல் இலக்கியங்களிலிருந்து தரவைச் சுரங்கப்படுத்தப் பயன்படுத்தப்படுகிறது, இது தற்போதுள்ள மருந்துகளை உருவாக்குவதற்கான புதிய வழிகளை முன்னிலைப்படுத்தலாம். இறுதியாக, கணினி பார்வை செல்கள் மற்றும் திசுக்களின் படங்களை பகுப்பாய்வு செய்கிறது, இது நோய்களுடன் தொடர்புடைய மாற்றங்களை அடையாளம் காண முடியும்.

புதிய மருந்துகளை உருவாக்க AI ஐப் பயன்படுத்தும் ஒரு மருந்து நிறுவனத்திற்கு ஒரு உதாரணம் ஃபைசர், இது IBM Watson ஐப் பயன்படுத்துகிறது, இது ML அமைப்பாகும், இது இம்யூனோ-ஆன்காலஜி மருந்துகளை விரிவாக ஆராய்ச்சி செய்ய முடியும். இதற்கிடையில், பிரான்ஸை தளமாகக் கொண்ட சனோஃபி, UK ஸ்டார்ட்அப் Excientia உடன் கூட்டு சேர்ந்து, வளர்சிதை மாற்ற-நோய் சிகிச்சைகளைத் தேட AI தளத்தை உருவாக்கியுள்ளது. சுவிஸ் நிறுவனமான ரோச் துணை நிறுவனமான ஜெனென்டெக், புற்றுநோய் சிகிச்சைக்கான தேடலை வழிநடத்த அமெரிக்காவை தளமாகக் கொண்ட ஜிஎன்எஸ் ஹெல்த்கேரின் AI அமைப்பைப் பயன்படுத்துகிறது. சீனாவில், பயோடெக் ஸ்டார்ட்அப் Meta Pharmaceuticals, AI ஐப் பயன்படுத்தி தன்னுடல் தாக்க நோய் சிகிச்சைகளை உருவாக்க $15-மில்லியன் டாலர் விதை நிதியைப் பெற்றது. நிறுவனம் மற்றொரு AI-உதவி மருந்து கண்டுபிடிப்பு நிறுவனமான Xtalpi ஆல் அடைக்கப்பட்டது.

சீர்குலைக்கும் தாக்கம்

AI-முதல் மருந்து கண்டுபிடிப்பின் மிகவும் நடைமுறைப் பயன்பாடானது, கோவிட்-19க்கான முதல் சிகிச்சை மருந்தான ரெம்டெசிவிர் எனப்படும் வைரஸ் எதிர்ப்பு மருந்தை உருவாக்கியது. AI ஐப் பயன்படுத்தி கலிபோர்னியாவில் உள்ள உயிரி தொழில்நுட்ப நிறுவனமான கிலியட் சயின்சஸ் ஆராய்ச்சியாளர்களால் இந்த மருந்து முதலில் வைரஸுக்கு சாத்தியமான சிகிச்சையாக அடையாளம் காணப்பட்டது. ஜென்பேங்க் தரவுத்தளத்திலிருந்து தரவை பகுப்பாய்வு செய்ய நிறுவனம் ஒரு அல்காரிதத்தைப் பயன்படுத்தியது, இதில் பொதுவில் கிடைக்கும் அனைத்து டிஎன்ஏ வரிசைகள் பற்றிய தகவல்கள் உள்ளன.

இந்த அல்காரிதம் இரண்டு சாத்தியமான வேட்பாளர்களை அடையாளம் கண்டுள்ளது, இது கிலியட் சயின்ஸ் ஒரு ஆய்வக டிஷில் COVID-19 வைரஸுக்கு எதிராக ஒருங்கிணைத்து சோதனை செய்தது. இரண்டு வேட்பாளர்களும் வைரஸுக்கு எதிராக பயனுள்ளதாக இருப்பது கண்டறியப்பட்டது. இந்த வேட்பாளர்களில் ஒருவர் விலங்குகள் மற்றும் மனிதர்களில் மேலும் மேம்பாடு மற்றும் சோதனைக்காக தேர்ந்தெடுக்கப்பட்டார். ரெம்டெசிவிர் இறுதியில் பாதுகாப்பானது மற்றும் பயனுள்ளது என்று கண்டறியப்பட்டது, மேலும் அமெரிக்க உணவு மற்றும் மருந்து நிர்வாகத்தால் (FDA) பயன்படுத்த ஒப்புதல் அளிக்கப்பட்டது.

அப்போதிருந்து, AI அமைப்புகளைப் பயன்படுத்தி அதிகமான COVID-19 சிகிச்சைகளைக் கண்டறிய நிறுவனங்களும் நிறுவனங்களும் ஒத்துழைத்தன. 2021 ஆம் ஆண்டில், 10 நிறுவனங்கள் ஒன்றிணைந்து IMPECCABLE ஐ உருவாக்கியது (சிறந்த முன்னணிகளை மதிப்பிடுவதன் மூலம் கோவிட் சிகிச்சைக்கான ஒருங்கிணைந்த மாடலிங் பைப்லைன்). இந்த நிறுவனங்களில் ரட்ஜர்ஸ் பல்கலைக்கழகம், லண்டன் பல்கலைக்கழக கல்லூரி, அமெரிக்க எரிசக்தி துறை, லீப்னிஸ் சூப்பர் கம்ப்யூட்டிங் மையம் மற்றும் என்விடியா கார்ப்பரேஷன் ஆகியவை அடங்கும்.

இந்தத் திட்டமானது AI சிமுலேஷன் பைப்லைன் ஆகும், இது சாத்தியமான COVID-19 மருந்து விண்ணப்பதாரர்களின் திரையிடலை தற்போதைய முறைகளை விட 50,000 மடங்கு வேகமாக கண்காணிப்பதாக உறுதியளிக்கிறது. IMPECCABLE ஆனது பல்வேறு தரவு செயலாக்கம், இயற்பியல் அடிப்படையிலான மாடலிங் மற்றும் உருவகப்படுத்துதல் மற்றும் ML தொழில்நுட்பங்களை ஒருங்கிணைத்து, முன்கணிப்பு மாதிரிகளை உருவாக்க தரவுகளில் உள்ள வடிவங்களைப் பயன்படுத்தும் AI ஐ உருவாக்குகிறது. விஞ்ஞானிகள் கவனமாக சிந்தித்து தங்கள் அறிவின் அடிப்படையில் மூலக்கூறுகளை உருவாக்க வேண்டிய வழக்கமான முறையைப் போலல்லாமல், இந்த பைப்லைன் ஆராய்ச்சியாளர்கள் அதிக எண்ணிக்கையிலான இரசாயனங்களை தானாகவே திரையிட அனுமதிக்கிறது.

AI-முதல் மருந்து கண்டுபிடிப்பின் தாக்கங்கள்

AI-முதல் மருந்து கண்டுபிடிப்பு முறைகளை தொழில்துறை ஏற்றுக்கொள்வதன் பரந்த தாக்கங்கள் பின்வருமாறு: 

• AI இயங்குதளங்கள் பாரம்பரியமாக ஆரம்பகால தொழில் வேதியியலாளர்களால் கையாளப்படும் பணிகளைக் கருதுகின்றன, இந்த வல்லுநர்கள் புதிய திறன்களைப் பெறுவதற்கு அல்லது வாழ்க்கைப் பாதைகளை மாற்றுவதற்கு அவசியமாகிறது.
• பெரிய மருந்து நிறுவனங்கள் ரோபோ விஞ்ஞானிகளைப் பயன்படுத்தி, விரிவான மரபணு, நோய் மற்றும் சிகிச்சைத் தரவுகளைத் தேடுவதற்கும், சிகிச்சை வளர்ச்சியை துரிதப்படுத்துவதற்கும்.
• AI-உதவி மருந்து கண்டுபிடிப்பிற்காக பயோடெக் ஸ்டார்ட்அப்கள் மற்றும் நிறுவப்பட்ட மருந்து நிறுவனங்களுக்கு இடையேயான கூட்டாண்மை அதிகரிப்பு, சுகாதார நிறுவனங்களிடமிருந்து அதிக முதலீட்டை ஈர்க்கிறது.
• தனிப்பட்ட உயிரியல் குணாதிசயங்களைக் கொண்ட தனிநபர்களுக்கு, குறிப்பாக அசாதாரணமான தன்னுடல் தாக்கக் கோளாறுகள் உள்ளவர்களுக்குத் தகுந்த மருத்துவ சிகிச்சைகளை எளிதாக்குதல்.
• மருந்து கண்டுபிடிப்புகளில் AI இன் அறிவுசார் சொத்துரிமைகள் மற்றும் மருந்துத் துறையில் AI தொடர்பான பிழைகளுக்குப் பொறுப்புக்கூறல் பற்றிய தீவிரமான ஒழுங்குமுறை விவாதங்கள்.
• சுகாதாரத் துறையானது மருந்து வளர்ச்சியில் கணிசமான செலவுக் குறைப்புகளை அனுபவித்து வருகிறது, இது நுகர்வோருக்கு மலிவு விலையில் மருந்து விலைகளை அனுமதிக்கிறது.
• பாரம்பரிய மருந்து அறிவைக் காட்டிலும் தரவு அறிவியலுக்கும் AI நிபுணத்துவத்திற்கும் முக்கியத்துவம் அளித்து, மருந்துத் துறையில் வேலைவாய்ப்பு இயக்கவியல் மாறுகிறது.
• வேகமான மற்றும் திறமையான மருந்து கண்டுபிடிப்பு செயல்முறைகள், குறிப்பாக வளரும் நாடுகளில், மேம்பட்ட உலகளாவிய சுகாதார விளைவுகளுக்கான சாத்தியம்.
• AI-கண்டுபிடிக்கப்பட்ட மருந்துகளுக்கு சமமான அணுகலை உறுதி செய்வதற்கும், ஏகபோகங்களைத் தடுப்பதற்கும் மற்றும் பரந்த சுகாதார நலன்களை வளர்ப்பதற்கும் அரசாங்கங்கள் கொள்கைகளை இயற்றலாம்.
• AI-உந்துதல் மருந்து கண்டுபிடிப்பு வளம்-தீவிர ஆய்வக சோதனைகள் மற்றும் சோதனைகளின் தேவையை குறைக்கிறது என்பதால் சுற்றுச்சூழல் தாக்கங்கள் குறைகின்றன.

கருத்தில் கொள்ள வேண்டிய கேள்விகள்

• AI-முதல் மருந்து கண்டுபிடிப்பு சுகாதாரத்தை வேறு எப்படி மாற்றும் என்று நினைக்கிறீர்கள்?
• AI-முதல் மருந்து வளர்ச்சியை, குறிப்பாக விலை நிர்ணயம் மற்றும் அணுகலைக் கட்டுப்படுத்த அரசாங்கங்கள் என்ன செய்ய முடியும்?