Opinion

ഡേറ്റ ടെക്നോളജി വിപ്ലവം മരുന്നിലും ചികിത്സയിലും – യാസര്‍ ഖുത്തുബ്

 

വര്‍ത്തമാനത്തിന്റെയും ഭാവിയുടെയും ടെക്നോളജിയായി ശാസ്ത്രം അവതരിപ്പിക്കുന്നതും ഡേറ്റ സയന്‍സിനെയും ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സിനെയുമാണ്. മരുന്ന് നിര്‍മ്മാണം മുതല്‍ ചികിത്സയില്‍ വരെ ഇവ എങ്ങനെ സ്വാധീനം ചെലുത്തുന്നു. എങ്ങനെയാണ് വന്‍ വിപ്ലവങ്ങള്‍ തീര്‍ക്കുന്നതു എന്നുമാണ് ഇവിടെ ചര്‍ച്ച ചെയ്യുന്നത്.

ലോകത്ത് കോവിഡിനെ പ്രതിരോധിക്കാനുള്ള വാക്സിനുകളും ഉപകരണങ്ങളും നിര്‍മിക്കുന്നതുമായി ബന്ധപ്പെട്ടു മരുന്ന് കമ്പനികളും ടെക്നോളജി കമ്പനികളും ശക്തമായി മുന്നോട്ടുപോവുകയാണ്. ഫോര്‍ഡ്, GE തുടങ്ങിയ വമ്പന്‍ കമ്പനികള്‍ തങ്ങളുടെ ഫാക്ടറികളില്‍ respiratorകള്‍ നിര്‍മാണം ആരംഭിച്ചു. ബ്രിട്ടനിലെ ശതകോടീശ്വരനായ കണ്ടുപിടുത്തക്കാരന്‍ ജയിംസ് ഡേവിസണ്‍ James Dyons തന്റെ വാക്വം ക്ലീനര്‍ യൂണിറ്റ് വെന്റിലേറ്റര്‍ മാനുഫാക്ചറിംഗ് യൂണിറ്റാക്കി മാറ്റി. ജര്‍മനിയിലെ ബയോ എന്‍ടെക്ക് BioNTech, എന്ന കമ്പനി Pfizer, Fosun pharma എന്നിവരുമായി ചേര്‍ന്ന് വാക്സിന്‍ നിര്‍മാണ ഗവേഷണവുമായി മുന്നോട്ടു പോകുന്നു. ഇതുകൂടാതെ പന്ത്രണ്ടോളം മറ്റ് പ്രമുഖരും രംഗത്തുണ്ട്. എന്നാല്‍, എം.ഐ.ടിയുടെ പഠനം പ്രകാരം ഇതില്‍ മുക്കാല്‍ ഭാഗം മരുന്നുകളും ഇതുവരെ വൈറസ് ഇന്‍ഫെക്ഷന്‍ തടയുന്നതില്‍ വിജയിച്ചിട്ടില്ല എന്നാണ് പറയുന്നത്. ഇറ്റാലിയന്‍ സ്റ്റാര്‍ട്ടപ്പ് കമ്പനിയായ Takis Biotech 25 ജോലിക്കാരുമായി തങ്ങളുടെ കാലിഫോര്‍ണിയ ഓഫീസില്‍ വാക്സിന്‍ നിര്‍മാണ ലക്ഷ്യവുമായി പരിശ്രമത്തിലാണ്. ത്രീഡി പ്രിന്റിങ് അടക്കമുള്ള ടെക്നോളജിയുമായി നിര്‍മാണത്തിലുള്ള ഇവര്‍ ചില വാക്സിനുകള്‍ ടെസ്റ്റിങ്ങ് പ്രോസസുകള്‍ക്ക് വേണ്ടി ഉടന്‍ പുറത്തിറക്കുമെന്നും പറയുന്നു. ഇന്ത്യയിലും വ്യത്യസ്ത കമ്പനികളും സ്റ്റാര്‍ട്ടപ്പുകളുമായി 200 കോടിയിലധികം രൂപ കോവിഡിനെ പ്രതിരോധിക്കാനുള്ള ഗവേഷണ പ്രവര്‍ത്തനങ്ങള്‍ക്കായി നീക്കിവെച്ചിട്ടുണ്ട്. Covid പ്രതിരോധ പ്രവര്‍ത്തനങ്ങളുമായി മുന്നോട്ടു പോകുന്ന പ്രമുഖ 11 മരുന്ന്/വാക്സിന്‍ കമ്പനികളെ കോളത്തില്‍ ചേര്‍ത്തിരിക്കുന്നു.

മരുന്ന് ഗവേഷണങ്ങളിലെ പ്രധാന കമ്പനികള്‍
AABVIE : നോര്‍ത്ത് ചിക്കാഗോയില്‍ ഉള്ള കമ്പനി. മരുന്ന് ഗവേഷണങ്ങള്‍ക്ക് യൂറോപ്യന്‍ യൂണിയനുമായി സഹകരിക്കുന്നു. ഇവരുടെ എച്ച്.ഐ.വി മരുന്ന് Lopinavir, Ritonavir എന്നിവ അമേരിക്ക, ചൈന എന്നിവിടങ്ങളില്‍ കോവിഡ് ചികിത്സക്കുവേണ്ടി പരീക്ഷിച്ചു വരുന്നു.

BIOMERIEUX: ഫ്രഞ്ച് ബയോടെക് കമ്പനി. ബില്യണയര്‍ ആയ അലന്‍ മോറിയക്സ് സ്ഥാപിച്ചത്. കമ്പനിയുടെ കൊറോണ ടെസ്റ്റിന് അടിയന്തിര FDA അനുമതി ലഭിച്ചിരുന്നു. ഇവരുടെ കിറ്റ് പ്രകാരം നിലവിലുള്ളവയില്‍ നിന്നും 45 മിനിട്ട് കൂടുതല്‍ വേഗതയില്‍ റിസള്‍ട്ട് നല്‍കും.

CANSINO BIOLOGICS: ചൈനയിലെ ടിയാന്‍ജിനില്‍ നിന്നുള്ള കമ്പനി. എബോളക്കെതിരെയുള്ള വാക്സിന്‍ മുമ്പു പുറത്തിറക്കിയിട്ടുണ്ട്. കോവിഡിനു വേണ്ടി പല ക്ലിനിക്കല്‍ ട്രെയിലുകളും നടത്തുന്നു.

CARBYNE: ന്യൂയോര്‍ക്കില്‍ നിന്നുള്ള സ്റ്റാര്‍ട്ടപ്പ്. തീല്‍ വെഞ്ചര്‍ ക്യാപിറ്റല്‍ ഫണ്ട് (Thiel’s VC) ലഭിച്ച എമര്‍ജന്‍സി റെസ്പോണ്‍സ് ടൂള്‍ നിര്‍മിക്കുന്ന കമ്പനി. വീഡിയോ സ്‌ക്രീനിങ് കോളുകള്‍ വഴി രോഗികളെ ട്രേസ് ചെയ്യാന്‍ സഹായിക്കുന്നു.

CUREVACO: ജര്‍മന്‍ കമ്പനി. ശതകോടീശ്വരനായ Diatmer Hopp, മിലിന്‍ഡ ഗേറ്റ് ഫൗണ്ടേഷന്‍ എന്നിവര്‍ ഫണ്ട് ചെയ്യുന്നു. വാക്സിനു വേണ്ട പ്രാരംഭപ്രവര്‍ത്തനങ്ങള്‍ തുടങ്ങുന്നു.

DIASORIN: Dtsuavo Denegri യുടെ ഇറ്റാലിയന്‍ കമ്പനി. 60മിനുട്ട് കോവിഡ് -19 ടെസ്റ്റ് കിറ്റ് ഉണ്ടാക്കുന്നതിന് എഫ്.ഡി.എ യില്‍ നിന്നും സ്പെഷ്യല്‍ പെര്‍മിഷന്‍ ലഭിച്ചിട്ടുണ്ട്.

EMERGENT BIOSOLUTIONS: കോവിഡ് പോസിറ്റീവായ ആളുകളുടെ രക്തത്തില്‍ നിന്നും ശേഖരിക്കുന്ന ആന്റിബോഡികള്‍ ഉപയോഗിച്ചു മരുന്നുകള്‍ നിര്‍മ്മിക്കാന്‍ ഈ Maryland ഫാര്‍മസ്യൂട്ടിക്കല്‍ കമ്പനി ശ്രമിക്കുന്നു.

GILEAD: കാലിഫോര്‍ണിയയില്‍ നിന്നുള്ള മറ്റൊരു ബയോടെക് ഭീമന്‍ കമ്പനി. ആന്റി വൈറല്‍ മരുന്നായ ഞലാറലശ്ശെൃ ന്റെ ക്ലിനിക്കല്‍ ട്രയലുകള്‍ മാര്‍ച്ചില്‍ തന്നെ അമേരിക്കയിലെ രോഗികളില്‍ ആരംഭിച്ചുകഴിഞ്ഞു.

MAMMOTH BIOSCIENCES: സാന്‍ ഫ്രാന്‍സിസ്‌കോയില്‍ നിന്നുള്ള ബയോടെക് കമ്പനി. ജീനോം എഡിറ്റിംഗ് ടൂള്‍ ആയ ഇഞകടജഞ ഉപയോഗിച്ച് രോഗനിര്‍ണയത്തിനും റാപ്പിഡ് ടെസ്റ്റ് കിറ്റുകള്‍ക്കും വേണ്ടി പ്രവര്‍ത്തിക്കുന്നു.

MODERNA: മസാച്യുസ്റ്റാറ്റ് കമ്പനി. വാക്സിനുകളുടെ ആദ്യമായി ഹ്യൂമന്‍ ട്രെയലുകള്‍ ആരംഭിച്ച കമ്പനി. മാര്‍ച്ച് 16നാണ് ഇവര്‍ ട്രയല്‍ തുടങ്ങിയത്.

REGENERON PHARMACEUTICALS: ന്യൂയോര്‍ക്കിലെ ബയോടെക് കമ്പനി. ഇവരുടെ ആമവാതത്തിന് ഉപയോഗിക്കുന്ന മരുന്നായ Sarilumab ന്യൂയോര്‍ക്കിലെ രോഗികള്‍ക്കിടയില്‍ ടെസ്റ്റ് ചെയ്യുന്നു.

ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് എന്ന ആശയവും സ്വപ്നങ്ങളും കമ്പ്യൂട്ടര്‍ സയന്‍സ് തുടങ്ങിയ കാലം മുതല്‍ തന്നെ ഉള്ളതാണ്. അതിനുവേണ്ടിയുള്ള കഠിനമായ ഗവേഷണങ്ങള്‍ 50 വര്‍ഷങ്ങള്‍ക്ക് മുമ്പേ ആരംഭിച്ചിട്ടുണ്ട്. എന്നാല്‍, ഇക്കാലത്താണ് അത് കൂടുതല്‍ പ്രായോഗികമായതെന്നു മാത്രം. വലിയ രീതിയിലുള്ള ഡേറ്റയുടെ ലഭ്യത, അവ പ്രസരണം ചെയ്യാനുള്ള വലിയ ബാന്‍ഡ് വിഡ്ത്ത്, സര്‍വത്രമായ ഇന്റര്‍നെറ്റ് കണക്ഷന്‍. അതുപോലെ ഓഡിയോ-വീഡിയോ ഉപകരണങ്ങളില്‍ ഉണ്ടായ അഭൂതപൂര്‍വമായ വളര്‍ച്ച. ഇവയാണ് ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സി(AI)നെ ഇന്ന് കൂടുതല്‍ പ്രായോഗികമാക്കിയത്. ഇനി തുടര്‍ന്നുള്ള കുറച്ചു വര്‍ഷങ്ങളിലും ഇതുതന്നെയായിരിക്കും മനുഷ്യ നാഗരികതയെ ഏറ്റവും അധികം സ്വാധീനിക്കുന്ന ടെക്നോളജി. മാര്‍ക്കറ്റിലെ സെയില്‍സ് അഥവാ, വില്‍പ്പന വിശകലനം മുതല്‍ സങ്കീര്‍ണമായ റോബോട്ടുകള്‍ വരെ ഈ ടെക്നോളജി ഉപയോഗപ്പെടുത്തിയാണ് പ്രവര്‍ത്തിക്കുന്നത്. ഇതേകാര്യം മരുന്ന് നിര്‍മാണത്തിലും ചികിത്സാ ടെക്നോളജികളുടെ നിര്‍മാണത്തിലും ഉപയോഗപ്പെടുത്താന്‍ കഴിയും.

മനുഷ്യശരീരത്തില്‍ 30 മുതല്‍ 40 ട്രീല്യണ്‍ വരെ സെല്ലുകള്‍ ഉണ്ട്. ഓരോ സെല്ലിലും 3.2 ട്രില്ല്യണ്‍ അക്ഷരങ്ങള്‍(ltteers) മാതാവില്‍ നിന്നും 3.2 അക്ഷരങ്ങള്‍ പിതാവില്‍ നിന്നും ഉള്‍പ്പെടുന്നു. ഇതാണ് നമ്മുടെ ഡി.എന്‍.എ, genom എന്നെല്ലാം പറയുന്നത്. നമ്മെ സൃഷ്ടിച്ചിട്ടുള്ള സോഫ്റ്റ്‌വെയറുകളാണ് (code) നമ്മുടെ ഈ ജീനോമുകള്‍. നമ്മുടെ നീളവും മുടിയുടെ കളറും വ്യക്തിത്വം എല്ലാം ഇതിന്റെ കഷണങ്ങളാണ്. നമ്മുടെ ആരോഗ്യ അവസ്ഥയേയും പല അസുഖങ്ങളെയും നിയന്ത്രിക്കുന്നതും ഇവ തന്നെ.

ഈ അക്ഷരങ്ങള്‍ വായിച്ചെടുക്കുക വളരെ ബുദ്ധിമുട്ടേറിയ പ്രവര്‍ത്തനമാണ്. അതിനു വേണ്ടി ഉണ്ടാക്കിയ സംരംഭമായിരുന്നു 100 മില്യണ്‍ ഡോളറിന്റെ ജീനോം പ്രൊജക്റ്റ്. പത്തുവര്‍ഷം കാലയളവ് ഉണ്ടായിരുന്ന ആ പ്രൊജക്റ്റ് അവസാനിച്ചത് 2001ലാണ്. ഇന്ന് നമുക്ക് കുറച്ചു ദിവസങ്ങള്‍ കൊണ്ട് ആയിരം ഡോളറിനും genome sequencing നടത്താന്‍ കഴിയും.

ജീന്‍ തെറാപ്പി എന്നാല്‍, കോശങ്ങള്‍ക്ക് ഉള്ളിലെ കേടുവന്ന ഡി.എന്‍.എകളെയും അല്ലെങ്കില്‍ നഷ്ടമായവയെയും മാറ്റി പുതിയത് സ്ഥാപിക്കുകയാണ് ചെയ്യുക എന്നതാണ്്. എന്നാല്‍, CRISPRCas9 പോലെയുള്ള ജീന്‍ എഡിറ്റിംഗ് ടെക്നിക്കില്‍ ചെയ്യുന്നത്, ഡി.എന്‍.എകളെ റിപ്പയര്‍ ചെയ്യുകയാണ്. ജനിതക രോഗങ്ങളെ തടയുന്ന ഏറ്റവും വലിയ ആയുധമാണ് ഇപ്പോള്‍ CRISPR. കൃത്യമായ സ്ഥലം കണ്ടെത്തി ഉചഅയെ ൃലംൃശലേ ചെയ്യാന്‍ പ്രാപ്തമാക്കുന്ന ഒരു എഞ്ചിനീയറിംഗ് ടെക്നിക് ആണ് യഥാര്‍ഥത്തില്‍ CRISPR. കഴിഞ്ഞ അഞ്ചുവര്‍ഷങ്ങളായി ജീന്‍ എഡിറ്റിങിനുള്ള ഏക വഴിയും ഇതുതന്നെയാണ്. CRISPR 2.0 ഈയടുത്ത് ഹാര്‍വാര്‍ഡ് യൂണിവേഴ്സിറ്റി പുറത്തിറക്കിയിരുന്നു. അത് കുറച്ചുകൂടി കൃത്യത നല്‍കുന്നു. 3.2 billion അക്ഷരങ്ങളില്‍ നിന്നും ഒന്നിന് മാറ്റം വരുത്തുക എന്നത് വലിയൊരു ജോലിയാണെന്ന് നമുക്ക് മനസ്സിലാക്കാന്‍ സാധിക്കും. ഗര്‍ഭസ്ഥ അവസ്ഥയില്‍ തന്നെ കുട്ടികളുടെ പാരമ്പര്യ അസുഖങ്ങള്‍ കണ്ടെത്തി മാറ്റങ്ങള്‍ വരുത്താനും കൂടുതല്‍ സഹായിക്കും.

ഓരോരുത്തരുടെയും ജീനുകള്‍ക്ക് അനുസരിച്ച് കസ്റ്റമൈസ്ഡ് ആയ മരുന്നുകളും ഭാവിയില്‍ ഉണ്ടാകുക(Nof1medicine ctsuom)
Sick care അഥവാ രോഗ ചികിത്സ എന്നതില്‍നിന്നും ഹെല്‍ത്ത് കെയര്‍ എന്ന കണ്‍സെപ്റ്റിലേക്കാണ് ലോകം ഇപ്പോള്‍ മാറുന്നത്. ഇക്കാലത്ത് നിലവിലുള്ള ൃലമരശേ്ല റ്റീവ് എന്നതില്‍നിന്നും proactiv–e എന്ന നിലയിലേക്കുള്ള മാറ്റം. ആളുകളെ കൂടുതല്‍ മനസ്സിലാക്കി അവര്‍ക്ക് ആവശ്യമുള്ളതും ഉതകുന്നതുമായ മരുന്നുകളും ചികിത്സകളും നല്‍കുക എന്ന മാതൃകയായിരിക്കും ഭാവിയില്‍ ഉണ്ടാക്കുക.

രോഗികള്‍ക്ക് ആവശ്യമില്ലാത്ത 210 ബില്യണ്‍ ഡോളറിന്റെ ടെസ്റ്റുകളും പ്രൊസീജറുകളുമാണ് അമേരിക്കയില്‍ മാത്രം പ്രതിവര്‍ഷം നടക്കുന്നത് എന്നാണ് കണക്ക്. ഓരോ അമേരിക്കക്കാരനും വര്‍ഷം തോറും ശരാശരി 10,739 ഡോളര്‍ ചെലവഴിക്കുന്നു. ലോകത്തെ മറ്റു രാഷ്ട്രങ്ങളെ അപേക്ഷിച്ച് ഏറ്റവും കൂടുതല്‍ തുക ആരോഗ്യ പരിരക്ഷക്ക് ചെലവഴിക്കുന്നവരാണ് അമേരിക്കക്കാര്‍. ഇങ്ങനെ പോയാല്‍ അമേരിക്കയുടെ ജി.ഡി.പി GDPയുടെ 20% ആരോഗ്യ മേഖലയില്‍ മാത്രം അവര്‍ ചെലവിടും. ഇതില്‍ വലിയൊരു മാറ്റം സൃഷ്ടിക്കണമെങ്കില്‍ ടെക്നോളജി അധിഷ്ഠിതമായ ഒരു പാരഡിഗം ഷിഫ്റ്റ് തന്നെ നടക്കണം. അതിന് വേണ്ടിയുള്ള കൊണ്ടുപിടിച്ച ശ്രമങ്ങളാണ് ലോകത്തെ മുന്‍നിര ഗവേഷണ സ്ഥാപനങ്ങള്‍. ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് അധിഷ്ഠിത മെഡിക്കല്‍ ഡയഗണോസിസുകള്‍, മധ്യനിര റൊബോട്ടുകള്‍, 3D printing, CRISPER genomisc, സെന്‍സറുകള്‍ നെറ്റ്വര്‍ക്കുകള്‍ തുടങ്ങിയവ മെഡിക്കല്‍ മേഖലയുടെ മുഖച്ഛായ തന്നെ മാറ്റുന്നു. രോഗ ചികിത്സയില്‍ കേന്ദ്രീകൃതമായ rterospectiv–e, reactivate and generic എന്നതില്‍ നിന്നും prospectiv–e, proactiv–e and peronsalized എന്നതിലേക്കുള്ള മാറ്റം.

മുമ്പ് ഗവണ്‍മെന്റ് ഡോക്ടര്‍മാരും നഴ്സുമാരും എല്ലാം അടങ്ങുന്ന മെഡിക്കല്‍ പ്രൊഫഷണലുകളായിരുന്നവര്‍ ഉള്‍പ്പെടുന്ന ഫാര്‍മസി കമ്പനികളാണ് ആരോഗ്യരംഗം ഭരിച്ചിരുന്നത്. ഇനി ഇവ കൂടുതല്‍ സാങ്കേതിക കേന്ദ്രീകൃതം ആവുന്നത് കൊണ്ട് തന്നെ ടെക്നോളജി കമ്പനികളായിരിക്കും ഈ മേഖലയിലും കൂടുതലായി കടന്നു വരിക. ആപിള്‍ കമ്പനിയുടെ സി.ഇ.ഒ ടിം കുക്ക് പറഞ്ഞത് ‘ലോകത്തിനു വേണ്ടിയുള്ള ഞങ്ങളുടെ ഏറ്റവും വലിയ സംഭാവന ആരോഗ്യരംഗത്ത് ആയിരിക്കും’ എന്നാണ്.

നമ്മുടെ ജീവിതത്തില്‍ ആധിപത്യം ഉറപ്പിച്ച ഗൂഗിള്‍ ആമസോണ്‍ ഫേസ്ബുക്ക് സാംസങ്, Baidu, Tencent എന്നിവര്‍ ഈ മേഖലയിലും ആധിപത്യം ഉറപ്പിക്കുമെന്നു പല പഠനങ്ങളും പ്രവചിക്കുന്നു. കാരണം നമ്മെ കുറിച്ചും നമ്മുടെ വീടിനെ കുറിച്ചുമുള്ള എല്ലാ വിവരങ്ങളും ഡേറ്റയും ഇവരുടെ കൈവശം ഇപ്പോള്‍ തന്നെ ഉണ്ട്. നിര്‍മിത ബുദ്ധിയുടെ സഹായത്തോടെ അവര്‍ അത് ആവശ്യാനുസരണം ഉപയോഗപ്പെടുത്തും.
പ്രഷര്‍, ഷുഗര്‍, ഹൃദയമിടിപ്പുകള്‍ ശരീരത്തിലെ ഊഷ്മാവ് തുടങ്ങിയവ അടയാളപ്പെടുത്തുന്ന ശരീരത്തില്‍ ധരിച്ചു നടക്കാവുന്ന പല ഡിവൈസുകള്‍ ഇപ്പോള്‍ തന്നെ ഇത്തരം കമ്പനികള്‍ ഇറക്കിയിട്ടുണ്ട്.

ഗൂഗിളിലെ ഒരു പ്രൊജക്റ്റ് ലീഡ് ആയിരുന്ന Mary Lou Jopsen തുടങ്ങിയ ‘ഓപ്പണ്‍ വാട്ടര്‍’ എന്ന സ്റ്റാര്‍ട്ടപ്പ് കമ്പനി, റെഡ് ലേസര്‍ ഹോളോഗ്രാഫി ടെക്നോളജി ഉപയോഗിച്ച് പോര്‍ട്ടബിള്‍ MRI ഉണ്ടാക്കുന്ന ശ്രമത്തിലാണിപ്പോള്‍. മള്‍ട്ടി മില്യന്‍ ഡോളര്‍ വില വരുന്ന മെഷീന്‍, ചെറിയ വെയറബിള്‍ കണ്‍സ്യൂമര്‍ ഇലക്ട്രോണിക്സ് ഡിവൈസ് ആയി ഇറങ്ങിയാല്‍, അത് വലിയൊരു വിപ്ലവം തന്നെ ആയിരിക്കും. സാധാരണക്കാര്‍ക്ക് മെഡിക്കല്‍ ഇമേജിങ് വളരെ ചെറിയ തുകയില്‍ ചെയ്യാന്‍ കഴിയും.

കയ്യില്‍ ധരിച്ചു നടക്കുന്ന ആപ്പിള്‍ കമ്പനിയുടെ ഫോര്‍ത് ജനറേഷന്‍ ഐ വാച്ചില്‍, FDA അപ്രൂവ്ഡ് ആയിട്ടുള്ള ഇ.സി.ജി സ്‌കാനര്‍ ഉണ്ട്. ഇതിന് റിയല്‍ ടൈം കാര്‍ഡിയാക് മോണിറ്ററിങ് നടത്താന്‍ ഉള്ള കഴിവുണ്ട്. Qualcomm Trictsker XPRIZE ജേതാവായ DxtER എന്ന ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് അനുസരിച്ച് പ്രവര്‍ത്തിക്കുന്ന ഈ ആപ്ലിക്കേഷന് 50 രോഗങ്ങളെ തെറ്റുകൂടാതെ 100% കൃത്യതയില്‍ മനസ്സിലാക്കാനുള്ള കഴിവുണ്ട്. മൊബൈല്‍ ഹെല്‍ത്ത് ആയിരിക്കും 2022ല്‍ ഏറ്റവും കൂടുതല്‍ നിക്ഷേപങ്ങള്‍ നടത്തുന്ന ഒരു മേഖല എന്നുമാണ് പ്രവചനം. എ.ഐ (Artificial Intelligence) ടെക്നോളജി പിന്നണിയില്‍ പ്രവര്‍ത്തിക്കുന്ന ധാരാളം ചാറ്റ് ബോട്ടുകള്‍ തന്നെ മാര്‍ക്കറ്റില്‍ ലഭ്യമാണ്. ഫെയ്സ്ബുക്കിന്റെ മെസഞ്ചര്‍ ഡേറ്റ ഉപയോഗിച്ച്, ഡിപ്രഷന്‍ അനുഭവപ്പെടുന്ന ആളുകള്‍ക്ക് cognitiv–e behavioral therapy ലഭ്യമാക്കുന്നു .

മനുഷ്യരുടെ ആയുര്‍ദൈര്‍ഘ്യം വര്‍ധിപ്പിക്കുന്നതുമായി ബന്ധപ്പെട്ട വലിയ പ്രൊജക്റ്റ് നടത്തുന്ന കമ്പനിയാണ് Human Longevtiy Inc. (HLI). എല്ലാവിധ ടെസ്റ്റുകളും വഴി മനുഷ്യരുടെ രോഗങ്ങള്‍ മുന്‍കൂട്ടി കണ്ടെത്തുകയും അതിന് പരിഹാരം നല്‍കുകയുമാണ് കമ്പനി ചെയ്യുന്നത്. നമ്മുടെ മുന്‍കാല പാരമ്പര്യവും genome sequence ഉം അടക്കം അനലൈസ് ചെയ്യുന്നു. അങ്ങനെ ഒരു മനുഷ്യന്റെ ആരോഗ്യത്തെക്കുറിച്ച് പൂര്‍ണമായ വിവരം കമ്പനിക്ക് ലഭിക്കുന്നു. 1190 ഉപഭോക്താക്കളില്‍ എട്ട് ശതമാനം ആളുകളുടെ ഗുരുതരമായ, coronary artery disease രോഗങ്ങള്‍ നേരത്തെ കണ്ടെത്താനും അതുവഴി അവരുടെ ആയുസ്സ് കൂട്ടാനും കഴിഞ്ഞു എന്നാണ് കമ്പനി അവകാശപ്പെടുന്നത്. Longevtiy എന്നതാണ് ഇനിയുള്ള കാലങ്ങളില്‍ മെഡിക്കല്‍ രംഗം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഒരു വിഭാഗം. ഒരുപാട് മനുഷ്യരുടെ ഡേറ്റ-അവരുടെ ജീവിതരീതികളും മരുന്നുകളോട് ശരീരത്തിന്റെ പ്രതികരണം തുടങ്ങിയവയുടെ വിവരങ്ങള്‍. ഇവയുടെ വന്‍ശേഖരങ്ങളെ (ബിഗ് ഡേറ്റ) അനലൈസ് ചെയ്തതാണ് പലതും സാധ്യമാക്കുന്നത്.

മനുഷ്യരേക്കാള്‍ അഞ്ചു മുതല്‍ പത്തു വരെ കൃത്യതയോടെ കോശ സര്‍ജറികള്‍ നടത്താന്‍ കഴിയുന്ന റോബോട്ടാണ് STAR Soft Tissue autonomous Robot. ഗൂഗിള്‍ പാരന്റ് കമ്പനിയായ ആല്‍ഫബെറ്റും. ജോണ്‍സന്‍ ആന്‍ഡ് ജോണ്‍സന്‍ ഉം തമ്മില്‍ ‘ഡെമോക്രൈറ്റേഷന്‍ ഓഫ് സര്‍ജറി’ എന്നതിനു വേണ്ടി പ്രത്യേക കൊച്ചു ബോട്ടുകള്‍ നിര്‍മിക്കാനായി 2020ല്‍ പുതിയ കരാറുകളും ഉണ്ടാക്കിയിട്ടുണ്ട്.

നമുക്ക് ആവശ്യാനുസരണം കോശങ്ങളും അവയവങ്ങളും നിര്‍മിക്കാന്‍ കഴിയുന്ന 3ഡി പ്രിന്റിങുകള്‍ (3D Printing) ഓപ്പറേഷന്‍ റൂമിലേക്ക് ഉടന്‍ തന്നെ കടന്നുവരുന്ന ഭാവി ടെക്നോളജികളാണ്. പ്ലാസ്റ്റിക് കളിപ്പാട്ടങ്ങള്‍ മുതല്‍ ഐസ്‌ക്രീമുകള്‍ വരെ ഇങ്ങനെ ത്രീഡി പ്രിന്റിംഗ് വഴി ഉല്‍പാദിപ്പിച്ചു കഴിഞ്ഞു. ഭാവിയില്‍ ചൊവ്വ/ചന്ദ്ര പര്യവേക്ഷണത്തിന്, നാസ തയ്യാര്‍ ചെയ്യുന്ന ഭക്ഷണം ത്രീഡി പ്രിന്റിങുകള്‍ വഴിയാണ്. ഇപ്പോള്‍തന്നെ കോശങ്ങളും അവയവങ്ങളും ഇതുവഴി നിര്‍മിക്കാനുള്ള ഗവേഷണങ്ങള്‍ ബഹുദൂരം മുന്നേറിയിട്ടുണ്ട്.

ഫാര്‍മസി കമ്പനികളെ സംബന്ധിച്ചിടത്തോളം പുതിയ മരുന്നുകള്‍ ഉണ്ടാക്കാന്‍ രണ്ട് ഓപ്ഷനുകളാണുള്ളത്. നിലവിലുള്ള ലൈബ്രറികളും കോമ്പിനേഷനുകളും വെച്ച് പുതിയ നിര്‍മിക്കുക അല്ലെങ്കില്‍ പ്രകൃതിയിലുള്ള അപൂര്‍വ ഔഷധസസ്യങ്ങളില്‍ നിന്നോ മറ്റോ കണ്ടെത്തുക. രണ്ടായാലും അതിനു വര്‍ഷങ്ങള്‍ ആവശ്യമായി വരും. അതിന്റെ നിര്‍മാണത്തിനു ശേഷം, ഫലപ്രാപ്തി ഉറപ്പുവരുത്താന്‍ വര്‍ഷങ്ങളുടെ ടെസ്റ്റുകളും ആവശ്യമാണ്. പിന്നീട് ഈ കണ്ടുപിടുത്തങ്ങള്‍ ആദ്യം മൃഗങ്ങളില്‍ പരീക്ഷിക്കുന്നു. അതിനുശേഷം തെരഞ്ഞെടുത്ത ചെറിയ ഒരു കൂട്ടം മനുഷ്യരില്‍ ടെസ്റ്റ് ചെയ്യുന്നു. അതിനുശേഷം വലിയൊരു ഗ്രൂപ്പ് ജനങ്ങളുടെ ഇടയിലും ഇതിന്റെ ടെസ്റ്റ് നടത്തുന്നു. ചുരുക്കത്തില്‍ ദീര്‍ഘകാലം നീണ്ടുനില്‍ക്കുന്ന ഒരു പ്രോസസ്സ് ആണ് മരുന്നിന്റെ കണ്ടുപിടുത്തം എന്നത്.

മരുന്ന് നിര്‍മാണത്തില്‍ അത് പരാജയപ്പെടാനുള്ള സാധ്യത, അതായത് ഫലവത്താകാതിരിക്കാനുള്ള സാധ്യത 90 ശതമാനമാണ് എന്നാണ് ഫാര്‍മസി ഇന്‍ഡസ്ട്രി പറയുന്നത്. ശരാശരി ഒരു മരുന്ന് മാര്‍ക്കറ്റില്‍ എത്താന്‍ ഏറ്റവും ചുരുങ്ങിയത് 10 വര്‍ഷമെങ്കിലും എടുക്കും. 2.5 ബില്യണ്‍ ഡോളര്‍ മുതല്‍ 12 ബില്യന്‍ ഡോളര്‍ വരെ ഇതിന് ചിലപ്പോള്‍ ചെലവ് വരും.

ഒരു കമ്പ്യൂട്ടര്‍ ബയോഫിസിസ്റ്റ് biophysictsi ആയിരുന്ന Alex Zhavoronkov ഇതിനൊരു തിരുത്ത് കൊണ്ടുവന്നത്. ഇമേജ്, ശബ്ദം, ടെക്സ്റ്റ് recognition ഉകള്‍ എന്നിവയില്‍ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് വളരെ ഫലവത്താണെന്ന് 2012 അദ്ദേഹം മനസ്സിലാക്കി. ഇവ മൂന്നിലും ധാരാളം ഡേറ്റ സെറ്റുകളുണ്ട് (data sste). കുറെ ഡേറ്റ ഉണ്ടെങ്കില്‍ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റെലിജന്‍സ് ഉപയോഗപ്പെടുത്തി ട്രെയിനിങ്ങുകള്‍ എളുപ്പമാക്കാന്‍ സാധിക്കും. മരുന്ന് കണ്ടുപിടുത്തങ്ങളുടെ കാര്യത്തിലും ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സും ഡേറ്റ സെറ്റും ഉപയോഗപ്പെടുത്തി മരുന്ന് നിര്‍മാണത്തിന്റെയും കാലദൈര്‍ഘ്യം കുറക്കാന്‍ സാധിക്കുമെന്നു അദ്ദേഹം കണ്ടെത്തി.

നിര്‍മിത ബുദ്ധിയിലെ, GAN (Generativ–e adv–ersarial networks) ടെക്നിക്കിനെക്കുറിച്ച് മനസ്സിലാക്കിയ അലക്സ്, ഒരു ന്യൂറല്‍ നെറ്റ്‌വര്‍ക്ക് മറ്റൊരു ന്യൂറല്‍ നെറ്റ്‌വര്‍ക്കിനോട് എതിര്‍ ദിശയില്‍ അനുബന്ധിച്ച് നിര്‍ത്തിയാല്‍, കുറഞ്ഞ നിര്‍ദേശങ്ങള്‍ നല്‍കിയാല്‍ തന്നെ ഒരു പൊതുവായ ഫലം ജനിപ്പിക്കപ്പെടും. ഏഅച സാധാരണ ഗവേഷകര്‍ ഉപയോഗിച്ചിരുന്നത്, ഒരു വസ്തുവിന്റെ പുതിയ വേര്‍ഷനുകള്‍ ഓട്ടോമേറ്റഡ് ആയി ഉണ്ടാക്കാനായിരുന്നു. അലക്സ് ഇത് ഫാര്‍മകോളോജിയില്‍ pharmacology പ്രായോഗികവല്‍ക്കരിച്ചു.

ജോണ്‍ ഹോപ്കിന്‍സ് സര്‍വകലാശാലയില്‍ ഈ ആവശ്യാര്‍ഥം Zornokov പുതിയ ഒരു സംരംഭം തന്നെ ആരംഭിച്ചു. Insilico medicine എന്നായിരുന്നു അതിന്റെ പേര്. ഒരുപാട് സെറ്റ് ഓഫ് ഡേറ്റയില്‍ നിന്നും വര്‍ഗീകരിച്ച് എടുക്കലും പ്രവചിക്കലും (predict) ആയിരുന്നു ജോലി. മൂന്നുവര്‍ഷത്തെ റിസള്‍ട്ടിന് ശ്രമഫലമായി ഇതിനുവേണ്ടി ഒരു സിസ്റ്റം അദ്ദേഹം ഉണ്ടാക്കിയെടുത്തു. ഇന്‍സിലിക്കോയുടെ ‘ഡ്രഗ് ഡിസ്‌കവറി എന്‍ജിന്‍’, ഓരോ തരം രോഗങ്ങള്‍ക്കും കാരണമാകുന്ന ബയോളജിക്കല്‍ ക്യാരക്ടറുകള്‍, മില്യന്‍ കണക്കിന് ഡേറ്റയില്‍ നിന്നും വര്‍ഗീകരിച്ചെടുത്തു. ഇത് മരുന്നുകളുടെ ടെസ്റ്റിംഗ് പ്രോസസ്സില്‍ വലിയ മുന്നേറ്റം തന്നെ തീര്‍ത്തുകൊണ്ടിരിക്കുന്നു ഇപ്പോള്‍. 50 മനുഷ്യരില്‍ മുമ്പ് പരീക്ഷിച്ചിരിക്കുന്നത് ഇപ്പോള്‍, അയ്യായിരമോ അല്ലെങ്കില്‍ ആവശ്യമെങ്കില്‍ അമ്പതിനായിരമോ ആളുകളില്‍ പരീക്ഷിക്കുന്നതിന് തുല്യമായ സാഹചര്യവും കിറുകൃത്യമായ റിസള്‍ട്ടും ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് സാധ്യമാക്കുന്നു.

അതായത്, ഒരുപാട് വര്‍ഷങ്ങളുടെ കാത്തിരിപ്പുകള്‍ ആവശ്യമുണ്ടായിരുന്ന മരുന്ന് നിര്‍മാണത്തിലെ പലതിനും, ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് വഴി അതിന്റെ സമയം കുറയ്ക്കാന്‍ കഴിഞ്ഞിട്ടുണ്ട്. എക്സ്പിരിമെന്റല്‍ വാലിഡേഷനുകളും സിമുലേഷനുകളും ഉപയോഗിച്ച് കഴിഞ്ഞവര്‍ഷം ഇന്‍സിലിക്കോ കമ്പനി 46 ദിവസം കൊണ്ട് nov–el moleculeകള്‍ സൃഷ്ടിച്ചു. അല്‍ഷിമേഴ്സ്, കാന്‍സര്‍, പ്രമേഹം തുടങ്ങിയവക്കു വേണ്ടി ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് ഉപയോഗിച്ചുള്ള മരുന്ന് നിര്‍മാണ പരീക്ഷണങ്ങള്‍ തുടങ്ങിക്കഴിഞ്ഞു. മുടികൊഴിച്ചിലിനുള്ള ഒരു മരുന്നാണ് ഈ വര്‍ഷം ടാര്‍ഗറ്റ് ചെയ്തിട്ടുള്ള ഒരു പ്രധാന അക അധിഷ്ഠിത മരുന്ന് നിര്‍മാണം.

പ്രോട്ടീന്‍ ഘടനയും അവയുടെ മടക്കുകളും (AlphaFold) ശരീര ശാസ്ത്രത്തിലെ മറ്റൊരു അതി സങ്കീര്‍ണതയായിരുന്നു. 2018 വരെ സൂപ്പര്‍ കമ്പ്യൂട്ടറുകള്‍ക്ക് പോലും അത് വേര്‍തിരിക്കാന്‍ കഴിഞ്ഞിരുന്നില്ല. എന്നാല്‍, പിന്നീട് ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് ന്യൂറല്‍ നെറ്റ്‌വര്‍ക്കും ഡേറ്റ സൈറ്റുകളും ഉപയോഗപ്പെടുത്തി വലിയ മുന്നേറ്റം തന്നെ ഉണ്ടായി. 43 പ്രോട്ടീന്‍ ഫോള്‍ഡിങ് പ്രശ്നങ്ങള്‍ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് വഴി പരിഹരിച്ചു. വ്യക്തി അധിഷ്ഠിത മരുന്ന് നിര്‍മാണത്തിന് വേണ്ടി ഇത്തരം കമ്പനികള്‍ ക്വാണ്ടം കമ്പ്യൂട്ടിംഗ് കൂടി ഉപയോഗിക്കുന്നു. ഓരോ മനുഷ്യന്റെയും ശരീരപ്രകൃതിക്കും പാരമ്പര്യത്തിനും അനുസരിച്ച് ഏറ്റവും അനുയോജ്യമായ മരുന്നുകളാണ് ഇവ-ctsuomized medicine. ഒരു മരുന്ന് തന്നെ പല അസുഖങ്ങള്‍ക്കും ഉപയോഗിക്കാനും കഴിയും.

ഹെല്‍ത്ത് മേഖലയിലെ മറ്റൊരു പ്രമുഖ ഗവേഷകയും സംരംഭകയുമാണ് Martine Rothbltta. കൃത്രിമ അവയവ നിര്‍മ്മാണത്തിന് ത്രീഡി പ്രിന്റിംഗ്, ശരീരം പുതിയ അവയവ നിരാകരിക്കുന്നതിനെതിരെയുള്ള CRISPR അധിഷ്ഠിത ജീന്‍ ടെക്നോളജികള്‍, അവയവങ്ങള്‍ ശരീരത്തിന് പുറത്ത് സൂക്ഷിക്കാനുള്ള സംവിധാനങ്ങള്‍ സൂക്ഷിക്കാനുള്ള സംവിധാനങ്ങള്‍ എന്നിവയിലാണ് ഇവരുടെ മുഖ്യ ഗവേഷണങ്ങള്‍. ശരീര അവയവങ്ങള്‍ ഒരു സ്ഥലത്തുനിന്നും മറ്റൊരു സ്ഥലത്തേക്ക് എത്തിക്കാന്‍ ബീറ്റാ ടെക്നോളജിയുടെ ഫ്ളയിംഗ് (പറക്കുന്ന) കാറുകള്‍ വരെ ഇവരുടെ സംരംഭത്തിന് കീഴില്‍ ഉണ്ട്.

ഒരു ബിസിനസ്സിലെ ചില പഴയ കാലത്തെ കുറെ ഡേറ്റയും അതുമായി ബന്ധപ്പെട്ട ഫലങ്ങളും ലഭിച്ചാല്‍ നമുക്ക് ബിസിനസ്സില്‍ ഭാവിയില്‍ എന്ത് സംഭവിക്കും എന്ന് കൃത്യമായി പ്രവചിക്കാന്‍ കഴിയും (ബിസിനസ്സ് ഇന്റലിജന്‍സ്). ഒരു ചെസ്സ് കളിയുടെ നിയമങ്ങളില്‍ നിന്നും കോടിക്കണക്കിന് ചെസ്സ് നീക്കങ്ങള്‍ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് ഉപയോഗിച്ച് റോബോട്ടുകള്‍ നടത്തുന്നു. ഇതേരീതിയില്‍ മനുഷ്യരുടെയും വ്യത്യസ്തങ്ങളായ ഡേറ്റ ഉണ്ടെങ്കില്‍ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് സഹായത്തോടെ മെഡിക്കല്‍ രംഗത്തും പലതും ചെയ്യാന്‍ കഴിയും എന്നതാണ് നമുക്ക് ഇതില്‍ നിന്നും മനസ്സിലാക്കാന്‍ കഴിയുന്നത്. ഭാവിയില്‍ ഓരോ മനുഷ്യനും ഏറ്റവും അനുയോജ്യമായ വ്യക്തിപരമായ മരുന്നുകളും ചികിത്സയും ആയിരിക്കും ഉണ്ടാകുക എന്നാണ് ആരോഗ്യ മേഖല പ്രവചിക്കുന്നത്. ഡേറ്റ സയന്‍സുമായി ബന്ധപ്പെട്ട പ്രവര്‍ത്തനങ്ങള്‍ ഇതേ രീതിയില്‍ മുന്നോട്ടു പോകുകയാണെങ്കില്‍ 2028 ഓടുകൂടി ഈ വിഭാഗത്തില്‍ വന്‍ വിപ്ലവങ്ങള്‍ സാധ്യമാകുമെന്നാണ് ആരോഗ്യരംഗത്ത് ഉള്ളവര്‍ പ്രവചിക്കുന്നത്. ഇതില്‍ നിന്നും ആധുനിക കാലത്ത് ഡേറ്റയുടെ പ്രാധാന്യം നമുക്ക് മനസ്സിലാക്കാം.

Ref:
1. www.celulartiy.com

2. fda.gov/patiestn

3. insilico.com

4. deepmind.com/alphafold

5. humanlongevtiy.com

6. cancer.gov

Back to top button

Notice: ob_end_flush(): failed to send buffer of zlib output compression (0) in /home/qreseller/janapaksham.in/wp-includes/functions.php on line 4757