როგორ გვეხმარება დიდი მონაცემები / Big Data ახალი მკურნალობების აღმოჩენაში?

რა არის Big Data / დიდი მონაცემები?

თქვენი სოციალური მედიის პოსტები, ფოტო-ვიდეო არქივები, საყიდლების ჩვევები, Google ძიებები, ნაბიჯები, გულის რიტმი (მაგალითად ჭკვიანი საათებით), დაავადებები, სისხლის მაჩვენებლები, დნმ… ანუ ადამიანისა და ცხოვრების შესახებ ყველაფერი უკვე აღირიცხება და ამ ნედლ ინფორმაციას Big Data (დიდი მონაცემები) ეწოდება.

Big Data-სა და მისი დამუშავების ახალი თაობის მონაცემთა მოპოვების ინსტრუმენტებით შესაძლებელია აქამდე აღურიცხავი და გაუანალიზებელი უსასრულო მრავალფეროვნების უსასრულო მონაცემებიდან აზრიანი დასკვნების გამოტანა. ამ ნედლი ინფორმაციის ერთ-ერთ ყველაზე ღირებულ ნაწილს ჯანმრთელობის მონაცემები შეადგენს.

Big Data-ს ხსენებისას ასევე გვახსენდება; ხელოვნური ინტელექტი, მანქანური სწავლება, ღრმა სწავლება, სტრუქტურირებული და არასტრუქტურირებული მონაცემები. ჯანდაცვისა და ფარმაცევტული ინდუსტრიისთვის ისინი უკვე პროდუქტიულობის ეპოქის სამშენებლო ქვებია.

დღეს მხოლოდ ჯანდაცვის კი არა, მთელი ბიზნესსამყაროს ყველაზე დიდი უპირატესობა დიდი მონაცემები და მათი გააზრებულად გაანალიზების უნარია.

1. Big Data-თი აქამდე გამოუვლენელ დაავადების სამიზნეებზე ფოკუსირება

დიდი მონაცემების ერთ-ერთი ყველაზე იმედისმომცემი გამოყენება აქამდე გამოუვლენელ სამიზნეებზე ფოკუსირებაა. GSK (GlaxoSmithKline) და Pfizer ხელოვნური ინტელექტის სფეროს მომწოდებლებთან ერთად სწორედ ამაზე არიან კონცენტრირებული. ზოგი ბიოტექნოლოგიური კომპანია საკუთარ ხელოვნური ინტელექტის პლატფორმას ქმნის. Berg Health ერთ-ერთი მათგანია და ამჟამად რამდენიმე დაპატენტებული მანქანური სწავლების ალგორითმით მოლეკულურ სფეროსა და დაავადებული უჯრედების კულტურების კვლევებს შეისწავლის. ამ მუშაობით აღმოაჩინეს რამდენიმე სამიზნე და შესაძლო პრეპარატი თვალის წნევისთვის (გლაუკომისთვის), სიმელოტისთვის (ალოპეციისთვის), კიბოსა და ნეიროდეგენერაციული დარღვევებისთვის.

2. Big Data-თი შიდსის გამომწვევი HIV-ის სუსტი წერტილის პოვნა

ჰონგ-კონგის მკვლევართა გუნდი მუშაობს ვაქცინაზე, რომელიც HIV ვირუსის სწორ ნაწილზე დამიზნებით მისი კოპირებისა და გამრავლების შესაფერხებლად შეიძლება გამოიყენონ. ეს კვლევა პოლიპროტეინის მიმდევრობის რუკის შედგენას მოითხოვს და დიდი მონაცემების გამოყენება მკვლევრებს სწორედ აქ ეხმარება. HIV-ით ინფიცირებული 1918 ადამიანისგან მიღებული 20.043 მიმდევრობიდან მოპოვებულ 815 ამინომჟავაზე ხელოვნური ინტელექტით ჩატარდა კვლევა. იმედოვნებენ, რომ ეს კვლევა ვირუსის მუტაციის და ინფექციის გამოწვევის უნარის შესაზღუდად ახალ იმუნოთერაპიებს და ვაქცინაციის მიდგომებს გამოავლენს.

3. Big Data-თი პრეპარატებისა და მათი ურთიერთქმედებების მონიტორინგი

მანქანური სწავლებით უფრო სწრაფი და მაღალი გარჩევადობის მეთოდების გამოყენებით პრეპარატების ურთიერთქმედებებს აკვირდებიან და ზოგი დეტალის გამორჩენის თავიდან აცილება შეუძლიათ. ეს მიდგომა უპირატესობებს შექმნის განსაკუთრებით იშვიათი დაავადებების წინააღმდეგ, რომელთა სამიზნეებიც ძალიან ცოტაა ცნობილი ან საერთოდ უცნობია. ახალი ჩვენებებით კლინიკური კვლევის მოლეკულების გამოსავლენად Sanofi ამ სფეროში მუშაობს.

4. Big Data-თი წყაროების მოძიება / ლიტერატურის მონიტორინგი

ხელოვნური ინტელექტის ტექნოლოგიებით ფარმაცევტულ ინდუსტრიაში კვლევისა და განვითარების სამუშაოებიდან სასარგებლო ინფორმაციის უფრო ეფექტიანად მიღებაა შესაძლებელი. BenevolentAI-ს Judgment Correlation System (JACS)-ით აქვს ალგორითმები, რომლებსაც მილიონობით სტატიასა და მიმოხილვაში მილიარდობით წინადადებისა და აბზაცის განმარტება შეუძლია. შემდეგ JACS მონაცემებსა და “ცნობილ ფაქტებთან” პირდაპირ კავშირებს განსაზღვრავს. ცნობილი ფაქტები ამ სფეროში მომუშავე ზოგი მეცნიერის ჰიპოთეზებს ეფუძნება. ექსპერტ მკვლევართა გუნდი ასევე აფასებს JACS-ის შედეგებს და მათი ღირებულების მიხედვით პრიორიტეტებს ანიჭებს. კომპანიის ბიოსამედიცინო განყოფილება ამ ტექნოლოგიას ALS-ის დროს იყენებს. ამ მუშაობით მიღწეულმა წარმატებებმა წინანდელთან შედარებით ბევრად ეფექტიანი შედეგები აჩვენა.

5. Big Data-თი პაციენტზე ორიენტირებული კვლევები

დიდი მონაცემების გამოყენება რევოლუციას მხოლოდ მონაცემთა ანალიზში კი არ ქმნის, მათ შეგროვებაშიც უზარმაზარ სიახლეებს გვთავაზობს. LymeDisease.org-მა ახლახან MyLymeData აპლიკაცია წარადგინა. ამ აპლიკაციით ლაიმის დაავადების კვლევის დაჩქარება იგეგმება. ლაიმის დაავადება დღეს აშშ-ში დედიდან შვილზე გადამდებ ერთ-ერთ ყველაზე გავრცელებულ დაავადებად ითვლება და დიაგნოსტიკა-მკურნალობის შეცდომები %35-50-მდე აღწევს. ლაიმის დიაგნოსტიკისა და მკურნალობის პროცესი ბევრ პაციენტს სერიოზულ სირთულეებს უქმნის. ეს აპლიკაცია ათასობით პაციენტის მონაცემებით გვპირდება პასუხს, რატომ პასუხობს ზოგი პაციენტი მკურნალობას და ზოგი რატომ არა.

6. Big Data-თი მასობრივი კიბოს პრეპარატების მონაცემები

CODE-cancer.com-ის (ევროპის ონკოლოგიური მონაცემებისთვის თანამშრომლობა) ინიციატივით, ევროპის 7 ქვეყნის 200 კიბოს სამკურნალო ცენტრიდან 3 წლის განმავლობაში შეგროვებული მონაცემები, იმედოვნებენ, კიბოს ახალ მკურნალობებს გაუხსნის გზას. იგეგმება, რომ ინიციატივა მომდევნო 10 წელიწადში 2000 კიბოს ცენტრის მოცვამდე გაიზრდება. ამ მასშტაბის დიდი ონკოლოგიური მონაცემებით შესაძლებელი გახდება შედარება, კიბოს რომელი პრეპარატებია რომელ კიბოებში უფრო ეფექტიანი.

7. Big Data-თი და ხელოვნური ინტელექტით ჯანმრთელობის მონაცემების შეგროვება

სტრუქტურირებული და არასტრუქტურირებული მონაცემების მოპოვება და მათი გამოყენებად ფორმაში გადაყვანა კიდევ ერთ გამოწვევად მიიჩნევა. გაერთიანებული სამეფოს კიბოს კვლევის ცენტრი ამ სფეროს მკვლევრებს 30 მილიონი დოლარის ჯილდოს ჰპირდება. ეს სამუშაოები გზას გაუხსნის არა მხოლოდ პრეპარატების აღმოჩენას, არამედ კიბოს კვლევასაც. ამ სფეროს მკვლევართა ერთ-ერთი მიზანია სამედიცინო და არასამედიცინო წყაროებიდან შექმნილი ნიმუშებით კიბოს წინასწარ გამოვლენა. თუ ამას შეძლებენ, სხვა ეთიკურ პრობლემასაც შეხვდებიან. თუ ადამიანების სამედიცინო მონაცემებზე მარტივი წვდომა და მათი გამოყენებით გამოსავლების შექმნა შეიძლება, ხომ არ შეიძლება ეს მონაცემები სხვაგვარად, პრობლემების შესაქმნელად გამოიყენონ?

დაკავშირებული თემები

• ჯანმრთელ ადამიანებში კიბოს ადრეული დიაგნოსტიკისთვის ამჟამად თხევად ბიოფსიას არ ვურჩევთ! რატომ?
• ადამიანის გონების საზღვრები, ხელოვნური ინტელექტი და მედიცინის მომავალი
• ბოლო მიღწევები კიბოს მკურნალობაში - 2018-ში კიბოს მკურნალობის განმსაზღვრელი 7 ტენდენცია