Emerging Tech Development & Consulting: Artificial Intelligence. Advanced Analytics. Machine Learning. Big Data. Cloud
The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.
इन आंकड़ों पर नजर डालें:
यह आश्चर्यजनक नहीं है कि दवा कंपनियां दवा के विकास के लिए आवश्यक लागत और समय में कटौती करने के लिए चिकित्सा एआई सेवाओं की ओर रुख करती हैं । 2021 में फार्मा बाजार में वैश्विक एआई का मूल्य लगभग 905 मिलियन डॉलर था और 2030 तक 9,241 मिलियन डॉलर से अधिक होने का अनुमान है, जो 29.4% सीएजीआर से बढ़ रहा है।
फार्मास्यूटिकल उद्योग में कृत्रिम बुद्धि का उपयोग करने से आपकी दवा विकास प्रक्रियाओं में सुधार कैसे हो सकता है, इस बारे में अधिक जानने के लिए प्रेरित हुए? फिर पढ़ना जारी रखें।
आप देखेंगे कि एआई को सफलतापूर्वक लागू करने के लिए फार्मा कंपनियों के लिए टेक इनोवेटर्स के साथ मिलकर काम करना आम बात है। एक्सेंचर ने एक सर्वेक्षण किया जहां 61% उत्तरदाताओं ने टेक वेंडर के साथ साझेदारी करने के बाद लाभ में कम से कम 5% की वृद्धि की सूचना दी , जिसमें 76% फार्मा अधिकारियों ने एक महत्वपूर्ण सफलता कारक के रूप में प्रभावी साझेदारी का हवाला दिया।
यहां फार्मास्यूटिकल्स में आर्टिफिशियल इंटेलिजेंस के 5 शीर्ष एप्लिकेशन दिए गए हैं।
कांग्रेस के बजट कार्यालय की रिपोर्ट है कि एक नई दवा विकसित करने की अनुसंधान एवं विकास लागत $2 बिलियन से अधिक हो सकती है , जिसमें अनुसंधान और नैदानिक परीक्षण शामिल हैं।
फार्मा में एआई को तैनात करने से शोधकर्ताओं को छोटे अणु पुस्तकालयों और स्पॉट रोग पैटर्न जैसे विशाल डेटासेट के माध्यम से छान-बीन करने में मदद मिलती है और यह पता चलता है कि कौन सी रासायनिक रचनाएं विभिन्न जैविक लक्ष्यों के लिए उपयुक्त हो सकती हैं। एआई रासायनिक यौगिकों को टेक्स्ट स्ट्रिंग या ग्राफ आर्किटेक्चर के रूप में उत्पन्न कर सकता है। परिणामी यौगिकों को मान्य करना महत्वपूर्ण है, क्योंकि उनमें से कई समझ में नहीं आएंगे, जहरीले हो सकते हैं, या इसमें एक घटक हो सकता है जो किसी भी दवा का हिस्सा नहीं होना चाहिए।
उम्मीदवार रचनाओं की खोज के अलावा, वैज्ञानिक चिकित्सा साहित्य को पार्स करने के लिए एआई एल्गोरिदम का उपयोग कर सकते हैं कि कैसे दवा को सर्वोत्तम रूप से संश्लेषित किया जाए और नैदानिक परीक्षणों को डिजाइन किया जाए। अनुसंधान से पता चलता है कि फार्मास्युटिकल आर्टिफिशियल इंटेलिजेंस ड्रग सिंथेसाइजिंग और स्क्रीनिंग के समय में 50% की कटौती कर सकता है, जिससे फार्मा सेक्टर के वार्षिक खर्च में $26 बिलियन तक की बचत हो सकती है।
दवा की खोज को सुविधाजनक बनाने के लिए एआई समाधान तैनात करने वाली फार्मा कंपनियों के कई बेहतरीन उदाहरण हैं। उदाहरण के लिए, GSK, एक ब्रिटिश दवा कंपनी जिसका मुख्यालय लंदन में है, ने महामारी के दौरान AI और एक मानव जीन संपादन उपकरण, CRISPR की मदद से COVID-19 एंटीबॉडी खोज में तेजी लाने के लिए कैलिफ़ोर्निया की वीर बायोटेक्नोलॉजी के साथ भागीदारी की। वीर के पास पहले से ही एक एंटीबॉडी प्लेटफॉर्म था जिसे अतीत में विभिन्न श्वसन रोगजनकों के लिए दवाओं की खोज के लिए तैनात किया गया था। और अब, इस सहयोग में, उन्होंने सोट्रोविमाब की खोज की, एक एंटीबॉडी जो SARS-CoV-2 एपिटोप को बांधकर COVID-19 को बेअसर कर देती है।
यूरोप और अमेरिका के बीच सहयोग के एक अन्य उदाहरण में, एक फ्रांसीसी फार्मा और हेल्थकेयर कंपनी सनोफी ने पांच अलग-अलग लक्ष्यों के लिए दवा यौगिकों की खोज और संश्लेषण करने के लिए कैलिफोर्निया स्थित बायोटेक इनोवेटर एटमवाइज के साथ भागीदारी की। सनोफी पारंपरिक दवा खोज दृष्टिकोण से दूर रहना चाहता था और उसने अपने नवाचार और एआई क्षमताओं के लिए एटमवाइज $20 मिलियन अग्रिम भुगतान किया ।
नैदानिक परीक्षणों में एआई के कई अनुप्रयोग हैं। उनमें से एक सही उम्मीदवार प्रतिभागियों की पहचान कर रहा है। प्रौद्योगिकी रोगी डेटा, आनुवंशिक जानकारी, डॉक्टर नोट और अन्य जानकारी का विश्लेषण कर सकती है और ऐसे लोगों को चुन सकती है जो किसी विशेष परीक्षण के लिए पात्र हैं। एआई समान परीक्षणों के मौजूदा विवरण के आधार पर इष्टतम जनसंख्या आकार का निर्णय लेने में भी मदद कर सकता है।
86% नैदानिक परीक्षण अपने लक्षित समय सीमा के भीतर पर्याप्त रोगियों को भर्ती करने में विफल रहते हैं । भर्ती से जुड़ी चुनौतियों के कारण एक-तिहाई चरण Ⅲ नैदानिक परीक्षणों को रोकना होगा ।
उदाहरण के लिए, आईबीएम वाटसन रोगी की जानकारी का विश्लेषण करने के लिए विश्लेषिकी और प्राकृतिक भाषा प्रसंस्करण (एनएलपी) पर निर्भर करता है। उपकरण असंरचित डेटा को संभाल सकता है, जैसे डॉक्टर के नोट्स, और एक व्यावहारिक रोगी सारांश तैयार करता है। नैदानिक शोधकर्ता रोगियों का चयन और भर्ती करने के लिए इन हाइलाइट्स का उपयोग करते हैं।
चूंकि एआई फार्मा कंपनियों को मरीजों को खोजने में मदद करता है, यह दूसरे तरीके से भी काम करता है। एंटीडोट , एक नैदानिक परीक्षण रोगी भर्ती मंच, एनएलपी का उपयोग उनके पाठ का विश्लेषण करने और उन्हें परीक्षण समावेशन/बहिष्करण मानदंड के लिए स्क्रीन करने के लिए करता है। इसके लिए रोगियों को इसके मंच पर कुछ सरल प्रश्नों के उत्तर देने की आवश्यकता होती है और परीक्षणों की एक सूची सुझाती है जिसमें व्यक्ति शामिल हो सकता है।
दवा उद्योग में एआई को लागू करने से दवा उत्पादन प्रक्रिया में सुधार के कई अवसर मिलते हैं। प्रौद्योगिकी हो सकती है:
दवा की गुणवत्ता नियंत्रण में सहायता करें । एआई कन्वेयर बेल्ट और क्षतिग्रस्त पैकेजिंग जैसे स्पॉट दोषों पर दवाओं का निरीक्षण कर सकता है। इसके अलावा, प्रौद्योगिकी विनिर्माण डेटा का विश्लेषण करके किसी भी संभावित मुद्दों की पहचान कर सकती है, जैसे गुणवत्ता नियंत्रण परीक्षण। उदाहरण के लिए, एस्ट्राजेनेका दोषों की तलाश में दवा छवियों का विश्लेषण करने के लिए मशीन लर्निंग का उपयोग करती है, जबकि मर्क टीके की शीशियों में समस्याओं का पता लगाने के लिए एआई का उपयोग करती है।
फार्मा सेक्टर काफी हद तक सेल्स पर निर्भर करता है। विशिष्ट उपयोगकर्ता अनुभव और एक अनुकूलित दृष्टिकोण की पेशकश करते हुए कंपनियों का लक्ष्य अधिक से अधिक ग्राहकों तक पहुंचना है। फार्मा में आर्टिफिशियल इंटेलिजेंस दवा विपणन की सुविधा प्रदान कर सकता है:
एआई बड़ी मात्रा में असंरचित रोगी डेटा का विश्लेषण कर सकता है और न्यूनतम दुष्प्रभाव के साथ सर्वोत्तम संभव परिणाम प्राप्त करने के लिए इस व्यक्ति के लिए किसी विशेष दवा के इष्टतम खुराक की गणना कर सकता है। फार्मा उद्योग में आर्टिफिशियल इंटेलिजेंस मॉडल निम्नलिखित सूचनाओं का विश्लेषण कर सकते हैं:
जब इष्टतम खुराक की गणना की जाती है, तो तकनीक इसकी प्रभावशीलता की निगरानी कर सकती है और जरूरत पड़ने पर समायोजन कर सकती है।
एक वास्तविक जीवन का उदाहरण देने के लिए, कैलिफोर्निया स्थित एक कंपनी डॉसिस ने एक एआई-संचालित व्यक्तिगत दवा खुराक प्लेटफॉर्म का निर्माण किया, जिसका उपयोग डायलिसिस क्लीनिक पुरानी दवा सेवन का प्रबंधन करने के लिए कर सकते हैं। हेल्थकेयरआईटीन्यूज के साथ अपने साक्षात्कार में, डॉसिस के सीईओ शिवरत छाबड़ा ने उल्लेख किया कि इस मंच ने ग्राहकों को दवा की खपत को 25% तक कम करने में मदद की, जबकि रोगी के परिणामों में सुधार हुआ।
इनमें से कुछ बाधाएँ क्षेत्र के लिए विशिष्ट हैं, और कुछ अधिक सामान्य हैं और इस तकनीक से जुड़ी सभी परियोजनाओं पर लागू होती हैं। प्रमुख चुनौतियों में से एक कृत्रिम बुद्धिमत्ता से जुड़ी भारी लागत है। यह विशेष रूप से कठिन है क्योंकि दवा के विकास से जुड़े खर्च पहले से ही काफी अधिक हैं। लागत में कटौती कैसे करें और फिर भी एक व्यवहार्य उत्पाद कैसे प्राप्त करें, यह जानने के लिए आप अनुभवी एआई सलाहकारों की ओर रुख कर सकते हैं।
यहाँ अन्य प्रमुख चुनौतियाँ हैं जिनका आप फार्मास्युटिकल एआई कार्यान्वयन के दौरान सामना कर सकते हैं।
मैकिन्से के एक हालिया अध्ययन के अनुसार, एकीकृत डेटा स्रोतों की कमी स्वास्थ्य सेवा क्षेत्र में एनालिटिक्स को लागू करने के रास्ते में मुख्य बाधा थी ।
फार्मा एआई मॉडल को सीखने के लिए आमतौर पर बड़े डेटासेट की आवश्यकता होती है। हालाँकि, प्रत्येक बीमारी के लिए पर्याप्त डेटासेट प्राप्त करना एक चुनौती है, विशेष रूप से दुर्लभ। इसलिए, जैसे-जैसे प्रशिक्षण डेटासेट छोटे होते जा रहे हैं, एआई-संचालित ड्रग डेवलपमेंट टूल को जिस डेटा को संभालना है, वह जटिल है। रोगी डेटा के बारे में सोचो। इसमें ऐतिहासिक जानकारी, जेनेटिक मेकअप, डॉक्टर नोट्स, मेडिकल स्कैन इत्यादि शामिल हैं। इन परिस्थितियों में, सटीक एल्गोरिदम बनाना एक चुनौती है।
जब प्रशिक्षण डेटा की कमी होती है, तो कुछ फार्मा अनुप्रयोगों के लिए सिंथेटिक डेटा जेनरेटर का उपयोग करना संभव होता है। उदाहरण के लिए, ज्यादातर एआई का दावा है कि यह फार्मास्युटिकल उपयोग के लिए उपयुक्त डेटा उत्पन्न कर सकता है । हेल्थकेयर डेटा सबसे संवेदनशील डेटा प्रकारों में से एक है, और ऐसे अनुप्रयोगों में गोपनीयता का सार है। सिंथेटिक डेटासेट इस समस्या को हल कर सकते हैं। ज्यादातर एआई में ग्लोबल सेल्स के वीपी एंड्रियास पोंकिविक्ज़ कहते हैं, "जनरेटिव एआई आधारित सिंथेटिक हेल्थकेयर डेटा के साथ, जिसमें सभी सांख्यिकीय पैटर्न शामिल हैं, लेकिन पूरी तरह से कृत्रिम है, डेटा को गोपनीयता जोखिम के बिना उपलब्ध कराया जा सकता है।"
एआई और फार्मा के साथ प्रयोग करने के लिए डेटा प्राप्त करने का एक अन्य विकल्प एक विशेष सहयोग का हिस्सा बनना है। उदाहरण के लिए, मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी ने फार्मास्युटिकल डिस्कवरी और सिंथेसिस कंसोर्टियम के लिए मशीन लर्निंग की शुरुआत की। 13 फार्मा कंपनियां छोटे अणु खोज के लिए एआई एल्गोरिदम को डिजाइन और निर्मित करने के लिए कंसोर्टियम में शामिल हुईं।
आपको यह सुनिश्चित करने की आवश्यकता है कि फार्मास्युटिकल अनुप्रयोगों में उपयोग किया जाने वाला डेटा सभी यथार्थवादी है। लेकिन इसे सत्यापित करना काफी महंगा है, क्योंकि इसमें मानव विशेषज्ञों के हस्तक्षेप की आवश्यकता होती है।
अभी भी कई स्वास्थ्य देखभाल आईटी मानक और नियम हैं, जिसका अर्थ है कि प्रत्येक अस्पताल डेटा भंडारण और प्रारूपण के लिए अपनी पसंद का मानक अपना सकता है। इससे विभिन्न चिकित्सा सुविधाओं से दवा संबंधी अनुसंधान के लिए आवश्यक रोगी डेटा को एकीकृत करना और उसका उपयोग करना कठिन हो जाता है।
फार्मा उद्योग में एआई के इन मुद्दों को सरकारी स्तर पर संबोधित किया जा सकता है। उदाहरण के लिए, स्विस पर्सनलाइज्ड हेल्थ नेटवर्क (SPHN) स्विस सरकार द्वारा स्वास्थ्य डेटा को एकीकृत करने वाली पहल है। एसपीएचएन एक राष्ट्रीय बुनियादी ढांचे का निर्माण करने के लिए तैयार था जो स्विस अस्पतालों, शोध संस्थानों और नियामक निकायों के बीच चिकित्सा डेटा विनिमय को सुव्यवस्थित करता है।
व्यक्तिगत स्तर पर, फार्मा शोधकर्ता डीप 6 एआई जैसे प्लेटफॉर्म से लाभान्वित हो सकते हैं, जो विषम इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) सिस्टम से डेटा को स्कैन करने और निकालने के लिए एनएलपी का उपयोग करता है।
"सभी डेटा पक्षपाती हैं। यह व्यामोह नहीं है। यह तथ्य है।"
- डॉ. संजीव नारायण, स्टैनफोर्ड यूनिवर्सिटी में मेडिसिन के प्रोफेसर हैं।
एआई-संचालित मॉडल आसानी से पक्षपात विकसित कर सकते हैं यदि उनका प्रशिक्षण डेटासेट लक्ष्य आबादी का प्रतिनिधि नहीं था। डेटा पूर्वाग्रह विशेष रूप से दवा और स्वास्थ्य सेवा क्षेत्रों में एक समस्या रही है। अनुसंधान से पता चलता है कि केवल कुछ एआई-संचालित उत्पाद एफडीए अनुमोदन के लिए प्रस्तुत किए गए हैं जो पूर्वाग्रह के मुद्दे को कवर करने पर साक्ष्य प्रदान करते हैं।
कुछ चिकित्सा पेशेवरों का मानना है कि यदि डेटा वैज्ञानिक चिकित्सकों के साथ अधिक निकटता से काम करते हैं और एल्गोरिदम का निर्माण करते समय डेटा के बारे में अधिक सीखते हैं तो यह पूर्वाग्रह को कम करने में मदद करेगा । वे जानकारी का अनुरोध कर सकते हैं, जैसे कि डेटा कहाँ से आया और इसे एकत्र करने का मूल लक्ष्य क्या था। तब इंजीनियर किसी भी जनसंख्या गलत बयानी को संबोधित करने के लिए एल्गोरिदम में बदलाव कर सकते हैं।
एल्गोरिथम पूर्वाग्रह भी प्राप्त कर सकते हैं क्योंकि वे काम पर सीखना जारी रखते हैं। इसलिए, यह सुनिश्चित करने के लिए व्यवस्थित ऑडिट आवश्यक है कि सभी एआई-आधारित उपकरण अभी भी प्रासंगिक हैं और अपेक्षा के अनुरूप काम करते हैं।
फार्मा में एआई को लागू करने का तात्पर्य इसे मौजूदा प्लेटफॉर्म और एप्लिकेशन के साथ एकीकृत करना है। कई फार्मा कंपनियां अभी भी पुरानी विरासत प्रणालियों पर भरोसा करती हैं जिन्हें एआई के साथ काम करने या बड़ी मात्रा में डेटा से निपटने के लिए डिज़ाइन नहीं किया गया है। ऐसी प्रणालियाँ अपने मालिकाना प्रोटोकॉल का उपयोग करती हैं और आधुनिक अनुप्रयोगों के साथ एकीकृत करना कठिन है।
फार्मा कंपनियाँ जो विरासत प्रणालियों के साथ-साथ आधुनिक तकनीक का उपयोग करना चाहती हैं, वे कस्टम फार्मा सॉफ़्टवेयर समाधानों से लाभान्वित हो सकती हैं जिन्हें मौजूदा विरासत प्रणालियों के साथ मूल रूप से फ़िट करने के लिए डिज़ाइन किया गया है।
फार्मास्युटिकल उद्योग में कृत्रिम बुद्धिमत्ता के उपयोग के मामले जटिल हैं, और प्रौद्योगिकी द्वारा की जाने वाली भविष्यवाणियों में त्रुटि के लिए एक बड़ा स्थान है। यहाँ वह है जो फार्मा को इतना जटिल बनाता है:
डेलॉइट की रिपोर्ट है कि 7,000 दुर्लभ बीमारियों में से केवल कुछ ही जिन्हें हम जानते हैं कि पिछले वर्षों में कुछ प्रगति देखी गई है। और कंसल्टेंसी का मानना है कि फार्मा में एआई इसे बदल सकता है। उपरोक्त उल्लिखित अनुप्रयोगों के अलावा, एआई फार्मा कंपनियों को अनुपालन हासिल करने में मदद कर सकता है , जो इस क्षेत्र में महत्वपूर्ण है।
यदि आप इस उन्नत तकनीक को अपने व्यवसाय में शामिल करना चाहते हैं, तो आपको अपनी पसंद के तकनीकी विक्रेता के साथ मिलकर काम करना होगा। साथ ही, यह एक अच्छा अभ्यास है:
फार्मास्युटिकल उद्योग में कृत्रिम बुद्धिमत्ता के भविष्य की बात करते हुए, PwC ने एक नए डिजिटल स्वास्थ्य पारिस्थितिकी तंत्र के उद्भव की भविष्यवाणी की है जिसमें निम्नलिखित खिलाड़ी शामिल होंगे:
और कंसल्टेंसी के अनुसार, जो कंपनियां अभी भी एआई को अपने संचालन का हिस्सा बनाने से इंकार कर देंगी, वे बाकी पारिस्थितिकी तंत्र के लिए "अनुबंध निर्माताओं" में बदल जाएंगी। इसलिए, यदि आपने अभी तक एआई के साथ अपनी व्यावसायिक प्रक्रियाओं को बढ़ाने पर विचार नहीं किया है, तो यह तकनीक के साथ प्रयोग करने का एक अच्छा समय लगता है।
क्या आप दवा विकास और नैदानिक परीक्षण संगठन पर समय और पैसा बचाना चाहते हैं? हमें एक लाइन ड्रॉप करें ! हम आपको एआई मॉडल बनाने और प्रशिक्षित करने में मदद करेंगे और उन्हें आपके सिस्टम में समेकित रूप से एकीकृत करेंगे।