एआई और न्यू अफ्रीका (भाग IV): अफ्रीका में एआई लागू करना

पिछले हफ्ते, हमने हेल्थकेयर पर ध्यान देने के साथ एआई के कुछ ठोस अनुप्रयोगों पर चर्चा करने का प्रस्ताव दिया। संक्षेप में, सच्चा AI तब होता है जब एक सिस्टम वैध सिफारिशों और सुझावों को बनाते समय डेटा के विस्तृत सेट से समझ और सीख सकता है। ध्यान देने योग्य बात यह है कि शब्द "डेटा" है जो जानकारी है या, विशिष्ट, डिजिटल रूप से उपलब्ध जानकारी है। AI मशीन को प्रशिक्षित करने के लिए डेटा की उपलब्धता पर बहुत कुछ निर्भर करता है जैसे कि मनुष्य डेटा लेने और उसका विश्लेषण करके सीखता है। यहां एक बुनियादी स्तर पर अंतर, त्वरित गति से बहुत कम अवधि में बड़ी मात्रा में डेटा के साथ सीखने वाली मशीनों का विचार है। इसलिए यह उस दर को तेज करने और अनुकूलित करने की कोशिश कर रहा है जिस पर मशीनें डेटा में ले जाती हैं, डेटा का विश्लेषण करती हैं और डेटा से सीखती हैं ताकि ज़रूरत पड़ने पर अधिक सटीक और वैध सिफारिशें और सुझाव दिए जा सकें।

हम इंटरनेट और मोबाइल संचार प्रौद्योगिकियों की तुलना में अधिक परिमाण की एक तकनीकी क्रांति के भोर में हैं। हाल के दिनों में, एआई में एक अविश्वसनीय नए सीमा की घोषणा के बिना शायद ही कोई दिन जाता है। हालांकि, एआई के आसपास का अधिकांश वर्तमान प्रचार गहरी सीखने (डीएल) नामक तकनीक के कारण है। एआई, विशेष रूप से डीएल, ने जीवन के कई उद्योगों और पहलुओं में संचार से लेकर परिवहन तक, ग्राहक सेवा से लेकर वित्त तक और विनिर्माण से लेकर स्वास्थ्य सेवा और उससे परे तक का उपयोग किया है। कुल मिलाकर एआई में संभावित रूप से विघटनकारी अनुप्रयोग हो सकते हैं, और वैश्विक अर्थव्यवस्था के मौजूदा वास्तुशिल्प आदेश के लिए निहितार्थ और अफ्रीका जैसी जगहों के साथ-साथ आवश्यक आदानों का लाभ उठाने के लिए तैयार होना चाहिए।

हेल्थकेयर में ए.आई.

जैसा कि हमने हाल ही में एक पोस्ट में बताया कि एआई अफ्रीका में फार्मा को बदलने में कैसे मदद कर सकता है, एआई अनुप्रयोगों का उपयोग निदान, सर्जरी, रोगी निगरानी और निश्चित रूप से दवा विकास और वितरण और कई स्वास्थ्य सेवाओं में किया जा रहा है। मौलिक स्तर पर, इसे जीवन विज्ञान में बड़े डेटा की शक्ति का दोहन करने के रूप में वर्णित किया जा सकता है जिसमें भारी मात्रा में प्रसंस्करण और स्वास्थ्य या जैविक डेटा की किस्मों को तेजी से दर पर प्रदर्शित करना शामिल है।

वर्तमान में, यह कई स्वास्थ्य सेवा क्षेत्रों में एक बढ़ती हुई प्रवृत्ति है जहां डेटा की एक बड़ी मात्रा है जैसे लैब डेटा, बीमा डेटा, रोगी रिकॉर्ड, अनुसंधान डेटा और यहां तक ​​कि सोशल मीडिया डेटा। हाल ही की एक रिपोर्ट में, सीबी इनसाइट्स ने 100 से अधिक सम्मानित कंपनियों की पहचान की, जो स्वास्थ्य देखभाल के विभिन्न पहलुओं जैसे मशीन ड्रग एल्गोरिदम और भविष्य कहनेवाला विश्लेषण को लागू कर रही हैं, जैसे कि दवा की खोज के समय को कम करना, रोगियों को आभासी सहायता प्रदान करना और चिकित्सा छवियों को संसाधित करके अन्य बीमारियों का निदान करना। ।

कई प्रमुख चिकित्सा और दवा कंपनियां पहले से ही महान परिणामों के साथ कृत्रिम बुद्धि की शक्ति का उपयोग कर रही हैं। उदाहरण के लिए, जॉनसन एंड जॉनसन के सेडासिस सिस्टम को स्वचालित रूप से कॉलोनोस्कोपी जैसी मानक प्रक्रियाओं के लिए संज्ञाहरण देने के लिए एफडीए की मंजूरी मिली है। एक डॉक्टर एक बार में कई मशीनों की देखरेख करता है, जिससे लागत एक समर्पित मानव संज्ञाहरण विशेषज्ञ से बहुत कम हो जाती है। इनसिलिको मेडिसिन ने परीक्षण प्रक्रिया में प्रवेश करने से पहले नई दवाओं के चिकित्सीय उपयोग की भविष्यवाणी करने के लिए अपने एआई सिस्टम को सिखाया है। रोग के निदान के लिए परीक्षण और अनुमोदन के विभिन्न चरणों में कई रोबोट भी हैं।

स्वास्थ्य सेवा संगठन तेजी से स्वास्थ्य सेवा अभ्यास और अनुसंधान की गति बढ़ाने के लिए बड़े डेटा प्लेटफॉर्म विकसित करके निदान प्रक्रिया को स्वचालित करने का प्रयास कर रहे हैं। कुछ मामलों में, जैसे कि आईबीएम के वाटसन के साथ, इन मशीनों में मानव डॉक्टरों की तुलना में निदान के लिए उच्च सटीकता दर है। इन हेल्थकेयर प्रक्रियाओं में से कुछ में एआई और बिग-डेटा का अनुप्रयोग सिस्टम को जटिल पैटर्न की निगरानी करने में सक्षम बनाता है, जिससे बीमारियों की पहचान करने और उचित निदान करने की क्षमता में वृद्धि होती है। उदाहरण के लिए, अल्ट्रासाउंड, अब बेहतर सटीकता और सटीकता प्राप्त करने के लिए एआई और क्लाउड-आधारित प्रणालियों के साथ-साथ 3 डी इमेजिंग तकनीक का उपयोग करता है। फ्रॉस्ट एंड सुलिवन के एक विश्लेषक हरप्रीत सिंह बुट्टर के अनुसार, "2025 तक, एआई सिस्टम आबादी के स्वास्थ्य प्रबंधन से लेकर डिजिटल अवतार तक हर चीज में शामिल हो सकता है, जो विशिष्ट रोगी प्रश्नों का उत्तर देने में सक्षम है।"

अब हम वर्चुअल फॉलो-अप के अधिक हो रहे हैं। इसका मतलब है कि क्लिनिकल स्टाफ को अब इतनी समय अनुवर्ती प्रक्रियाओं को समर्पित नहीं करना होगा। ऐसा इसलिए है क्योंकि मरीजों के पास अब डिजिटल तरीकों और उपकरणों जैसे डिजिटल ऐप और अन्य AI प्रक्रियाओं के माध्यम से अनुसरण करने का विकल्प है। इसके अलावा अब ऐसे स्मार्ट रोबोट ऐप हैं जो अक्सर पूछे जाने वाले प्रश्नों का उत्तर दे सकते हैं और मरीजों के स्वास्थ्य को ट्रैक कर सकते हैं और साथ ही साथ कुछ ऐसे ऐप भी पेश करेंगे जो मरीजों को उनके वर्तमान निदान और पिछले मेडिकल रिपोर्ट के आधार पर सिफारिशें देते हैं। कोई आश्चर्य नहीं कि मरीजों की बढ़ती संख्या को डिजिटल होने के लिए प्रोत्साहित किया जाता है।

इसके अलावा, अन्य सभी हेल्थकेयर टेक टूल्स (पुराने और नए दोनों) जो हेल्थकेयर को डिजिटल बनाने में मदद करते हैं; डायग्नॉस्टिक्स, टेलीमेडिसिन, ईएमआर, नेटवर्क वाले ईएमआर (इंट्रानेट या इंटरनेट), कंप्यूटर से जुड़े उपकरण, ड्रग रिमाइंडर, ड्रग सेल्फी वगैरह अब एआई या इंटेलीजेंट प्रोग्राम बना सकते हैं। परिणामस्वरूप, ये उपकरण अचानक स्मार्ट हो जाते हैं, डेटा से सीखते हैं और हमें अधिक समझदारी से काम करने में मदद करते हैं।

कोर में, AI स्वास्थ्य देखभाल की जानकारी की पहुंच, प्रासंगिकता और कार्रवाई की सुविधा प्रदान करता है। हेल्थकेयर में दवा उद्योग में एआई के एक महत्वपूर्ण अनुप्रयोग पर थोड़ा और अधिक गहराई से देखें, सहायक होगा।

अफ्रीका के लिए नई सुबह; ग्लोबल फार्मा हब में तब्दील हो रहा है

हमने हालिया पोस्ट में इनमें से कुछ पर विस्तार से चर्चा की है। फार्मा के भविष्य के बारे में चर्चा करते हुए, डॉ। बर्टलान मेस्को का कहना है कि “सुपर कंप्यूटर की शक्ति का उपयोग करके कृत्रिम बुद्धिमत्ता के साथ चिकित्सा निर्णय हर रोज़ दवा को बदल देगा। न केवल जीनोमिक अनुसंधान में बल्कि जैव प्रौद्योगिकी में भी बड़े डेटा का विश्लेषण करने के लिए आईबीएम वॉटसन जैसे संज्ञानात्मक कंप्यूटरों का उपयोग कई तरीकों से किया गया है। यह नई दवाओं के मिलने के तरीके को भी आकार देगा। यह मानव शरीर विज्ञान के विस्तृत अनुकरण के माध्यम से मानव प्रयोग के अंत तक ले जा सकता है। हमारा युग, वास्तविक लोगों पर दवाओं के परीक्षण के साथ, भविष्य के लोगों के लिए बर्बर लगेगा। क्या होगा अगर सुपरकंप्यूटर अरबों सिमुलेशन पर हजारों ड्रग लक्ष्यों को मानव शरीर के शरीर विज्ञान को सेकंडों में परख सकता है? फार्मा को अपने लाभ के लिए इस तरह के शोध का समर्थन करना चाहिए। ”

जैसा कि हम पहले से ही जानते हैं और इस बिंदु पर खुद को याद दिलाना अच्छा है कि एआई और अन्य तकनीकी प्रगति मूलभूत रूप से सिर्फ "उपकरण," उपकरण हैं जो समस्याओं को हल करने और चीजों को बेहतर बनाने के लिए हैं। तो सवाल यह है: क्या फार्मा में कोई समस्या है जिसे संबोधित करने की आवश्यकता है? क्या फार्मा प्रक्रियाएं हैं जिन्हें सुधारने, बढ़ाने और बेहतर बनाने की आवश्यकता है? अच्छी तरह से फार्मा के करीब कोई भी जानता है कि वास्तविक दवा की खोज और विकास से वास्तविक वितरण तक सुधार के योग्य समाधानों और प्रक्रियाओं की तलाश में लंबे समय से समस्याएं हैं।

दवा की खोज में एआई का एक विशिष्ट अनुप्रयोग है। प्रकृति में और फार्मास्युटिकल कंपनियों में बड़ी मात्रा में अणु और यौगिक होते हैं जो विशिष्ट बीमारियों से निपटने और स्वास्थ्य में सुधार करने के लिए उपयुक्त समाधान हो सकते हैं, लेकिन चुनौती उन्हें इस तरह से पहचानने में निहित है; संभावित चिकित्सीय संस्थाओं के रूप में। नशीली दवाओं की खोज और विकास न केवल सबसे प्रमुख चुनौती है, बल्कि स्वास्थ्य सेवा में सुधार के लिए सबसे महत्वपूर्ण अवसर है। एक नई दवा की खोज बहुत मांग और लागत निषेधात्मक हो सकती है। यह पर्याप्त वित्तीय और बौद्धिक मांगों के साथ ज्यादा समय लेता है। बुनियादी स्तर पर, ये आमतौर पर यह सुनिश्चित करने के लिए आवश्यक आवश्यक प्रक्रियाओं के कारण होते हैं कि हमारे पास ऐसी दवाएं हैं जो उपयोग के लिए प्रभावी और सुरक्षित हैं। औसतन, दवाइयाँ उपलब्ध कराने से लेकर प्रशासन तक की प्रक्रियाओं में शामिल दवा कंपनियों की कीमत 2.6 बिलियन डॉलर तक हो सकती है और इसे पूरा होने में लगभग 12 से 14 साल लग सकते हैं। इसके कारण, फार्मा में AI के दीर्घकालिक अनुप्रयोगों के लिए अग्रणी कम समय को कम करने की ओर अधिक है और इसलिए दवा विकास की लागत। यह न केवल निवेश पर रिटर्न बढ़ाएगा और उपयोगकर्ताओं के लिए लागत को कम करेगा बल्कि उपयोगी उत्पादों को तेजी से उपलब्ध कराने में सहायक होगा, खासकर जहां यह सबसे ज्यादा मायने रखता है।

आमतौर पर, हजारों अणुओं को आम तौर पर अध्ययन किया जाता है और बहुत सारी प्रक्रियाओं से गुजरता है और जिसमें से केवल एक मुट्ठी भर नैदानिक ​​परीक्षण हो सकता है, शायद दो से कोई भी अनुमोदित नहीं किया जा सकता है क्योंकि औसतन लगभग दस हजार अणुओं से बाहर दवा का अध्ययन किया जाता है। फिर सवाल ये हैं कि क्या कोई ऐसा तरीका है जिससे एआई जल्दी से दवा डेवलपर्स को अणुओं को विफल करने के लिए कई संसाधनों को बर्बाद करने से बचने में मदद कर सकता है? क्या फार्मास्युटिकल डेवलपर्स केवल कुछ मुट्ठी भर सबसे शक्तिशाली अणुओं पर ध्यान केंद्रित कर सकते हैं, जो अपने विशिष्ट उद्देश्यों के लिए उपयुक्त और अनुमोदित हो सकते हैं? नतीजा, खर्च किए गए संसाधनों में भारी कटौती होगी, दवा की खोज प्रक्रिया में तेजी आएगी और यह सुनिश्चित होगा कि बेहतर गुणवत्ता वाली दवाओं की खोज की जाए। खैर, यह पता चला कि एआई मददगार हो सकता है और एआई, जैसा कि हम स्वीकार करते हैं, वर्तमान में दवा खोज प्रक्रिया के लगभग हर पहलू में आवेदन पा रहा है।

एआई केंद्रित कंपनियों में से एक मुट्ठी भर, जिनमें शामिल हैं, इनसिलिको मेडिसिन, एटमवाइज, न्यूमरेट और अन्य लोग बहुत काम कर रहे हैं और फार्मा क्लीनिकल को बेहतर बनाने में मदद करने के लिए बड़े क्लिनिकल और मेडिकल डेटा की प्रोसेसिंग कर रहे हैं। फ्रॉस्ट एंड सुलिवन सहित कई ने हाल ही में इनसिलिको मेडिसिन के प्रयास को मान्यता दी है। यहां तक ​​कि प्रगति की वर्तमान दर (और गति तेज हो रही है) के साथ, अगले कुछ वर्षों के भीतर बोर्ड द्वारा चिकित्सा उपचार की लागत में आधे से भी कमी होगी।

अफ्रीका में कुछ लोगों के बीच उच्च और निम्न दोनों स्थानों में यह आवर्ती विषय रहा है। उनका मत है कि अफ्रीका से वैश्विक स्तर पर फार्मास्युटिकल रिसर्च करना, ड्रग्स विकसित करना और फार्मा में अधिक मूल योगदान देना असंभव है। इनमें से कई लोग आमतौर पर दवा अनुसंधान और विकास की निषेधात्मक और बढ़ती लागत का हवाला देते हैं क्योंकि फार्मा में रुचि रखने वाले कई अफ्रीकी संगठन बर्दाश्त नहीं कर सकते। उनके लिए, अफ्रीकी संस्थान अल्पविकसित अनुसंधान प्रयासों के लिए बाध्य हैं जो ज्यादातर अलमारियों के लिए बाध्य हैं। कई लोग इसे पूरी तरह से अस्वीकार्य मानते हैं। तकनीक विशेष रूप से एआई में अग्रिमों की सहायता के साथ शुक्र है कि अब कोई कारण नहीं है कि अफ्रीका में वैज्ञानिक और डेवलपर्स बेहतर दवा खोज परिणामों को प्राप्त करने के लिए अधिक उत्पादक और अभिनव नहीं हो सकते हैं। इससे फार्मा और हेल्थकेयर कुल मिलाकर बदल जाएंगे।

लेखक के बारे में

ईरानीस ओग ने इंसिलिको मेडिसिन, इंक में हेल्थकेयर इनिशिएटिव के लिए अफ्रीका आर्टिफिशियल इंटेलिजेंस और ब्लॉकचेन का निर्देशन किया है। तकनीकी विकास के अलावा, वह न्यूरोरेनेररेशन पर ध्यान केंद्रित करते हुए अपने शोध प्रयासों के साथ दीर्घायु और एजिंग इंटरवेंशन पर काम करते हैं। वह समान रूप से Longenesis.com में विकास टीम के साथ काम करते हैं और ग्रीनविच विश्वविद्यालय में फार्मास्युटिकल साइंसेज में एक पृष्ठभूमि भी है, जहां उनका शोध नियंत्रित-रिलीज़ खुराक रूपों पर केंद्रित है।