നിർമ്മിത ബുദ്ധി: ആരോഗ്യ ഗവേഷണ രംഗത്ത് പുതിയ വിപ്ലവം

ഒരു രോഗത്തിന് മരുന്ന് കണ്ടെത്താൻ വർഷങ്ങൾ നീളുന്ന ഗവേഷണങ്ങൾ വേണം. ലക്ഷക്കണക്കിന് ആളുകളുടെ ആരോഗ്യ വിവരങ്ങൾ ശേഖരിച്ച്, അത് തരംതിരിച്ച്, വിശകലനം ചെയ്ത് ഒരു നിഗമനത്തിലെത്തുക എന്നത് മനുഷ്യന് വലിയ വെല്ലുവിളിയാണ്. എന്നാൽ, ഈ രംഗത്ത് ഒരു വിപ്ലവം സൃഷ്ടിക്കാൻ പുതിയ സാങ്കേതികവിദ്യക്ക് കഴിയുമെന്ന സൂചനകളാണ് ഇപ്പോൾ പുറത്തുവരുന്നത്. ശാസ്ത്രലോകത്ത് അതിവേഗം ചർച്ചയായിക്കൊണ്ടിരിക്കുന്ന നിർമ്മിത ബുദ്ധി (Artificial Intelligence) ആണ് ഈ മാറ്റത്തിന് ചുക്കാൻ പിടിക്കുന്നത്.

അമേരിക്കയിലെ യൂണിവേഴ്സിറ്റി ഓഫ് കാലിഫോർണിയയും വെയ്ൻ സ്റ്റേറ്റ് യൂണിവേഴ്സിറ്റിയും സംയുക്തമായി നടത്തിയ ഒരു പഠനം ഈ രംഗത്ത് വലിയ ചലനങ്ങളാണ് സൃഷ്ടിച്ചിരിക്കുന്നത്. മാസങ്ങൾ എടുത്ത് വിദഗ്ദ്ധരായ ഗവേഷകർ വിശകലനം ചെയ്ത സങ്കീർണ്ണമായ മെഡിക്കൽ ഡാറ്റ, ജനറേറ്റീവ് എഐ സംവിധാനങ്ങൾ ഉപയോഗിച്ച് അതിലും കുറഞ്ഞ സമയത്തിനുള്ളിൽ, ചിലപ്പോൾ കൂടുതൽ മികച്ച രീതിയിൽ പൂർത്തിയാക്കാൻ സാധിച്ചുവെന്നാണ് പഠനം തെളിയിക്കുന്നത്. ഇത് ആരോഗ്യ ഗവേഷണത്തിന്റെ വേഗത പതിന്മടങ്ങ് വർദ്ധിപ്പിക്കാൻ സഹായിച്ചേക്കാം.

മനുഷ്യനും യന്ത്രവും തമ്മിലൊരു മത്സരം

ഈ പഠനം ഒരു സാധാരണ ഗവേഷണമായിരുന്നില്ല. മനുഷ്യന്റെ കഴിവും നിർമ്മിത ബുദ്ധിയുടെ വേഗതയും തമ്മിലുള്ള ഒരു നേരിട്ടുള്ള താരതമ്യമായിരുന്നു അത്. ആയിരത്തിലധികം ഗർഭിണികളുടെ ആരോഗ്യ വിവരങ്ങൾ അടങ്ങിയ ഒരു വലിയ ഡാറ്റാസെറ്റ് രണ്ട് ടീമുകൾക്ക് നൽകി. മാസം തികയാതെയുള്ള പ്രസവത്തിനുള്ള (Preterm Birth) സാധ്യത പ്രവചിക്കുക എന്നതായിരുന്നു ലക്ഷ്യം.

ഒരു ടീമിൽ വർഷങ്ങളുടെ അനുഭവപരിചയമുള്ള ശാസ്ത്രജ്ഞരും ഡാറ്റാ അനലിസ്റ്റുകളും മാത്രമായിരുന്നു. അവർ പരമ്പരാഗത രീതികൾ ഉപയോഗിച്ച് ഡാറ്റ വിശകലനം ചെയ്യാൻ തുടങ്ങി. രണ്ടാമത്തെ ടീമിൽ ഗവേഷകർക്കൊപ്പം ജനറേറ്റീവ് എഐ ടൂളുകളും ഉൾപ്പെടുത്തി. അതിലെ കൗതുകകരമായ വസ്തുത, ഈ എഐ ടീമിൽ ഒരു ബിരുദാനന്തര ബിരുദ വിദ്യാർത്ഥിയും ഒരു ഹൈസ്കൂൾ വിദ്യാർത്ഥിയും ചേർന്നുള്ള ജൂനിയർ ജോഡി പോലും ഉണ്ടായിരുന്നു എന്നതാണ്.

ഫലം അതിശയകരമായിരുന്നു. പരിചയസമ്പന്നരായ പ്രോഗ്രാമർമാർക്ക് മണിക്കൂറുകളോ ദിവസങ്ങളോ വേണ്ടിവരുന്ന കമ്പ്യൂട്ടർ കോഡുകൾ, കൃത്യമായ നിർദ്ദേശങ്ങൾ നൽകിയപ്പോൾ എഐ മിനിറ്റുകൾക്കുള്ളിൽ തയ്യാറാക്കി നൽകി. ഈ വേഗതയുടെ പിൻബലത്തിൽ, ജൂനിയർ ഗവേഷകർക്ക് പോലും പ്രവചന മാതൃകകൾ വിജയകരമായി നിർമ്മിക്കാൻ സാധിച്ചു. മാസങ്ങൾ നീണ്ട മനുഷ്യപ്രയത്നത്തിന് തുല്യമായ ഫലം, വെറും ആഴ്ചകൾക്കുള്ളിൽ നേടാനായി.

എങ്ങനെയാണ് എഐ ഇത് സാധ്യമാക്കുന്നത്?

എന്താണ് ചെയ്യേണ്ടതെന്ന് വളരെ കൃത്യമായ നിർദ്ദേശങ്ങൾ (Prompts) നൽകിയാൽ, അതിനനുസരിച്ച് സങ്കീർണ്ണമായ അനലിറ്റിക്കൽ കോഡുകൾ സ്വയം എഴുതാനുള്ള കഴിവാണ് ജനറേറ്റീവ് എഐയുടെ പ്രധാന ശക്തി. ഡാറ്റാ വിശകലനത്തിലെ ഏറ്റവും സമയമെടുക്കുന്ന ഘട്ടങ്ങളിലൊന്ന് ഈ കോഡിംഗ് ആണ്. ഈ കടമ്പയാണ് നിർമ്മിത ബുദ്ധി എളുപ്പത്തിൽ മറികടക്കുന്നത്.

എന്നാൽ എല്ലാ എഐ ചാറ്റ്‌ബോട്ടുകളും ഒരുപോലെ മികച്ചതായിരുന്നില്ല. പരീക്ഷണത്തിൽ ഉപയോഗിച്ച എട്ടെണ്ണത്തിൽ നാലെണ്ണത്തിന് മാത്രമേ ഉപയോഗപ്രദമായ കോഡ് നൽകാൻ സാധിച്ചുള്ളൂ. ഇത് ഈ സാങ്കേതികവിദ്യ ഇനിയും മെച്ചപ്പെടാനുണ്ടെന്ന സൂചന നൽകുന്നു. എങ്കിലും, വിജയിച്ച സിസ്റ്റങ്ങൾക്ക് വലിയൊരു വിദഗ്ദ്ധ സംഘത്തിന്റെ സഹായമില്ലാതെ തന്നെ മികച്ച പ്രകടനം കാഴ്ചവെക്കാൻ കഴിഞ്ഞു എന്നത് ശ്രദ്ധേയമാണ്.

മാസം തികയാതെയുള്ള പ്രസവം: ഗവേഷണം നിർണ്ണായകം

എന്തിനാണ് ഈ ഗവേഷണത്തിൽ മാസം തികയാതെയുള്ള പ്രസവം എന്ന വിഷയത്തിന് ഇത്ര പ്രാധാന്യം നൽകിയത്? അതിന് വ്യക്തമായ കാരണങ്ങളുണ്ട്. നവജാത ശിശുക്കളുടെ മരണത്തിനുള്ള പ്രധാന കാരണങ്ങളിലൊന്നാണിത്. കൂടാതെ, അതിജീവിക്കുന്ന കുട്ടികളിൽ പലർക്കും ഭാവിയിൽ ശാരീരികവും വൈജ്ഞാനികവുമായ വെല്ലുവിളികൾ നേരിടേണ്ടി വരുന്നു.

മാസം തികയാതെയുള്ള പ്രസവത്തിന് പിന്നിലെ യഥാർത്ഥ കാരണങ്ങൾ പൂർണ്ണമായി കണ്ടെത്താൻ ശാസ്ത്രലോകത്തിന് ഇന്നും കഴിഞ്ഞിട്ടില്ല. ഇതിലേക്ക് വെളിച്ചം വീശാനാണ് ഒമ്പത് വ്യത്യസ്ത പഠനങ്ങളിൽ പങ്കെടുത്ത ഏകദേശം 1200 ഗർഭിണികളുടെ മൈക്രോബയോം (Microbiome) ഡാറ്റ ഗവേഷകർ ശേഖരിച്ചത്. ഇത്രയും വലിയ ഡാറ്റ വിശകലനം ചെയ്യുക എന്നത് ഒരു വലിയ വെല്ലുവിളിയായിരുന്നു.

• ഡാറ്റയുടെ സങ്കീർണ്ണത: ആയിരക്കണക്കിന് സൂക്ഷ്മാണുക്കളുടെ വിവരങ്ങൾ ഓരോ വ്യക്തിയിൽ നിന്നും ശേഖരിച്ചിരുന്നു.
• സമയക്കുറവ്: പരമ്പരാഗത രീതിയിൽ ഈ ഡാറ്റ അപഗ്രഥിക്കാൻ വർഷങ്ങൾ വേണ്ടിവന്നേക്കാം.
• വിദഗ്ദ്ധരുടെ ആവശ്യകത: ഡാറ്റാ സയൻസിലും മെഡിസിനിലും ഒരുപോലെ വൈദഗ്ധ്യമുള്ള വലിയ സംഘം ആവശ്യമാണ്.

ഇവിടെയാണ് നിർമ്മിത ബുദ്ധി ഒരു രക്ഷകനായി അവതരിക്കുന്നത്. ഡാറ്റാ വിശകലനത്തിന്റെ വേഗത കൂട്ടുന്നതിലൂടെ, രോഗനിർണ്ണയത്തിനുള്ള പുതിയ മാർഗ്ഗങ്ങൾ വേഗത്തിൽ കണ്ടെത്താനും പ്രതിവിധികൾ വികസിപ്പിക്കാനും സാധിക്കും.

ഗവേഷണത്തിലെ പുതിയ കുതിച്ചുചാട്ടം

“ഡാറ്റാ സയൻസിലെ ഏറ്റവും വലിയ തടസ്സങ്ങളിലൊന്ന് വിശകലനത്തിനുള്ള വഴികൾ (Analysis Pipelines) നിർമ്മിക്കുന്നതാണ്. ഈ തടസ്സം നീക്കാൻ എഐ ടൂളുകൾക്ക് കഴിയും,” പഠനത്തിന് നേതൃത്വം നൽകിയ പ്രൊഫസർ മറീന സിറോട്ട പറയുന്നു. “സഹായം ആവശ്യമുള്ള രോഗികളെ സംബന്ധിച്ചിടത്തോളം ഈ വേഗത എത്രയും പെട്ടെന്ന് വരേണ്ട ഒന്നാണ്,” അവർ കൂട്ടിച്ചേർത്തു.

ഈ പഠനം സാധ്യമായത് ഓപ്പൺ ഡാറ്റാ ഷെയറിംഗ് എന്ന ആശയത്തിലൂടെയാണ്. ലോകമെമ്പാടുമുള്ള നൂറിലധികം ടീമുകൾ പങ്കെടുത്ത ഒരു മത്സരത്തിന്റെ ഭാഗമായാണ് ഈ ഗവേഷണം നടന്നത്. പല സ്ത്രീകളുടെ ആരോഗ്യ വിവരങ്ങളും പല ഗവേഷകരുടെ വൈദഗ്ധ്യവും ഒരുമിപ്പിച്ചതുകൊണ്ടാണ് ഇങ്ങനെയൊരു മുന്നേറ്റം സാധ്യമായത്.

ഇത് ഒരു തുടക്കം മാത്രമാണ്. ലൈംഗിക ആരോഗ്യം (Sexual Health), പ്രത്യുത്പാദന ആരോഗ്യം (Reproductive Health) തുടങ്ങി മനുഷ്യന്റെ ആരോഗ്യത്തെ ബാധിക്കുന്ന ഒട്ടനവധി മേഖലകളിൽ നിർമ്മിത ബുദ്ധിക്ക് വലിയ സംഭാവനകൾ നൽകാൻ കഴിയും. കാൻസർ ഗവേഷണം, ഹൃദ്രോഗ പ്രവചനം, പുതിയ മരുന്നുകളുടെ കണ്ടെത്തൽ തുടങ്ങിയ മേഖലകളിലും എഐയുടെ സാധ്യതകൾ പരീക്ഷിക്കപ്പെടുന്നുണ്ട്. ഡാറ്റയിൽ നിന്ന് കണ്ടെത്തലുകളിലേക്കുള്ള ദൂരം കുറയ്ക്കാൻ നിർമ്മിത ബുദ്ധി സഹായിക്കുമെന്നതിൽ സംശയമില്ല. മനുഷ്യന്റെ കഴിവും യന്ത്രത്തിന്റെ വേഗതയും ഒരുമിക്കുമ്പോൾ ആരോഗ്യരംഗത്ത് അത്ഭുതങ്ങൾ സംഭവിക്കുമെന്ന് നമുക്ക് പ്രത്യാശിക്കാം.