முனைவர் நடராஜன் ஸ்ரீதர்
ஆராய்ச்சி மற்றும் மேம்பாட்டுத் துறை,
MaGa Tech Gramam Pvt Ltd, சேலம், இந்தியா
natarajangravity@gmail.com
முன்னுரை
மருத்துவத்துறை மிக நெடிய வரலாறு கொண்டது. மனித இனம் தோன்றிய காலம் தொட்டு மருத்துவத்துறையானது மனிதர்களின் அறிவிற்கு ஏற்ப வளர்ந்துள்ளது. வெவ்வேறு காலகட்டங்களில் வந்த அறிஞர்கள் ஆங்காங்கே அவர்களின் அறிவின் வளர்சிக்குத் தக்க வகையில் மருத்துவ அறிவியலானது புதுமைகள் புகுத்தப்பட்டுப் வளர்ந்து வந்துள்ளது. மருத்துவ அறிவியல் துறை வேறெந்தத் துறையையும் விட அதிக கவன ஈர்ப்பைப் பெறும் துறையாகவும் மற்றும் அனைத்து அரசாங்கங்களினால் அதிகமாக செலவழிக்கப்படும் துறையாகவும் இருக்கிறது. ஆங்காங்கே கண்டுபிடிக்கப்படும் அறிவியல் கண்டுபிடிப்புகள் வேறெந்தத் துறைகளையும் விட மருத்துவ அறிவியல் துறையிலேயே அதிகமாக பயன்படுத்தப்பட்டு வருகிறது. இயற்பியல், வேதியியல் கணிதவியல் மற்றும் உயிரியல் ஆகியவற்றில் கண்டறியப்படும் புதுப்புது அறிவியல் நுட்பங்கள் மருத்துவத் துறையை மேம்படுத்தப் பெரிதும் உதவுகிறது.
செயற்கை நுண்ணறிவு
இருபதாம் நூற்றாண்டில் கண்ணிகளின் அறிமுகம் மனித இனத்திற்குப் புதிய உத்வேகத்தை அளித்துள்ளது. கணினிகளில் வரவு மனித இனத்தின் சிந்திக்கும் முறையை புரட்டிப் போட்டுள்ளது. இன்று கணினிகள் இல்லாத துறை என்பதே இல்லாத அளவிற்கு அனைத்துத் துறைகளிலும் கணினிகளின் பங்களிப்பு ஆக்கிரமித்துள்ளது. மிகச் சமீபத்திய முன்னேற்றமாக கணினி அறிவியல் துறையில் செயற்கை நுண்ணறிவு என்பது வளர்ந்து வருகிறது [1]. இத்தகைய செயற்கை நுண்ணறிவைப் பயன்படுத்தி மனிதனால் எட்ட முடியாத பல்வேறு கணித நுட்பங்கள் மற்றும் கணக்கீடுகள் ஆகியவை செய்யப்படுகின்றன. கணினிகளின் செயற்கை நுண்ணறிவு என்பது இயந்திரக் கற்றல், சுயமாகச் சிந்தித்தல், விரைந்து முடிவெடுத்தல், மற்றும் தன்னை மேம்படுத்திக் கொள்ளுதல் ஆகியவற்றை உள்ளடக்கியது. நவீன உலகத்தின் புதிய எண்ணெய் வளம் என மின்னணுத் தகவல்கள் வரையறுக்கப்படுகின்றன. இத்தகைய தகவல்களை ஒன்றிணைத்து, அவற்றில் கணக்கீடுகள் செய்து ஒரு கணினியானது கற்றுக்கொள்கிறது. இன்றைய உலகத்தில் பெருமளவு இயக்கமானது கணினித்துவம் ஆக்கபட்டதன் விளைவாகத் தகவல்கள் எங்கும் கிடைக்கின்றன. இத்தகைய தகவல்களை ஆங்காங்கே இருக்கும் கணினிகள் தொகுக்கின்றன. இத்தகவல்களைக் கணினியானது ஆய்வு செய்து, வகைப்படுத்தி அதிலிருந்து பல விஷயங்களை கற்றுக் கொள்கிறது. உதாரணமாக ஒரு கண்காணிப்புப் படமி இருப்பதாக வைத்துக் கொள்வோம் இந்த கண்காணிப்புப் படமியில் 24 மணி நேரமும் பெறக்கூடிய தகவல்களை எடுத்துக்கொண்டு ஒரு கணினியானது ஆராயும்போது, எத்தனை நபர்கள் இந்த கண்காணிப்பு படமியில் பதிவாகி உள்ளனர்? எத்தனை வாகனங்கள் பதிவாகியுள்ளன? அத்தகைய வாகனங்களில் எண்கள் என்ன என்ன? மற்றும் மனிதர்களின் முகங்கள் யாவை? ஆகியவற்றை தனது பிரித்தறியும் திறன் மூலம் ஆய்வு செய்கிறது. இவ்வாறு பெறப்பட்ட தகவல்களைத் தனது நினைவகத்தில் சேமித்து வைத்துக் கொள்கிறது. மீண்டும் அதே மனிதரோ அல்லது அதே வாகனமோ அப்பகுதியைக் கடக்கும்போது தனது நினைவகத்தில் உள்ள சேமிப்பு தகவல்களின் ஒப்பீட்டிலிருந்து மீண்டும் வரும் தகவலைக் கண்டறிந்து உறுதிப்படுத்திக் கொள்கிறது. இவ்வாறாக இந்த இயந்திரமானது கற்றுக்கொண்டு தகவல்களின் மூலம் தன்னை மேம்படுத்திக் கொள்கிறது. இச்செயல்முறை தொடர்ச்சியாக நடக்கிறது. இதை இயந்திரக் கற்றல் எனலாம். இந்த இயந்திர கற்றலை அடிப்படையாகக்கொண்டு, விரைந்து முடிவெடுக்கும் திறனானது அந்த கணினிக்குக் கைக்கூடுகிறது. உதாரணமாக விரும்பத்தகாத ஒரு நபர் வருகிறார் என்றால் அவரது முகத்தை ஆய்வு செய்து வைத்திருக்கும் கணினியிடம், அந்நபர் வரும்போது எச்சரிக்கை மணி எழுப்பும் வண்ணம் கட்டளையிட்டு வைக்கலாம். இவ்வாறான தானியங்கிக் கட்டளையானது அந்நபர் மீண்டும் அலுவலகத்திற்குள் வரும்போது இயல்பாகவே எச்சரித்து விடுகிறது. இதன் மூலம் கணினிக்கு முடிவெடுக்கும் திறனும் வந்து விடுகிறது. மேலும் இவ்வாறான செயல் முறைகள் மூலம் தனது கற்றலையும் மற்றும் முடிவெடுக்கும் திறனையும் தொடர்ச்சியாக புதுப்பித்துக் கொண்டே வருகிறது. இத்தகைய அமைப்பின் தொகுப்பு செயற்கை நுண்ணறிவு என வழங்கப்படுகிறது. இதேபோன்ற செயல்முறையையானது பல்வேறு இடங்களில், பல்வேறு பயன்பாடுகளில் வழங்கப்பட்டு வருகிறது.
தானியங்கிச் சிற்றுந்துகள்
தானியங்கி சிற்றுந்துகளில் [2] சோதனை ரீதியிலும் மற்றும் வர்த்தக ரீதியிலும் இத்தகைய செயற்கை நுண்ணறிவானது பயன்பாட்டில் இருக்கிறது. இத்தகைய சிற்றுந்துகள் செயற்கைக்கோள்களை அடிப்படையாகக் கொண்ட இருப்பிடக் கருவிகள் மூலம் தமது இருப்பிடத்தை அறிந்து கொள்கிறது. மேலும் புறப்படும் இடம் மற்றும் சென்று சேரும் இடம் ஆகியவற்றை முன் அறிவித்தலின் மூலம் உணர்ந்து கொண்டு இத்தகைய சிற்றுந்துகள் சாலைகளில் இயங்குகின்றன. மேலும் அவை சாலைகளில் செல்லும்போது சாலைகளில் உள்ள பிரிப்புக்கோடுகளைக் கண்டறிந்து அவற்றின் ஊடாகப் பயணம் செய்கின்றன. சாலைகளில் உள்ள எச்சரிக்கைப் பலகைகளையும் இவை கணித்துக் கொள்கின்றன. சாலைகளின் சந்திப்புகளில் உள்ள நிறுத்தங்களில் விளக்குகளின் வண்ணங்களை இத்தகைய சிற்றுந்துகள் புரிந்து கொள்கின்றன. சிவப்பு, மஞ்சள், பச்சை ஆகிய வண்ணங்களுக்கு ஏற்பத் தமது இயக்கத்தை மாற்றிக் கொள்கின்றன. இவை அனைத்திற்கும் முத்தாய்ப்பாய்ச் செயற்கை நுண்ணறிவின் மூலம் இயங்கும் இவ்வகையான சிற்றுந்துகள் இயக்கத்தில் உள்ள போது ஏதாவது வாகனமுமோ, விலங்குகளோ குறுக்கே வந்து விட்டால் மிகக் குறுகிய நேரத்தில் முடிவெடுத்து வாகனத்தை நிறுத்தி விடுகின்றன. அல்லது மாற்றுப்பாதையில் திரும்பி விடுகின்றன. இத்தகைய செயல்முறைகள் தொடர்ச்சியாக நடக்கும் போது ஒரு பாதையில் உள்ள வாகனங்களின் ஓட்டம், பாதையில் உள்ள மேடு பள்ளங்கள் மற்றும் நிறுத்தற்குறியீடுகள் ஆகியவற்றை இத்தகைய செயற்கை நுண்ணறிவுச் சிற்றுந்து கற்றுக்கொண்டு, மிக விரைவாக அந்த பாதைக்குத் தன்னைப் பழக்கப்படுத்திக் கொள்கிறது. எதிர்காலத்தில் மனிதர்களை விட மிகவும் திறம்பட இத்தகைய சிற்றுந்துகள் இயங்கும் எனவும், மேலும் எதிர்காலத்தில் சாலை விபத்துகள் மிக மிகக் குறைந்த எண்ணிக்கையிலேயே நிகழக்கூடிய காலகட்டமும் வரும் என்று செயற்கை நுண்ணறிவு விஞ்ஞானிகள் கூறுகின்றனர்.
மருத்துவத்துறையில் செயற்கை நுண்ணறிவு
மருத்துவத் துறையிலும் இத்தகைய செயற்கை நுண்ணறிவைப் பயன்படுத்த முடியும் என்ற விஞ்ஞானிகளின் கருத்து வலுப்பெற்று வருகிறது. மருத்துவத் துறையின் எதிர்காலம் பெரும்பாலும் செயற்கை நுண்ணறிவின் காலமாகவே இருக்கும் என மருத்துவர்கள் கணித்துள்ளனர் [3]. இது கீழ்க்காணும் பல்வேறு வழிகளில் நடைமுறைக்கு வர வாய்ப்புள்ளது.
தனித்த மருத்துவ வரலாறு
இத்தகைய முறையில் ஒரு குழந்தை பிறக்கும் போது அக் குழந்தையைப் பற்றிய விரிவான தகவல்களான பிறப்பு விவரங்கள், மரபியல் தகவல்கள், ஆரம்பகாலத் தடுப்பூசிகள், உடல் எடை மற்றும் உயரம் போன்ற அடிப்படை அளவீடுகள் ஒரு பொதுவான, பாதுகாப்பான, மறைகுறியாக்கம் செய்யப்பட்ட (encrypted) கணினித் தரவுத்தளத்தில் தொகுத்து வைக்கப்படும். இந்தத் தரவுத்தளம் உலகளாவிய அல்லது பிராந்திய அளவிலான சுகாதார அமைப்புகளால் நிர்வகிக்கப்படலாம் [4]. எவ்வாறாக ஒரு குழந்தை பிறந்தவுடன் ஆதார் எண் போன்ற தேசிய அடையாள எண் கட்டாயமாக்கப்படுகிறதோ, அது போன்றே உலகளாவிய அல்லது தேசிய அளவிலான தனித்துவமான மருத்துவ அடையாள எண்ணும் எதிர்காலத்தில் கட்டாயமாக்கப்படலாம். இந்த எண், ஒரு தனிநபரின் வாழ்நாள் முழுவதும் அவர்களின் மருத்துவத் தகவல்களைப் பாதுகாப்பாக அணுகவும், பகிரவும் உதவும் ஒரு திறவுகோலாகச் செயல்படக் கூடும். இதன் மூலம் அக் குழந்தை வளர்ந்து பெரியவனான பிறகு, உலகின் எந்த மூலையில் இருந்தாலும், ஏதாவது ஒரு மருத்துவ ரீதியிலான சிக்கல் ஏற்பட்டால், அவர்களின் மருத்துவ வரலாற்றை உடனடியாக அணுகி, அந்தக் குழந்தையைக் கண்காணிப்பதும், சிகிச்சையளிப்பதும் எளிதாகிவிடும் என விஞ்ஞானிகள் தெரிவிக்கின்றனர். இந்த பொதுக் கணினியில் தொகுக்கப்பட்ட தகவல்கள், அவ்வப்போது அந்தக் குழந்தை ஏதாவது ஒரு உள்ளூர் கிளினிக் முதல் சிறப்பு மருத்துவமனை வரை எங்கு சென்று காய்ச்சலுக்கு மருந்து எடுத்துக்கொண்டால் கூட, தானியங்கி முறையில் புதுப்பிக்கப்படும். எந்தத் தேதியில் இந்தக் குழந்தைக்குக் காய்ச்சல் வந்தது? உடல் வெப்பம் எவ்வளவு இருந்தது? என்ன அறிகுறிகள் தென்பட்டன? எந்த மருத்துவர் இந்தக் குழந்தைக்கு மருத்துவம் பார்த்தது? அவரது சிறப்பு என்ன? மருத்துவமனையின் பெயர் மற்றும் முகவரி என்ன? மற்றும் எத்தகைய மருந்துகள் (பெயர், அளவு, உட்கொள்ளும் முறை) இந்தக் காய்ச்சலுக்குக் கொடுக்கப்பட்டது? மருந்தின் பக்க விளைவுகள் ஏதும் இருந்ததா? ஆகிய தகவல்கள் இந்த பொதுக் கணினியில் பாதுகாப்பாக ஏற்றம் செய்யப்பட்டுத் தகவல் புதுப்பிக்கப்படும். மேலும், பிற்காலத்தில் இந்தக் குழந்தை வேறு ஏதாவது உடலியல் உபாதைகளுக்காகவோ, ஒவ்வாமை, விபத்துக் காயங்கள், நாள்பட்ட நோய்கள் காரணமாகவோ மருத்துவத்திற்குச் சென்றாலும் அல்லது மனநல ஆலோசனை பெற முயன்றாலும், இத்தகைய கணினியில் உள்ள தகவல்கள் முழுமையாகத் தொகுக்கப்பட்டு, அந்தக் குழந்தையைப் பற்றிய முழு மருத்துவ வரலாறான முந்தைய நோய்கள், சிகிச்சைகள், ஒவ்வாமைகள், எடுத்துக்கொள்ளும் மருந்துகள் ஆகியவை முன்கூட்டியே மருத்துவருக்குக் கிடைத்துவிடும். இது அந்தக் குழந்தைக்கான சரியான, துல்லியமான வைத்தியத்தை உடனடியாகத் தொடங்குவதை எளிதாக்கி விடுகிறது. அவசரகால சிகிச்சைகளில், மயக்கமடைந்த நிலையில் உள்ள ஒருவரின் மருத்துவ பின்னணியை அறிய இது மிகவும் உதவும். விபத்தில் சிக்கியவர் யாரெனத் தெரியாவிட்டாலும், கைரேகை அல்லது கருவிழி ஸ்கேன் மூலம் மருத்துவ வரலாற்றை அணுகி, அவருக்கு இருக்கும் நோய்களை அறிந்து விரைந்து முடிவெடுப்பதற்கான அதிக வாய்ப்புகளை இத்தகைய தகவல்கள் தருகின்றன.
துல்லியமான நோயறிதல்
செயற்கை நுண்ணறிவானது, மேம்பட்ட பட பகுப்பாய்வு கணினி முறைகளைப் பயன்படுத்தி, மருத்துவப் படங்களை (எக்ஸ்-ரே, சிடி ஸ்கேன், எம்ஆர்ஐ, PET ஸ்கேன், அல்ட்ராசவுண்ட் ஆகியவை ) ஆய்வு செய்து, மனிதர்களால், குறிப்பாக ஆரம்ப கட்டங்களில், எளிதில் கவனிக்க முடியாத மிகச் சிறிய மாற்றங்களைக் கூட துல்லியமாகக் கண்டறியும் வண்ணம் திறன் மிக்கதாய் உருவெடுக்கும் [5] . வழமையாக, கதிரியக்கவியல் நிபுணர்கள் இந்தப் படங்களை ஆய்வு செய்து நோய்களைக் கண்டறிவார்கள். செயற்கை நுண்ணறிவு இந்த நிபுணர்களுக்கு ஒரு சக்திவாய்ந்த கருவியாகச் செயல்பட்டு, ஆயிரக்கணக்கான படங்களை நொடிகளில் பகுப்பாய்வு செய்து, நோயின் அறிகுறிகளை மிகத் துல்லியமாகக் சுட்டிக்காட்ட முடியும். உதாரணமாக, நுரையீரல் எக்ஸ்-ரேயில் உள்ள மைக்ரோ அளவிலான கட்டிகளைக் கூட செயற்கை நுண்ணறிவு கண்டறிய முடியும். புற்றுநோய்க் கட்டிகளை ஆரம்ப நிலையிலேயே கண்டறிந்து, கட்டியின் வகை, அளவு மற்றும் பரவல் போன்ற முக்கிய தகவல்களை வழங்குவதன் மூலம் சிகிச்சையை விரைவுபடுத்த முடியும். மார்பகப் புற்றுநோயைக் கண்டறியும் மேமோகிராம்களை பகுப்பாய்வு செய்வதில் செயற்கை நுண்ணறிவு மனித கதிரியக்கவியல் நிபுணர்களை விட அதிக துல்லியத்தை வெளிப்படுத்துகிறது. நீரிழிவு ரெட்டினோபதி போன்ற கண் நோய்களை ஆரம்பத்திலேயே, பார்வை இழப்பு ஏற்படுவதற்கு முன்பே கண்டறிந்து, லேசர் சிகிச்சை போன்ற முறைகள் மூலம் பார்வை இழப்பைத் தடுக்க முடியும். நரம்பியல் தொடர்பான நோய்களான அல்சைமர் அல்லது பார்கின்சன் நோயின் ஆரம்ப அறிகுறிகளை மூளை ஸ்கேன்களில் கண்டறிந்து, முன்கூட்டியே சிகிச்சை அளிக்க உதவ முடியும்.
சிகிச்சைக்கான பரிந்துரைகள்
ஒரு மருத்துவர் ஒரு குறிப்பிட்ட வகையிலான நோய்க்குத் தொடர்ச்சியாக ஒரு குறிப்பிட்ட மருந்துகளைக் கொடுக்கிறார் என்பதை கணினியானது இயந்திரக் கற்றல் மற்றும் ஆழ் கற்றல் (Deep Learning) போன்ற மேம்பட்ட நுட்பங்கள் மூலம் கற்றுக்கொள்கிறது [6]. பெரிய அளவிலான மருத்துவ தரவுத்தொகுப்புகளையம், மருத்துவ வழிகாட்டு நெறிமுறைகள், ஆராய்ச்சிக் கட்டுரைகள், மில்லியன் கணக்கான நோயாளிகளின் மருத்துவ வரலாறு ஆகியவற்றைப் பகுப்பாய்வு செய்வதன் மூலம், எந்த நோய்க்கு எந்த மருந்து மிகவும் பயனுள்ளதாக இருக்கும் என்பதைச் செயற்கை நுண்ணறிவு கற்றுக்கொள்கிறது. உதாரணமாக, ஒரு மருத்துவர் சிறுநீரகப் பிரச்சனை உள்ளவர்களுக்கு, இத்தகைய மருந்துகளை, அவற்றின் எண்ணிக்கையோ மற்றும் அளவையோ மாற்றம் செய்து கொடுக்கிறார் என்றாலும், அதனையும் அத்தகைய நோயாளியின் மருத்துவ வரலாற்றைப் படித்து, முந்தைய சிகிச்சைகள், மருந்தின் விளைவுகள் மற்றும் பக்க விளைவுகள் போன்றவற்றை ஆராய்ந்து, நோயின் தன்மையைப் புரிந்து கொண்டு, மருந்தின் அளவைக் கணினியானது கற்றுக்கொள்கிறது. இதன் மூலம் எதிர்காலத்தில் ஒவ்வொரு தனிநபரின் மருத்துவ விவரங்கள், மரபியல் காரணிகள் மற்றும் வாழ்க்கை முறை ஆகியவற்றைக் கருத்தில் கொண்டு, நோய்க்கான மிகச் சரியான மற்றும் பாதுகாப்பான மருந்தை முன்கூட்டியே பரிந்துரை செய்யும் அளவிற்குச் செயற்கை நுண்ணறிவு வளர்ந்துவிடும் வாய்ப்பு அதிகமாக உள்ளது. மேலும், ஒவ்வொரு நோயாளியின் மரபணு அமைப்பு, அவர்களின் நோய்க்கான தனிப்பட்ட மரபணு காரணிகள், வாழ்க்கை முறை (உணவுப் பழக்கம், உடற்பயிற்சி), சுற்றுச்சூழல் காரணிகள் போன்ற தனிப்பட்ட காரணிகளை ஆயிரக்கணக்கான மற்ற நோயாளிகளின் தரவுகளுடன் ஒப்பிட்டு ஆராய்ந்து, தனிப்பயனாக்கப்பட்ட, துல்லியமான சிகிச்சை முறைகளை வழங்க முடியும். புற்றுநோய் சிகிச்சையில், கீமோதெரபி மருந்துகளைத் தேர்ந்தெடுப்பதிலும், கதிர்வீச்சு சிகிச்சையின் அளவைத் தீர்மானிப்பதிலும் செயற்கை நுண்ணறிவு மருத்துவர்களுக்கு உதவ முடியும்.
மருந்து கண்டுபிடிப்பு
புதிய மருந்துகளைக் கண்டுபிடிப்பதிலும், ஏற்கனவே உள்ள மருந்துகளின் செயல்திறனை மேம்படுத்துவதிலும் செயற்கை நுண்ணறிவு முக்கிய பங்கு வகிக்கிறது [7] . வழமையான மருந்துக் கண்டுபிடிப்பு முறைகள் மிகவும் நீண்ட காலமும், அதிக செலவும் பிடிக்கும் செயல்முறையாகும். செயற்கை நுண்ணறிவு இந்த செயல்முறையை வேகப்படுத்துகிறது. பெரிய அளவிலான தரவுத்தொகுப்புகள், ஆயிரக்கணக்கான வேதியியல் கலவைகள், உயிரியல் இலக்குகள், நோய்களின் மூலக்கூறு வழிமுறைகள், மருத்துவ பரிசோதனை முடிவுகள் ஆகியவற்றைப் பகுப்பாய்வு செய்து, புதிய மருந்து மூலக்கூறுகளைக் கண்டறிவதற்கும், எந்தெந்த மூலக்கூறுகள் ஒரு குறிப்பிட்ட நோய்க்கு எதிராகச் செயல்படக்கூடும் என்பதைக் கணிப்பதற்கும், மருத்துவ பரிசோதனைகளை வடிவமைத்து விரைவுபடுத்துவதற்கும் செயற்கை நுண்ணறிவு உதவுகிறது. கொரோனா வைரஸ் போன்ற பெருந்தொற்று நோய்களுக்கு எதிரான தடுப்பூசிகள் மற்றும் மருந்துகளை விரைவாகக் கண்டுபிடிப்பதில் செயற்கை நுண்ணறிவு முக்கியப் பங்காற்றி வருகிறது.
நோய்த் தடுப்பு மற்றும் பொது சுகாதாரம்
செயற்கை நுண்ணறிவு, பெரிய அளவிலான சுகாதாரத் தரவுகளை – நோயாளிகளின் மருத்துவப் பதிவுகள், சமூக ஊடக தரவுகள், பயணத் தகவல்கள், சுற்றுச்சூழல் தரவுகள் – ஆய்வு செய்து, தொற்று நோய்கள் பரவுவதைக் கண்காணிக்கவும், எந்தெந்த பகுதிகளில் நோய்கள் பரவ வாய்ப்புள்ளது என்பதை முன்கூட்டியே கணித்து எச்சரிக்கை செய்யவும் உதவுகிறது [8] . ஒரு புதிய வைரஸ் பரவத் தொடங்கும்போதே, அதன் பரவல் வேகத்தையும், பாதிக்கப்படக்கூடிய பகுதிகளையும் செயற்கை நுண்ணறிவு மூலம் கணிக்க முடியும். பெரிய அளவிலான சுகாதாரத் தரவுகளை ஆய்வு செய்து, நோய்கள் பரவுவதற்கான காரணிகளையும், வாழ்க்கை முறை காரணிகள், சுற்றுச்சூழல் மாசுபாடு போன்ற ஆபத்து காரணிகளையும் கண்டறிய முடியும். இதன் மூலம், பொது சுகாதார அதிகாரிகள் நோய்த் தடுப்பு நடவடிக்கைகளான தடுப்பூசி முகாம்கள், விழிப்புணர்வு பிரச்சாரங்கள் ஆகியவற்றைத் திட்டமிட்டுச் செயல்படுத்த முடியும். எதிர்காலத்தில் ஏற்படக்கூடிய தொற்றுநோய் அபாயங்களை முன்கூட்டியே அறிந்து கொள்ளவும், அதற்கான தடுப்பு நடவடிக்கைகளைத் தயார் செய்யவும் செயற்கை நுண்ணறிவு உதவும்.
புதிய எல்லைகள் மற்றும் தொழில்நுட்ப முன்னேற்றங்கள்
மருத்துவத் துறையில் செயற்கை நுண்ணறிவின் பயன்பாடு தற்போதுள்ள நிலையைத் தாண்டி, கற்பனைக்கு எட்டாத பல புதிய வாய்ப்புகளையும், தொழில்நுட்பங்களையும் நோக்கி நகர்ந்து கொண்டிருக்கிறது. ஏற்கனவே நாம் விவாதித்த அம்சங்களைத் தாண்டி, எதிர்காலத்தில் செயற்கை நுண்ணறிவு மருத்துவத் துறையில் மேலும் புரட்சிகரமான மாற்றங்களை ஏற்படுத்தும் சில முக்கிய வழிகளானவை இங்கே விவரிக்கப்படுகிறது.
திரவ உயிர்மருத்துவம் (Liquid Biopsy)
செயற்கை நுண்ணறிவு, இரத்த மாதிரிகள், சிறுநீர் அல்லது உமிழ்நீர் போன்ற உடல் திரவங்களில் உள்ள நோய் குறிப்பான்களைக் (biomarkers) கண்டறிந்து நோய்களை ஆரம்ப நிலையிலேயே கண்டறிய உதவும் [9] . பாரம்பரிய பயாப்ஸி முறைகள் ஆக்கிரமிப்புத் தன்மை கொண்டவை. மேலும் அவை சில நேரங்களில் ஆபத்தானவை. திரவ உயிர்மருத்துவம், ஆக்கிரமிப்பு இல்லாத மற்றும் வலியற்ற முறையில் நோய்களைக் கண்டறிய உதவுகிறது. உதாரணமாக, புற்றுநோய்க் கட்டியிலிருந்து வெளியேறும் சிறிய டிஎன்ஏ துண்டுகளை இரத்தத்தில் கண்டறிந்து, புற்றுநோயை ஆரம்ப நிலையிலேயே கண்டறிய முடியும். இத்தொழில்நுட்பம், நோயின் முன்னேற்றத்தைக் கண்காணிக்கவும், சிகிச்சையின் விளைவுகளை மதிப்பிடவும் உதவும்.
செயற்கை உயிரியல் மற்றும் உயிர் அச்சிடுதல் (Synthetic Biology and Bioprinting)
செயற்கை நுண்ணறிவு, செயற்கை உயிரியல் மற்றும் உயிரியல் அச்சிடுதல் தொழில்நுட்பங்களுடன் இணைந்து, சேதமடைந்த திசுக்கள் மற்றும் உறுப்புகளை ஆய்வகத்தில் உருவாக்க உதவும் [10]. இந்தத் தொழில்நுட்பம், உறுப்பு தானம் கிடைக்காமல் காத்திருக்கும் நோயாளிகளுக்கு ஒரு புதிய நம்பிக்கையை அளிக்கும். செயற்கை நுண்ணறிவு, உயிரியல் அச்சிடும் செயல்முறையை மேம்படுத்தவும், உருவாக்கப்படும் உறுப்புகளின் தரம் மற்றும் செயல்பாட்டை உறுதிப்படுத்தவும் உதவும். உதாரணமாக, செயற்கை நுண்ணறிவின் உதவியுடன், ஒரு நோயாளியின் சொந்த செல்களிலிருந்து முழுமையான செயல்பாட்டுடன் கூடிய சிறுநீரகம் அல்லது கல்லீரல் போன்ற உறுப்புகளை உருவாக்க முடியும்.
அறுவை சிகிச்சையில் நுண்ணறிவும் ரோபோக்களும்
கேன்சர் போன்ற வியாதிகளை மருத்துவ ரீதியில் தீர்ப்பதற்கான சாத்தியக்கூறுகளை கணிப்பதில் செயற்கை நுண்ணறிவு உதவுகிறது [11] . ஒரு குறிப்பிட்ட வகை புற்றுநோய்க்கு, பல்வேறு சிகிச்சை முறைகள் இருக்கும்போது, செயற்கை நுண்ணறிவு அந்தந்த சிகிச்சை முறைகளின் வெற்றி வாய்ப்புகளை, நோயாளியின் தனிப்பட்ட மருத்துவத் தரவுகளின் அடிப்படையில் கணித்து, மருத்துவர்கள் சிறந்த முடிவுகளை எடுக்க உதவுகிறது. மருத்துவர்கள் செய்யும் அறுவை சிகிச்சைகளையும் இத்தகைய செயற்கை நுண்ணறிவு கற்றுக்கொள்கிறது. ரோபோட்டிக் அறுவை சிகிச்சை அமைப்புகள், மருத்துவரின் கைகளின் இயக்கங்களை துல்லியமாகப் பின்பற்றிச் செயல்பட செயற்கை நுண்ணறிவைப் பயன்படுத்துகின்றன. எளிமையான அறுவை சிகிச்சைகள் முதல் மிகக் கடினமான, நுட்பமான அறுவை சிகிச்சைகளான இதய அறுவை சிகிச்சை, நரம்பியல் அறுவை சிகிச்சை, சிறுநீரக அறுவை சிகிச்சை போன்றவை வரை செயற்கை நுண்ணறிவு ஊட்டப்பட்ட ரோபோக்களின் உதவிகொண்டு மிகச் சுலபமாகவும், அதிக துல்லியத்துடனும் முடித்து விட முடியும் என மருத்துவ உலகம் நம்புகிறது. ரோபோட்டிக் அறுவை சிகிச்சைகள் குறைந்த தழும்பு, குறைந்த இரத்த இழப்பு, தொற்று அபாயம் குறைவு மற்றும் விரைவான குணமடைதல் போன்ற நன்மைகளை வழங்குகின்றன. மருத்துவர்கள் சிக்கலான அறுவை சிகிச்சைகளை அதிக துல்லியத்துடன் செய்யவும், நீண்ட நேரம் ஒரே நிலையில் நின்று அறுவை சிகிச்சை செய்வதால் ஏற்படும் உடல் சோர்வைத் தவிர்க்கவும் ரோபோட்டிக்ஸ் உதவுகிறது.
மருந்து விநியோகத்தில் நானோ தொழில்நுட்பம் – இலக்கு அடிப்படையிலான சிகிச்சை
செயற்கை நுண்ணறிவு, நானோ தொழில்நுட்பத்துடன் இணைந்து, குறிப்பிட்ட நோயுற்ற செல்களை மட்டுமே இலக்கு வைத்து மருந்துகளை விநியோகிக்கும் மேம்பட்ட நானோ துகள்களை வடிவமைக்க உதவக் கூடும் [12]. இந்த இலக்கு அடிப்படையிலான மருந்து விநியோகம், மருந்துகளின் செயல்திறனை மேம்படுத்துவதோடு, பக்க விளைவுகளைக் குறைக்கவும் உதவும். உதாரணமாக, புற்றுநோய் சிகிச்சையில், நானோ துகள்கள் புற்றுநோய் செல்களை மட்டும் குறிவைத்து மருந்துகளை விநியோகித்து, ஆரோக்கியமான செல்களைப் பாதுகாக்கும்.
சவால்கள் மற்றும் நெறிமுறைகள்
இந்த அற்புதமான தொழில்நுட்ப முன்னேற்றங்களுடன், சில சவால்களையும், நெறிமுறை சார்ந்த கேள்விகளையும் நாம் கருத்தில் கொள்ள வேண்டும் [13].
- தரவுத் தனியுரிமை மற்றும் பாதுகாப்பு: நோயாளிகளின் தனிப்பட்ட மருத்துவத் தரவுகளைப் பாதுகாப்பாக வைத்திருப்பதும், அவர்களின் ஒப்புதல் இல்லாமல் அந்தத் தரவுகள் பயன்படுத்தப்படுவதைத் தடுப்பதும் மிக முக்கியம்.
- சார்பு (Bias): செயற்கை நுண்ணறிவு அமைப்புகள், பயிற்சி அளிக்கப்படும் தரவுகளின் அடிப்படையில் தவறான முடிவுகளை எடுக்க வாய்ப்புள்ளது. இந்த சார்புத்தன்மையை நீக்குவது மிகவும் அவசியம்.
- வேலைவாய்ப்பு மாற்றம்: செயற்கை நுண்ணறிவின் பரவலான பயன்பாடு, மருத்துவத் துறையில் சில வேலைவாய்ப்புகளை மாற்றக்கூடும். இதற்கு ஏற்றவாறு, புதிய திறன்களை வளர்ப்பதற்கான பயிற்சிகளை வழங்குவது காலத்தின் கட்டாயமாகும்.
- பொறுப்புடைமை: ஒரு செயற்கை நுண்ணறிவு அமைப்பு தவறான முடிவை எடுத்தால், யார் பொறுப்பேற்பது என்ற கேள்வி எழும். இதற்கான தெளிவான சட்ட மற்றும் ஒழுங்குமுறை கட்டமைப்பை உருவாக்குவதும் இன்றியமையாதது.
முடிவுரை
பல்வேறு கணினி சொல்லும் தகவல்களின் தொகுப்பு ஆய்வுகளின் வாயிலாக செயற்கை நுண்ணறிவின் உதவி கொண்டு மருத்துவயியலில் மாபெரும் முன்னேற்றத்தை எதிர்காலம் சந்திக்க இருக்கிறது. எனவே மிகச் சமீபத்திய எதிர்காலத்தில் செயற்கை நுண்ணறிவின் ஆளுமை என்பது தவிர்க்க இயலாத ஒரு தொழில்நுட்பமாகவே இருக்கும். மருத்துவத் துறையில் செயற்கை நுண்ணறிவின் எதிர்காலம் பிரகாசமாகவும், பல்வேறு சாதகமான சாத்தியக்கூறுகள் நிறைந்ததாகவும் உள்ளது. இத்தகைய தொழில்நுட்பங்கள், நோய்களைக் கண்டறிவதிலும், சிகிச்சை அளிப்பதிலும், நோய்களைத் தடுப்பதிலும் புரட்சிகரமான மாற்றங்களை ஏற்படுத்தும். அதே நேரத்தில், இந்தத் தொழில்நுட்பங்களை நெறிமுறையுடனும், பொறுப்புடனும் பயன்படுத்துவதும் அவசியமாகும். மருத்துவம் மற்றும் தொழில்நுட்பம் கைகோர்க்கும் இந்த புதிய சகாப்தம், ஆரோக்கியமான மற்றும் நீண்ட ஆயுளை நோக்கிய நமது பயணத்தில் ஒரு புதிய மைல்கல்லாக அமையும் என்பதில் சந்தேகமில்லை.
உசாத்துணைகள்
[1]. Allen, G. (2020). Understanding AI technology. Joint Artificial Intelligence Center (JAIC) The Pentagon United States, 2(1), 24-32.
[2]. Elliott, D., Keen, W., & Miao, L. (2019). Recent advances in connected and automated vehicles. journal of traffic and transportation engineering (English edition), 6(2), 109-131.
[3]. Haleem, A., Javaid, M., & Khan, I. H. (2019). Current status and applications of Artificial Intelligence (AI) in medical field: An overview. Current Medicine Research and Practice, 9(6), 231-237.
[4]. Schork, N. J. (2019). Artificial intelligence and personalized medicine. Precision medicine in Cancer therapy, 265-283.
[5]. Das, S., Biswas, S., Paul, A., & Dey, A. (2018). AI Doctor: An intelligent approach for medical diagnosis. In Industry Interactive Innovations in Science, Engineering and Technology: Proceedings of the International Conference, I3SET 2016 (pp. 173-183). Springer Singapore.
[6]. Ali, Z., Huang, Y., Ullah, I., Feng, J., Deng, C., Thierry, N., … & Qi, G. (2023). Deep learning for medication recommendation: a systematic survey. Data Intelligence, 5(2), 303-354.
[7]. Qureshi, R., Irfan, M., Gondal, T. M., Khan, S., Wu, J., Hadi, M. U., … & Alam, T. (2023). AI in drug discovery and its clinical relevance. Heliyon, 9(7).
[8]. Malik, Y. S., Sircar, S., Bhat, S., Ansari, M. I., Pande, T., Kumar, P., … & Dhama, K. (2021). How artificial intelligence may help the Covid‐19 pandemic: Pitfalls and lessons for the future. Reviews in medical virology, 31(5), 1-11.
[9]. Foser, S., Maiese, K., Digumarthy, S. R., Puig-Butille, J. A., & Rebhan, C. (2024). Looking to the future of early detection in cancer: liquid biopsies, imaging, and artificial intelligence. Clinical Chemistry, 70(1), 27-32.
[10]. Ramesh, S., Deep, A., Tamayol, A., Kamaraj, A., Mahajan, C., & Madihally, S. (2024). Advancing 3D bioprinting through machine learning and artificial intelligence. Bioprinting, e00331.
[11]. Moglia, A., Georgiou, K., Georgiou, E., Satava, R. M., & Cuschieri, A. (2021). A systematic review on artificial intelligence in robot-assisted surgery. International Journal of Surgery, 95, 106151.
[12]. Adir, O., Poley, M., Chen, G., Froim, S., Krinsky, N., Shklover, J., … & Schroeder, A. (2020). Integrating artificial intelligence and nanotechnology for precision cancer medicine. Advanced Materials, 32(13), 1901989.
[13]. Chen, Y., & Esmaeilzadeh, P. (2024). Generative AI in medical practice: in-depth exploration of privacy and security challenges. Journal of Medical Internet Research, 26, e53008.
