మీరు పదేళ్ళలో అన్ని వ్యాధులను నయం చేయబోతున్నారా?

ఒక ఇంటర్వ్యూలో, కెమిస్ట్రీ నోబెల్ డెమిస్ హసాబిస్ త్వరలో కృత్రిమ మేధస్సు మందుల అభివృద్ధిని మరియు వైద్యం కూడా వేగవంతం చేస్తుందని సూచించారు. నిపుణులు వివాదాస్పద ప్రకటనను పరిశీలిస్తారు. పది -యెర్ -ఓల్డ్, కెమిస్ట్రీకి నోబెల్ బహుమతి డెమిస్ హసాబిస్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (ఐఎ) సహాయంతో అన్ని వ్యాధులను నయం చేయడమే లక్ష్యంగా పెట్టుకుంది -కనీసం ఇంటర్నెట్లో చదివినది కూడా. గూగుల్ డీప్మైండ్ యొక్క కో -ఫౌండర్ మరియు ఎగ్జిక్యూటివ్ డైరెక్టర్ AI లో ప్రత్యేకత కలిగి ఉన్నారు, ఈ సాంకేతిక పరిజ్ఞానం యొక్క వివిధ అంశాలపై 60 నిమిషాల కార్యక్రమంలో CBS న్యూస్ చేత ఇంటర్వ్యూ చేయబడింది.
సహోద్యోగి జాన్ ఎం. ఈ పదార్థాలు జీవ విధుల శ్రేణిని చేస్తాయి మరియు వాటి ఉత్పత్తి, నిర్మాణం లేదా పనితీరులో రుగ్మతలు పాథాలజీలకు దారితీస్తాయి. ఈ ఆవిష్కరణ 2024 లో వీరిద్దరూ కెమిస్ట్రీ అవార్డు.
60 నిమిషాలకు ఇచ్చిన ఇంటర్వ్యూలో, భవిష్యత్తులో AI వారాలు లేదా నెలల్లో కూడా మందుల అభివృద్ధిని తగ్గించగలదని హసాబిస్ ulated హించారు. “మరియు ఒక రోజు మనం AI సహాయంతో అన్ని వ్యాధులను నయం చేయగలమని నేను భావిస్తున్నాను” అని ఆయన అన్నారు.
ఇంటర్వ్యూయర్ స్కాట్ పెల్లీ, “అన్ని వ్యాధుల ముగింపు?” ఇది అందుబాటులో ఉంది, హసాబిస్ ధృవీకరించారు: “బహుశా తరువాతి దశాబ్దంలో కూడా, నేను ఎందుకు చూడలేదు.”
పరమాణు నిర్మాణాలను బహిర్గతం చేస్తుంది
కొన్నిసార్లు దాని త్రిమితీయ నిర్మాణం నుండి ఒక నిర్దిష్ట ప్రోటీన్ యొక్క పనితీరును అంచనా వేయడం సాధ్యమవుతుంది, కాని “జర్మనీలోని కైజర్స్లేటర్న్-లాండౌ టెక్నికల్ విశ్వవిద్యాలయంలో అల్గోరిథం జవాబుదారీతనం ల్యాబ్ డైరెక్టర్ బయోకెమిస్ట్రీ మరియు కంప్యూటర్ సైన్స్ కాథరినా జ్వీగ్ గురించి” మానవ శరీరంలో చాలా ప్రోటీన్లలో అని మాకు తెలియదు.
ప్రోటీన్ నిర్మాణంలో మార్పు కొన్ని వ్యాధులకు కారణం, మరియు “అప్పుడు ఈ ప్రక్రియను నివారించడానికి ఒక medicine షధాన్ని అభివృద్ధి చేయడం సాధ్యపడుతుంది.” ముందు, ఇది మొత్తం డాక్టోరల్ వ్యాసం తీసుకుంది, ఒకే పరమాణు నిర్మాణాన్ని గుర్తించడానికి, లెక్కించడానికి మరియు మోడల్ చేయడానికి మూడు నుండి ఐదు సంవత్సరాలు అవసరం. ఈ కోణంలో, “హస్సాబిస్ యుగం, వాస్తవానికి, ఒక విప్లవం” అని జ్వేగ్ను నిర్ధారిస్తుంది.
ఫ్రాన్హోఫర్ ఇన్స్టిట్యూట్ ఆఫ్ కాగ్నిటివ్ సిస్టమ్స్ (ఐకెఎస్) లో ప్రధాన పరిశోధకుడు ఫ్లోరియన్ గీస్లర్, సాధారణంగా వ్యాధి యొక్క కారణాలు ఒక మూలకానికి తగ్గించబడవని గుర్తుచేసుకున్నాడు, “కానీ ప్రోటీన్లు ముఖ్యమైన పాత్ర పోషిస్తున్న అనేక ఉదాహరణలు ఉన్నాయి.” కాబట్టి, “రాబోయే సంవత్సరాల్లో నేను ఈ రోజు imagine హించలేని విషయాలను మాకు అనుమతిస్తాను.”
ఏది ఏమయినప్పటికీ, అనేక ప్రోటీన్లు మరియు కొన్ని వ్యాధుల మధ్య సంపూర్ణ కరస్పాండెన్స్ స్థాపించబడనందున, పదేళ్ళలో ఉన్న అన్ని వ్యాధులు ఇంకా నివారణగా ఉండవని కాథరినా జ్వీగ్ నిర్ధారిస్తుంది: “అసాధారణమైన మూడు -డైమెన్షనల్ నిర్మాణాలతో ఉత్పరివర్తనలు ఉన్నాయి. గణాంకపరంగా ఇది రోగలక్షణ లక్షణాలకు కారణం అనిపించవచ్చు, కాని వాస్తవానికి అవి హానికరం కాదు.”
మరియు ఏ ప్రోటీన్ నిర్మాణం ఫలితంగా ఏ వ్యాధికి దారితీస్తుందో నిర్వచించినప్పటికీ, ఒక drug షధం మార్కెట్లోకి ప్రవేశించే వరకు సుదీర్ఘ ప్రక్రియ అవసరం: “మీరు క్లినికల్ అధ్యయనాలలో పరీక్షించాల్సిన అవసరం ఉంది, దీనికి తగినంత రోగులు, అధికారాలు అవసరం. కనుక ఇది అంత వేగంగా ఉండదని నేను భావిస్తున్నాను.”
Medicine షధంలో కృత్రిమ మేధస్సు యొక్క ప్రస్తుత ఉపయోగాలు
కంప్యూటెడ్ టోమోగ్రఫీ చిత్రాల ఆధారంగా రోగ నిర్ధారణలో, AI రోగలక్షణ మార్పుల ఉనికిని చాలా వేగంగా గుర్తిస్తుంది, ఫ్లోరియన్ గీస్లర్ వివరిస్తుంది. చికిత్సా పద్ధతులను ఆప్టిమైజ్ చేయడానికి వీలు కల్పిస్తూ, medicines షధాల కలయికలో unexpected హించని దుష్ప్రభావాల విషయంలో కూడా ఈ సాంకేతికత సహాయపడుతుంది.
ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఆరోగ్య వ్యవస్థపై భారాన్ని తగ్గించే సామర్థ్యాన్ని కలిగి ఉంది, “ఉదాహరణకు రోగులతో సంభాషణలను స్వయంచాలకంగా సంగ్రహించడం మరియు ఆరోగ్య పెట్టెల కోసం నిర్మాణాత్మక నివేదికలను సిద్ధం చేయడం” అని పరిశోధకుడు చెప్పారు. “ఇది విలువైన ఆరోగ్య వ్యవస్థ సమయాన్ని ఆదా చేస్తుంది. ఇక్కడ AI కి నిర్ణయాత్మక పాత్ర ఉంటుంది.”
బయోకెమిస్ట్రీ జ్వీగ్, అయితే, AI సహాయం ఉన్నప్పటికీ, వ్యాధుల నివారణకు గొప్ప ఆర్థిక వనరులు అవసరం: “కాబట్టి తగినంత డబ్బు రోగులు ఉన్న చోట మాత్రమే మందులు అభివృద్ధి చెందుతాయి మరియు తరువాత వారికి చెల్లిస్తాయి.”
పరిమిత విలువ నిర్ధారణలు
మరొక ప్రశ్న ఏమిటంటే, సాధారణంగా, నిర్వచించిన నిబంధనల ఆధారంగా రోగ నిర్ధారణను ఉచ్చరించడం చాలా అరుదుగా సాధ్యమే, కాథరినా జ్వీగ్ జతచేస్తుంది. ఈ సందర్భాలలో ఒకటి డయాబెటిస్, ఇక్కడ “పరిమితి రేటు మరియు స్పష్టమైన కొలత పద్ధతులు ఉన్నాయి.”
అయినప్పటికీ, చాలా ఇతర రోగ నిర్ధారణలకు చాలా తీర్పు మరియు అనుభవం అవసరం, మరియు “ఈ రోజు ఏ AI వ్యవస్థ నాకు తెలియదు, అది వైద్యులు మరియు వైద్యులను భర్తీ చేసే స్థాయికి చాలా నమ్మదగినదిగా చేస్తుంది.” ఫ్లోరియన్ గీస్లర్ సమీప భవిష్యత్తులో, చికిత్సపై నిర్ణయం మానవ బాధ్యతగా మిగిలిపోతుంది, “ముఖ్యంగా నైతిక మరియు చట్టపరమైన కారణాల వల్ల” అనే సూత్రం నుండి సమానంగా ప్రారంభమవుతుంది.
మరియు ప్రస్తుతానికి, AI వ్యవస్థలు ఇప్పటికీ ఒక రకమైన “బ్లాక్ బాక్స్” “, ఇక్కడ ఇన్పుట్ సంభవిస్తుంది మరియు సమాధానం అందుకుంటుంది, కాని తెలియకుండానే నిర్ణయం తీసుకున్నప్పుడు వందకు వంద” అని ఫ్రాన్హోఫర్ ఇన్స్టిట్యూట్ పరిశోధకుడిని పోల్చారు.
కాథరినా జ్వీగ్ దీనిని వివరిస్తుంది: “యంత్ర అభ్యాసాన్ని చూడటానికి మాకు మార్గం లేదు, లేదా మీ రోగ నిర్ధారణకు ఇది ఎలా వస్తుంది. అందువల్ల ఇది మానవులుగా మనం కూడా స్థాపించామని ప్రమాణాల నుండి మొదలవుతుందా అని మేము నిర్ధారించలేము.”
Source link