டிஜிட்டல் பிரெயின் ட்வின்கள் மருத்துவத்தின் உண்மையான பணிப்பாய்வுக்கு இன்னும் அருகில் வருகின்றன

அறிவியல் கற்பனையிலிருந்து மருத்துவ ஆராய்ச்சி கருவியாக

“digital brain twin” என்ற சொற்றொடர் ஊகக் கதைகளுக்கு உரியது போல ஒலிக்கலாம், ஆனால் அதன் பின்னுள்ள கருத்து இன்னும் தெளிவாகி வருகிறது. வழங்கப்பட்ட மூல உரையின்படி, ஆராய்ச்சியாளர்கள் உயிரியல் தரவைப் பயன்படுத்தி ஒரு தனிநபரின் மூளை காலப்போக்கில் எவ்வாறு அமைக்கப்பட்டிருக்கிறது, எவ்வாறு செயல்படுகிறது என்பதை ஒப்பிடும் தனிப்பயன் கணினி மாதிரிகளை உருவாக்கி வருகின்றனர். இம்மாதிரிகள் உணர்வு கொண்ட பிரதிகள் அல்ல. நோயை கணிக்க, சிகிச்சையை வழிநடத்த, மற்றும் மூளையைப் பற்றிய அறிவியல் புரிதலை ஆழப்படுத்துவதற்கான கருவிகளாகவே அவை உருவாக்கப்படுகின்றன.

அந்த வேறுபாடு முக்கியமானது. digital replicas பற்றிய பொதுக் கற்பனை பெரும்பாலும் உணர்வு அல்லது செயற்கை சுயம் ஆகியவற்றைச் சுற்றியே அமைந்துள்ளது. தற்போதைய அறிவியல் முயற்சி அதைவிட குறுகியதும் நடைமுறையிலானதும். மருத்துவத்தில் முடிவெடுக்குமுன், கணினியில் சூழ்நிலைகளை சோதிக்கத் தகுந்த அளவு ஒரு நோயாளியின் மூளையை பிரதிபலிக்கும் மாதிரிகளை ஆராய்ச்சியாளர்கள் விரும்புகிறார்கள்.

இப்போது முன்னேற்றம் ஏன் வேகமடைந்துள்ளது

இந்த வேகமான முன்னேற்றம் artificial intelligence, high-performance computing, மற்றும் பெரிய அளவிலான neuroscience ஆகியவற்றின் சங்கமத்தால் ஏற்பட்டதாக மூல உரை கூறுகிறது. இந்தத் துறைகள் வரலாற்று ரீதியாக வெவ்வேறு காலக்கட்டங்களில் முன்னேறினாலும், அவற்றின் அதிகரிக்கும் ஒத்திசைவு மூளையின் நிலையான snapshot-களிலிருந்து மேலும் இயக்கநிலைமிக்க கணிப்புத் தளங்களுக்குச் செல்லும் மாற்றத்தைச் செயல்படுத்துகிறது.

மிக எளிய நிலையில், ஒரு digital brain twin பலவித தரவுகளால் ஒன்றிணைக்கப்படுகிறது. மூளையின் anatomy-யை காட்டும் MRI scans, செயல்பாட்டு முறைகளை வெளிப்படுத்தும் functional measurements, மற்றும் பிரதேசங்கள் எவ்வாறு தொடர்பு கொள்கின்றன என்பதைக் காட்டும் connectivity maps ஆகியவற்றை மூல உரை குறிப்பிடுகிறது. பின்னர் அந்த அடுக்குகள் ஒரு கணினி மாதிரியாக ஒருங்கிணைக்கப்படுகின்றன, அது மூளை நடத்தையை ஒப்பிடுவதை நோக்கமாகக் கொண்டுள்ளது. வேறுவிதமாகச் சொன்னால், இந்த twin ஒரு படம் அல்லது ஒரு dataset மட்டுமல்ல. இது பல பிரதிநிதித்துவங்களை ஒரு செயல்படும் மாதிரியாக இணைக்க முயற்சியாகும்.

மருத்துவத்திற்கு இதன் கவர்ச்சி தெளிவானது

இத்தகைய மாதிரிகள் போதுமான வலுவானவையாக இருந்தால், அவை மருத்துவத்திற்கு பல சமயங்களில் இல்லாத ஒன்றை வழங்கக்கூடும்: நோயாளியை நேரடி ஆபத்தில் ஆழ்த்தாமல் சிகிச்சை தேர்வுகள் மற்றும் நோய் முன்னேற்றத்தை ஆராயும் வழி. University of Virginia professor Jack Van Horn ஒரு “living, evolving computational model” குறித்து பேசுவதாக மூல உரை மேற்கோள் காட்டுகிறது; அது நோய் பயணத்தை கணிக்கவும், சிகிச்சைகளைச் சோதிக்கவும், cognition-ஐ ஒப்பிடவும் முடியும். அது ஒரு பெரும் கனவு, ஆனால் பகுதி வெற்றியே கூட முக்கியமானதாக இருக்கும்.

neurology மற்றும் psychiatry குறிப்பாக கடினமான அளவீட்டு சிக்கல்களை எதிர்கொள்கின்றன, ஏனெனில் மூளை பல மற்ற உறுப்புகளைப் போல நேரடியாகவும் மீண்டும் மீண்டும் பரிசோதிக்கவும் முடியாது. digital twin அணுகுமுறை சிதறிய scans மற்றும் signals-ஐ ஒருங்கிணைந்த, நீண்டகால பார்வையாக மாற்றும் வழியை வழங்குகிறது. ஒரு கணத்தில் மூளை எப்படி இருக்கிறது என்பதைக் கேட்பதற்குப் பதிலாக, அது எவ்வாறு மாறக்கூடும் என்பதைக் கேட்க மருத்துவர்களும் ஆராய்ச்சியாளர்களும் தொடங்கலாம்.

சவால் தரவு அளவு அல்ல, ஒருங்கிணைப்பு

மூலப் பொருள், முக்கிய சிரமம் அதிகத் தகவலைச் சேகரிப்பதிலேயே இல்லை என்பதை தெளிவுபடுத்துகிறது. வெவ்வேறு தரவு வகைகளை ஒரு ஒத்திசைந்த simulation-ஆக இணைப்பதே சிக்கல். உரையில் மேற்கோளிடப்பட்ட Randy McIntosh, மூளையிலிருந்து சேகரிக்கப்படும் தரவை மீண்டும் அந்த மூளையின் உண்மையான செயல்பாட்டைக் காட்டும் digital replica-வுடன் இணைப்பதென இதைக் கூறுகிறார். இது ஒரு உயர்ந்த தரநிலை, ஏனெனில் structure, activity, மற்றும் connectivity தானாகவே ஒரு ஒருங்கிணைந்த மாதிரியாக மாறிவிடாது.

அதனால்தான் AI மற்றும் computing முன்னேற்றங்கள் பின்னணிச் செயலாக்கமாக மட்டும் இல்லை. அவை modeling-இன் ஒரு பகுதியாகவே இருக்கின்றன; ஆராய்ச்சியாளர்கள் சிக்கலை நிர்வகிக்கவும், மருத்துவ ரீதியாக பயனுள்ள அளவில் ஒப்பிட கடினமான pattern-களை கண்டறியவும் உதவுகின்றன.

அருகில், ஆனால் இன்னும் முழுமையில்லை

வழங்கப்பட்ட மூல உரை இந்தத் துறையை மிகைப்படுத்தாமல் எச்சரிக்கையாக உள்ளது. இவை உருவாகும் மாதிரிகள், முடிந்த தயாரிப்புகள் அல்ல; மேலும் அவை மக்கள் கலாச்சாரம் கற்பனை செய்யும் உணர்வு கொண்ட இரட்டையர்களிடமிருந்து இன்னும் வெகுதூரத்தில் உள்ளன. இருப்பினும், திசை தெளிவானது. brain science விவரிப்பு சார்ந்த imaging-இலிருந்து கணிப்புத் தள மாதிரியாக்கத்துக்கு நகர்கிறது.

இந்த மாற்றம் health technology-யில் மிகவும் முக்கியமான முன்னேற்றங்களில் ஒன்றாக மாறக்கூடும். இறுதியில் digital brain twins நோய் கணிப்பில், தனிப்பயன் சிகிச்சையில், அல்லது சிகிச்சை திட்டமிடலில் உள்ள குழப்பத்தை குறைப்பதில் உதவினால், அவை மூளை எப்படி ஆய்வு செய்யப்படுகிறது என்பதையும், neurological care எப்படி ஒழுங்கமைக்கப்படுகிறது என்பதையும் மாற்றும். கற்பனை இன்னும் உண்மைகளுக்கு முன்னால் இருக்கலாம், ஆனால் உண்மைகள் அதீத வேகத்தில் நகர்வதால் இந்த உவமை இனி தொலைவாகத் தோன்றவில்லை.

இந்தக் கட்டுரை Medical Xpress செய்தியினை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.