AI चा वापर करून हवामानाप्रमाणेच आरोग्याविषयीचा अंदाजही वर्तवता येईल का?

वैज्ञानिकांचं म्हणणं आहे की, येत्या दशकभरात आर्टिफिशियल इंटेलिजन्स लोकांना भविष्यात आरोग्यच्या काय समस्या येतील याचा अंदाज वर्तवू शकतं.

लोकांच्या वैद्यकीय नोंदींमधील पॅटर्न लक्षात घेऊन त्यांना 1,000 हून अधिक आजारांचा धोका आहे की नाही? याचं मोजमाप करण्यास आर्टिफिशियल इंटेलिजन्स शिकलं आहे.

संशोधक म्हणतात की, हे हवामानाचा अंदाज वर्तवण्यासारखंच आहे. त्यात ज्याप्रमाणे 70 टक्के पावसाची शक्यता वर्तवली जाते, तसंच हे मानवी आरोग्याच्या संदर्भात आहे.

लोकांना एखादा आजार होण्याची अधिक जोखीम आहे का? हे लक्षात घेऊन तो आजार टाळण्यासाठी आर्टिफिशियल इंटेलिजन्सवर आधारित मॉडेलचा वापर करणं हे यामागचं ध्येय आहे.

यामुळं हॉस्पिटलला आगामी वर्षांमध्ये त्यांच्या भागात नेमकी कोणत्या प्रकारच्या रुग्णांची संख्या अधिक असणार आहे, हे समजून घेण्यास मदत होणार आहे.

चॅटजीपीटीसारखं डेल्फी-2एम मॉडेल

या मॉडेलचं नाव डेल्फी-2एम असं आहे. चॅटजीपीटीसारख्या प्रसिद्ध एआय चॅटबॉटमध्ये वापरलं जातं तसंच तंत्रज्ञान हे मॉडेल वापरतं.

एआय चॅटबॉटला भाषेचे पॅटर्न समजून घेण्याचं प्रशिक्षण दिलं जातं. जेणेकरून ते वाक्यातील शब्दांच्या क्रमाचा अंदाज बांधू शकतील.

डेल्फी-2एम या एआय मॉडेलला अज्ञात अशा वैद्यकीय नोंदींमधील पॅटर्न शोधण्याचं प्रशिक्षण देण्यात आलं आहे. त्यामळे ते पुढे काय होईल आणि केव्हा येईल याविषयीचा अंदाज वर्तवू शकतं.

हे मॉडेल अचूक तारखेचा अंदाज वर्तवत नाही. उदाहरणार्थ, 1 ऑक्टोबरला ह्रदयविकाराचा झटका येईल असं ते वर्तवत नाही. मात्र त्याऐवजी ते 1231 आजारांविषयीचा अंदाज वर्तवतं.

"त्यामुळे, हवामानाच्या अंदाजात ज्याप्रमाणे आपल्याला 70 टक्के पावसाची शक्यता वर्तवली जाते, त्याचप्रमाणे आपण आरोग्यसेवेच्या क्षेत्रातही तसं करू शकतो," असं प्राध्यापक इवान बर्नी यांनी मला सांगितलं. ते युरोपियन मॉलेक्युलर बायोलॉजीचे अंतरिम कार्यकारी संचालक आहेत.

ते पुढे म्हणाले की, "आणि हे आपण फक्त एका आजारासाठीच करू शकत नाही, तर एकाचवेळी सर्वच आजारांसाठी करू शकतो. यापूर्वी कधीही आपल्याला असं करता आलेलं नाही. त्यामुळे मी याबाबत खूप उत्साही आहे."

युकेतील बायोबँक संशोधनातून विकसित झालं मॉडेल

हे एआय मॉडेल सुरुवातीला युकेतील अज्ञात डेटाचा वापर करून विकसित करण्यात आलं होतं. यात हॉस्पटलमध्ये दाखल झालेले रुग्ण, जीपी रेकॉर्ड आणि धूम्रपानासारख्या जीवनशैलीच्या सवयींचा समावेश होता.

हा डेटा युके बायोबँक संशोधन प्रकल्पाचा एक भाग म्हणून 4 लाखांहून अधिक लोकांकून गोळा करण्यात आला होता.

त्यानंतर या मॉडेलची चाचणी करण्यात आली. यासाठी बायोबँकेत सहभागी झालेल्या इतरांच्या डेटाचा वापर करण्यात आला आणि नंतर डेन्मार्कमधील 19 लाख लोकांच्या वैद्यकीय नोंदींचा वापर करण्यात आला. या नोंदीवरून मॉडेल वर्तवत असलेल्या अंदाजांची तुलना करण्यात आली.

"हे छान आहे. डेन्मार्कमध्ये तर खरोखरंच चांगलं आहे," असं प्राध्यापक बर्नी म्हणतात.

"जर आमचं मॉडेल म्हणत असेल की, पुढील वर्षासाठी 10 पैकी एकाचा धोका आहे, तर खरोखरंच 10 पैकी एकाचा धोका दिसून येतो," असं ते पुढे म्हणाले.

ज्या आजारांमध्ये संसर्गासारख्या अचानक घटना घडतात, त्या आजारांपेक्षा टाईप 2 मधुमेह, ह्रदय विकाराचा झटका आणि सेप्सिससारखे आजार ज्यामध्ये आजाराची प्रगती स्पष्टपणे दिसून येते, अशा आजारांचा अंदाज वर्तवण्यात हे मॉडेल सर्वोत्तम आहे.

मॉडेलनं वर्तवलेल्या अंदाजांबाबत काय करू शकता?

ह्रदयविकार किंवा ह्रदयविकाराचा झटका यासंदर्भात लोकांना असलेल्या जोखमीच्या गणनेवर आधारित कोलेस्ट्रॉल कमी करणारं स्टॅटिन लोकांना आधीच दिलं जातं.

हे एआय टूल क्लिनिकल वापरासाठी तयार नाही. मात्र त्यासाठी त्याचा वापर करण्याची योजना आहे.

यात लवकर हस्तक्षेप करण्याची आणि आजार रोखण्याची संधी असलेल्या आजाराचा उच्च धोका असलेल्या रुग्णांना शोधता येईल.

यात औषधं किंवा जीवनशैलीविषयीचा विशिष्ट सल्ला यांचा समावेश असू शकतो. उदाहरणार्थ, यकृताचे विकार होण्याची शक्यता असणाऱ्या लोकांना सर्वसामान्य लोकांपेक्षा मद्यपानाचं प्रमाण कमी करण्याचा सल्ला दिला जाऊ शकतो.

आर्टिफिशियल इंटेलिजन्स त्यांना रोगाच्या तपासणीच्या कार्यक्रमांची माहिती देण्यासाठी आणि मागणीचा अंदाज वर्तवण्यासाठी त्या भागातील सर्व आरोग्यविषयक नोंदींचं विश्लेषण करण्यास मदत करू शकतं.

उदाहरणार्थ, 2030 मध्ये नॉर्विचमध्ये दरवर्षी ह्रदयविकाराचा झटका आलेले किती रुग्ण असतील. या अंदाजाचा वापर करून त्यासाठी आवश्यक असणाऱ्या संसाधनांचं नियोजन करण्यात मदत होईल.

"मानवी आरोग्य आणि आजारांची प्रगती समजून घेण्याच्या एक नवीन मार्गाची ही सुरुवात आहे," असं प्राध्यापक मॉरिट्झ गेर्स्टंग म्हणाले. ते डीकेएफझेड या जर्मन कर्करोग संशोधन केंद्रात ऑन्कोलॉजीमधील एआय विभागाचे प्रमुख आहेत.

ते पुढे म्हणाले की, "आमचं मॉडेल आहे तसे जनरेटिव्ह मॉडेल एक दिवस रुग्णाची वैयक्तिक स्वरुपाची काळजी घेण्यास आणि मोठ्या प्रमाणात आरोग्यसेवेच्या गरजांचा अंदाज वर्तवण्यास मदत करू शकतात."

रोजच्या वापरासाठी सुधारणा आणि चाचणीची आवश्यकता

नेचर या विज्ञानविषयक जर्नलमध्ये वर्णन करण्यात आलेल्या एआय मॉडेलचा वैद्यकीय क्षेत्रात वापर करण्याआधी त्याला अधिक सुधारणा करण्याची आणि त्याची चाचणी करण्याची आवश्यकता आहे.

हे मॉडेल युके बायोबँक डेटावरून विकसित करण्यात आल्यामुळे त्याच्याविषयी संभाव्य पूर्वग्रहदेखील आहेत. हा डेटा प्रामुख्यानं सर्वच वयोगटातील लोकांकडून घेण्याऐवजी फक्त 40 ते 70 वर्षे वयोगटातील लोकांकडून घेतला जातो. त्यामुळे या मॉडेलविषयी पूर्वग्रह आहेत.

हे मॉडेल आता इमेजिंग, अनुवंशिकशास्त्र आणि रक्ताचं विश्लेषण करणं यासारख्या अधिक वैद्यकीय डेटासाठी अद्ययावत केलं जातं आहे.

मात्र प्राध्यापक बर्नी म्हणतात की, "हे लक्षात घेतलं पाहिजे की हे संशोधन आहे. यातील प्रत्येक गोष्टीची चाचणी करणं, त्याचं योग्य नियमन करणं आणि ते वापरतात आणण्यापूर्वी विचार करणं आवश्यक आहे. मात्र या प्रकारच्या तंत्रज्ञानामुळे अशाप्रकारचे अंदाज वर्तवता येतील."

त्यांचा अंदाज आहे की, आरोग्यसेवेत जीनोमिक्सच्या वापरासारख्याच मार्गाचा अवलंब हे तंत्रज्ञान करेल. जीनोमिक्समध्ये वैज्ञानिकांना खात्री वाटत असणाऱ्या तंत्रज्ञानाचा वापर आरोग्यसेवेत नियमितपणे करण्याइतकं ते सक्षम होण्यासाठी एक दशकभराचा कालावधी लागला.

हा अभ्यास युरोपियन मॉलेक्युलर बायोलॉजी प्रयोगशाळा, जर्मन कर्करोग संशोधन केंद्र (डीकेएफझेड) आणि कोपनहेगन विद्यापीठ यांनी संयुक्तपणे केला होता.

प्राध्यापक गुस्तावो सुद्रे किंग्स कॉलेज लंडनमध्ये न्यूरोइमेजिंग आणि एआय संशोधक आहेत.

ते म्हणाले, "हे संशोधन म्हणजे वैद्यकशास्त्रामध्ये मोठ्या प्रमाणात, स्पष्ट करण्यायोग्य आणि सर्वात महत्त्वाचं नैतिकदृष्ट्या जबाबदार भविष्याविषयी अंदाज वर्तवणाऱ्या मॉडेलिंगच्या दिशेनं असलेलं एक महत्त्वाचं पाऊल आहे."

(बीबीसीसाठी कलेक्टिव्ह न्यूजरूमचे प्रकाशन.)