ഇനി മുതൽ ഡോക്ടറും ആശുപത്രിയും നിങ്ങളോടൊപ്പമുണ്ട്, സദാസമയവും

EPISTEME- 20

നിർമ്മിത ബുദ്ധിയുടെ ആവിഷ്ക്കാരങ്ങൾ സ്വപ്നപദ്ധതികളല്ല ഇന്ന്. രോഗിയുടെ കിടക്കയ്ക്കരിൽ അത് എത്തുന്നു, ശരീരത്തിന്മേൽ ചെറിയ യന്ത്രങ്ങളായി ഘടിപ്പിക്കപ്പെടുന്നു. പുതിയ നിർമ്മിതബുദ്ധി സംവിധാനങ്ങൾ ചികിൽസാവേളയിലും അതിനുശേഷവും രോഗിക്ക് നേരിട്ട് പരിചരണങ്ങൾ നൽകാൻ ആവിഷ്ക്കരിക്കപ്പെട്ടുകൊണ്ടിരിക്കയാണ്. 

രോഗിക്ക് ഉചിത പരിചരണം നൽകുന്നതിലുള്ള നൂതനാശയങ്ങളായ Large foundation model, (LFM), Large language model (LLM) (ചാറ്റ് ജി പി റ്റി പോലെ) ഇവയൊക്കെ സാധ്യമാക്കുകയാണ്. ഇന്ന് precision medicine- ൻ്റേയും genomics- ൻ്റേയും കാലമാണ്.

Machine learning രോഗീപരിചരണം ഏറ്റെടുക്കുമ്പോൾ സ്പെഷ്യാലിറ്റി ക്ലിനിക്കുകൾ അപ്രത്യക്ഷമായേക്കാം. കാരണം നിർമ്മിതബുദ്ധി സമസ്ത വിവരങ്ങളും ഒന്നിച്ചായിരിക്കും പഠിച്ചെടുക്കുന്നത്, അത് വിശകലനം ചെയ്ത് കമ്പ്യൂട്ടറിലെ ഡാറ്റ വഴി ഡോക്ടറെ അറിയിക്കുന്നു. ഇതിൽ രോഗിയുടെ ജനിതകവിവരങ്ങളും അനുബന്ധമായ സർവ്വ ചരിത്രങ്ങളും ഉൾപ്പെട്ടേക്കാം.

AI ശക്തിപകരുന്ന ആൽഗൊരിതമുകൾ രോഗിയുടെ പരിചരണം ഏറ്റെടുക്കുമ്പോൾ ക്ലിനിക്ക് നടത്തിപ്പോരുന്ന മനുഷ്യരുടെ കഴിവുകളെ പിന്തള്ളുകയാണ്.
ഉദാഹരണത്തിന്, നടക്കുമ്പോൾ വീഴാൻ സാദ്ധ്യതയുള്ള രോഗികളെ നേരത്തെ തിരിച്ചറിഞ്ഞ് മുൻകരുതൽ സാദ്ധ്യമാക്കാം. പോഷകാംശത്തിൽ കുറവുള്ളവരെ മുൻകൂട്ടി അറിയാം. അവരുടെ ആഹാരക്രമം ഉടൻ മാറ്റി തീരുമാനിക്കാം. രോഗിയുടെ പല ഫിസിയോളജി നിലവാരങ്ങളെല്ലാം സമഗ്രമായി പരിശോധിക്കപ്പെടുന്നതിനാൽ ആവശ്യമായ സ്പെഷ്യാലിറ്റി വിഭാഗങ്ങളെല്ലാം ജാഗരൂകരാകുകയാണ്.

രോഗനിർണയം കൂടുതൽ കൃത്യതയാർന്നതും എളുപ്പവുമാകുന്നു. ഇതിൽ മാനുഷിക ഇടപെടലുകളും മുൻവിധികളും തുലോം കുറവായതിനാൽ തെറ്റു സംഭവിക്കുന്നത് അപൂർവ്വമായിരിക്കും. ഡോക്ടറുടെ അറിവ്, പരിചയം എന്നതൊക്കെ അപ്രസക്തമാകുകയാണ് AI മേൽക്കൈ നേടുമ്പോൾ.

തന്മാത്രപരമോ ജനിതകപരമോ ആയ നൂതന കണ്ടുപിടിത്തങ്ങൾ ഉൾച്ചേർന്നതിനാൽ AI ഡോക്ടർ എന്നും മനുഷ്യ ഡോക്ടറെക്കാൾ ബഹുദൂരം മുൻപിലായിരിക്കും. മാത്രമല്ല, ചികിൽസ കൂടുതൽ വ്യക്തിപരവും സൂക്ഷ്മതരവും ആകുകയാണ്. Personalized Medicine കൂടുതൽ സാർവ്വത്രികമാകുകയണ്, ഒരേ അസുഖമുള്ള രണ്ട് വ്യക്തികളുടെ ഫിസിയോളജിയും ജനിതകവും അനുസരിച്ച് ചികിൽസാപദ്ധതികൾ മാറപ്പെടുകയാണ്.

വളരെ നേരത്തെതന്നെ അസുഖം നിശ്ചയിക്കപ്പെടുന്നതിനാൽ ചികിൽസ വിജയം നേടാനുള്ള സാദ്ധ്യതയേറുകയാണ്, ചെലവ് കുറയുകയാണ്, രോഗി തീവ്രാനുഭവങ്ങൾ ഏറ്റെടുക്കേണ്ടതില്ല എന്നത് ആശ്വാസകരവുമാണ്. 

‘ഓമിക്സ്’ (omics) യുഗം

ജീനോമിക്സ് (Genomics), പ്രോടിയോമിക്സ് (proteomics) എന്നൊക്കെ ‘ഓമിക്സി’ൽ അവസാനിക്കുന്ന വാക്കുകൾ ഇന്ന് ജൈവശാസ്ത്രത്തിൽ സാധാരണമായിരിക്കുന്നു. ഒരു ജൈവവസ്തുവിൻ്റെ, ഒരു ടിഷ്യുവിൻ്റെ അല്ലെങ്കിൽ ഒരു കോശത്തിൻ്റെ സമഗ്രവിവരം, എല്ലാ ജീനുകളെക്കുറിച്ച് സമാഹരിച്ചതാണെങ്കിൽ അതിനെ ‘ജീനോമിക്സ്’ എന്ന് വിളിയ്ക്കുന്നു.

എല്ലാ പ്രോട്ടീനുകളുടേതുമാണെങ്കിൽ ‘പ്രോടിയോമിക്സ്’ എന്നു വിളിക്കാം. ഈ വിവരം പ്രധാനപ്പെട്ടതാണ്, മറ്റ് പല അറിവുകളും സമാഹരിക്കപ്പെടുമ്പോൾ ഈ ആധാരവിവരവുമായി യോജിപ്പിച്ചാണ് പുതിയ അനുമാനങ്ങൾ നിർമ്മിച്ചെടുക്കുന്നത്. എന്നാൽ ഇന്ന് ഈ ‘ഓമിക്സ്’ നിർമ്മിതബുദ്ധിയോടു (AI) ചേർന്ന് രോഗികളുടെ കിടക്കയ്ക്കരികിൽ എത്തിയിരിക്കയാണ്. 20 വർഷം മുൻപ് രോഗിയുടെ ജീനോമിക്സ് പരിച്ഛേദിക (profile) ഗവേഷണോദ്ദേശ്യങ്ങൾക്ക് ഉപയോഗിച്ചിരുന്നെങ്കിൽ ഇന്ന് അത് വ്യക്തിഗത ചികിൽസാക്രമങ്ങളുടെ അടിസ്ഥാനമായിട്ടാണ് പരിഗണിക്കപ്പെടുന്നത്. ജീനുകളുടെ അപഭ്രംശങ്ങൾ, അവ നിർമ്മിച്ചെടുക്കുന പ്രോട്ടീനുകളുടെ സ്വഭാവം ഇതൊക്കെ നിശ്ചയിക്കപ്പെടുന്നത് കൃത്യമായ ഡയഗ്നോസിസിനും ചികിൽസാനിർണയത്തിനും ഉപയോഗിക്കപ്പെടുന്നു. 

ഉദാഹരണത്തിന്, ഒരു രോഗിയുടെ രക്തത്തിലെ 2000- ഓളം പ്രോട്ടീനുകളാണ് പ്രോടിയോമിക്സ് പരിശോധനയിൽ ഉൾപ്പെടുന്നത്. അതിൻ്റെ പൊരുൾ തിരിക്കുന്നതും ഇതേ അസുഖമുള്ള മറ്റ് രോഗികളുടെ പ്രോട്ടീനുകളുമായി താരതമ്യപ്പെടുത്തുന്നതും  AI എളുപ്പത്തിൽ സാധിച്ചെടുക്കും എന്ന് പറയേണ്ടതില്ല. Transcriptomics ആകട്ടെ ഓരോ ജീനിൻ്റേയും പകർപ്പായ, എന്നാൽ കോഡുകളും ആയ, ആർ എൻ എ  (RNA) കണ്ണികളുടെ  വിശദാംശങ്ങളും വിന്യാസങ്ങളും ഉൾക്കൊള്ളുന്ന വിവരങ്ങളുടെ ആകെത്തുകയാണ്. ഓരോ അസുഖങ്ങളുടെയും സൂചിതചിഹ്നങ്ങൾ (biomarkers)  പെട്ടെന്ന് വേർതിരിച്ചറിയാൻ എളുപ്പമാകുകയാണ്. ഇത്തരം biomarkers നിജപ്പെടുത്തിക്കഴിഞ്ഞാൽ പിന്നീട് ഇത് സാർവ്വലൗകികമായി നിശ്ചിത അസുഖത്തിന് ഉപയോഗ്യമാകുകയും രോഗനിർണ്ണയം എളുപ്പമാകുകയും ചെയ്യുന്നു എന്നതാണ് ഭാവിയിലെ ഒരു സാദ്ധ്യത.

മാത്രമല്ല ഉചിതമായ മരുന്ന് തീരുമാനിക്കാനോ ഗവേഷണത്താൽ കണ്ടുപിടിയ്ക്കപ്പെടാനോ ഉള്ള വഴികൾ തെളിയുന്നുമുണ്ട്. പലേ ‘ഓമിക്സ്’ കൾ ഒന്നിച്ച് പരിശോധിച്ച് (multi-omics) വിപുലമായ രോഗത്തിൻ്റെ മൂലകാരണം അന്വേഷിക്കുന്നതും പ്രാവർത്തികമായിക്കഴിഞ്ഞു. ഗവേഷണ ലാബും രോഗിക്കിടക്കയും തമ്മിലുള്ള ദൂരം ഗണ്യമായി കുറയുന്നു എന്നതാണ് ശ്രദ്ധിക്കപ്പെടേണ്ടത്. ദേഹത്ത് ഘടിപ്പിച്ചിട്ടുള്ള സെൻസറുകൾ പുതിയ വിവരങ്ങൾ നിരന്തരം നൽകിക്കൊണ്ടിരിക്കും, പുതിയ ചികിൽസാപദ്ധതികൾ ആവശ്യമാണെങ്കിൽ ഉടൻ അത് സൂചിപ്പിക്കും.  

പുനരുദ്പാദനപരമായ നിർമ്മിതബുദ്ധി
(Generative AI) ചികിൽസയ്ക്ക്

കമ്പ്യൂട്ടറുകളെ വസ്തുതകൾ പഠിപ്പിച്ചെടുക്കുക, അത് ആധാരമാക്കി അവർ അവാസ്തവിക (fake) മായ കാര്യങ്ങൾ നിർമ്മിച്ചെടുക്കുക- ലളിതമായി generative AI പ്രവൃത്തികളെ ഇങ്ങനെ വിശദീകരിക്കാം. ഇന്നത്തെ ChatGPT ഇതിനൊരു ഉദാഹരണമാണ്. ഇത് മേൽപ്പറഞ്ഞ  transcriptomics –മായി, അതായത്, എല്ലാ പ്രോട്ടീനുകളും നിർമ്മിച്ചെടുക്കുന്ന പ്രവർത്തികളുടെ ആകെത്തുകയുമായി ബന്ധപ്പെടുത്തി പ്രോട്ടീൻ നിർമ്മിതി കോഡായ ആർ എൻ എ വിവരങ്ങൾ സമഗ്രമായി ഏകീകരിച്ച് പുതിയ വിശകലനങ്ങൾക്ക് തയാറാക്കുകയാണ്. ഇത് പല പ്രോട്ടീനുകളെ ബാധിക്കുന്ന പുതിയ മരുന്നുകൾ കണ്ടുപിടിക്കാനും  ആ മരുന്നുകൾ ഏതൊക്കെ തന്മാത്രകളെ ലക്ഷ്യമാക്കുന്നു (drug target) എന്നതിനും ഉപയുക്തമാകുകയാണ്. 

ഉദാഹരണത്തിന്, കറപ്പ് തന്മാത്രകളുടെ സ്വീകരിണികളിൽ പറ്റിപ്പിടിയ്ക്കുന്ന പുതിയ ഡ്രഗുകൾ ഇങ്ങനെ ആവിഷ്ക്കരിക്കാൻ കഴിഞ്ഞിട്ടുണ്ട്. ഇത് ലഹരിയ്ക്കടിമപ്പെട്ടവരുടേയും അതിൽ നിന്ന് വിമുക്തമായവരുടേയും ചികിൽസയ്ക്ക് ഉപയോഗിക്കാം. ഒരു പ്രോട്ടീന്റെ അമൈനൊ ആസിഡ് കണ്ണികളുടെ വിന്യാസങ്ങൾ മാത്രം ഉപയോഗിച്ച് അതിൻ്റെ ത്രിമാന ദൃശ്യഘടന കണ്ടുപിടിക്കുന്ന AI (AlphaFold) വിപ്ളവാത്മകമായ മുന്നേറ്റങ്ങളാണ് ഈ മേഖലയിൽ സൃഷ്ടിച്ചിട്ടുള്ളത്. ഗൂഗിളിൻ്റെ Deep Mind- ൻ്റെ സൃഷ്ടിയാണിത്. അങ്ങനെ കമ്പ്യൂട്ടർ കൃത്രിമമായി നിർമ്മിച്ചെടുത്ത ഡേറ്റയിൽ മാത്രം അധിഷ്ഠമാകാതെ ആൽഫാ ഫോൾഡ് പോലത്തെ പുതിയ ആവിഷ്ക്കാരങ്ങൾ വൻരീതിയിൽ രോഗനിർണ്ണയത്തിലേക്ക് എത്തിക്കാൻ സാദ്ധ്യത തെളിയിക്കുകയാണ്.

ഇന്ന് ‘ഓമിക്സ്’ ടെക്നോളജിയും machine learning-  ഉം deep learning- ഉം  generative AI- യും എല്ലാം ചേർന്ന് അതീവ ബ്രഹത്തായ വിവരശേഖരം പരിശോധിച്ച് രോഗകാരണങ്ങളിൽ കൃത്യത ഉറപ്പാക്കുകയാണ്. മാത്രമല്ല, ഇതുവരെ സാധിക്കാത്ത തരത്തിലുള്ള രോഗനിർണ്ണയമാണ് നടപ്പിലാകുന്നത്. നേരത്തെ ഒരു നിശ്ചിതസംഘം ജീനുകളാണ് പരിശോധിക്കപ്പെട്ടിരുന്നത് എങ്കിൽ ഇന്ന് എല്ലാ ജീനുകളും അവയുടെ പ്രവർത്തനങ്ങളും ഒരുമിച്ചാണ് പഠിക്കുന്നത്.

ജീനുകളും മരുന്നുകളും രോഗിയുടെ പ്രത്യക്ഷങ്ങളും തമ്മിൽ ഇഴചേർക്കപ്പെടുകയും ചികിൽസയിൽ നിശ്ചിതത്വം ഉടലെടുക്കുകയും ചെയ്യുന്നു. ഒരേയൊരു കോശത്തിൻ്റെ വിവരങ്ങൾ ലഭ്യമാക്കാനുള്ള സാങ്കേതികതകൾ ഇന്ന് ഉരുത്തിരിഞ്ഞുവന്നിട്ടുണ്ട്. ക്യാൻസറിൻ്റെ തുടക്കത്തെപ്പറ്റിയൊക്കെ കൂടുതൽ അറിവ് നേടാൻ ഇത് വഴിതെളിക്കുമത്രെ.

രക്തത്തിലെ ദ്രവാംശമായ പ്ളാസ്മയിലെ 2000 പ്രോട്ടീനുകളെപ്പറ്റി ഒറ്റയടിക്ക് വിവരങ്ങൾ ലഭിയ്ക്കുകയാണിന്ന്. ഒരു അസുഖത്തിന് ഒന്നോ രണ്ടോ ജൈവസൂചകങ്ങൾ (biomarkers) എന്ന് നിജപ്പെടുത്തുന്നതിനുപകരം ഇത്തരം ബ്രഹത്തായ വിവരശേഖരങ്ങളായിരിക്കും ഇനി രോഗനിർണ്ണയം നടത്തുന്നത്. ചുരുക്കത്തിൽ, ലാബും രോഗക്കിടക്കയും തമ്മിലുള്ള ദൂരം ഗണ്യമായി കുറയുകയാണ്. Omics+AI+Medicine=treatment എന്ന സമവാക്യമാണ് ആധുനിക പ്രായോഗികത മുന്നോട്ടുവെയ്ക്കുന്നത്. 

AI ക്ലിനിക്കിൽ

ഇന്ന് വളരെ ലളിതമായ ചില നിരീക്ഷണങ്ങൾ ആധാരമാക്കി,  Deep Learning വഴി, രോഗിയുടെ  സമഗ്രവും വിസ്തൃതമായതുമായ വിവരങ്ങൾ തേടിയെടുക്കന്നത് നിലവിൽ വന്നുകഴിഞ്ഞു. കണ്ണിൻ്റെ ഉൾഭാഗത്ത് പുറകിലുള്ള റെറ്റിന (നേത്രപടലം) യിൽ ഒരു ചെറിയ ഇടമായ ഫണ്ഡസിന്റെ (fundus) സൂക്ഷ്മചിത്രത്തിൽ നിന്ന് രോഗിയെക്കുറിച്ച് പല പ്രവചനങ്ങളും സാദ്ധ്യമാക്കുന്നു എന്നത് വിസ്മയകരമായ വിപ്ളവം തന്നെയാണ്.

ഫണ്ഡസ് ചിത്രത്തിൽ നിന്ന് Deep Learning നമുക്ക് ഹൃദ്രോഗ /രക്തക്കുഴൽ (cardiovascular) സംബന്ധിയായ അസുഖങ്ങൾക്കുള്ള സാദ്ധ്യതകൾ വ്യക്തമായി പറഞ്ഞുതരികയാണ്. പ്രായം, ജെൻഡർ, പുകവലി ശീലം, രക്തസമ്മർദ്ദം, ഹൃദയാഘാതങ്ങൾ ഇവയൊക്കെ മുൻനിർത്തി പ്രവചനങ്ങൾ സാദ്ധ്യമാക്കുകയാണ്.

ഇതേപടി ഫണ്ഡസ് ചിത്രങ്ങളെ machine learning അപഗ്രഥനം ചെയ്യും, ആൽസൈമേഴ്സ് സാദ്ധ്യതകൾ, അവബോധത്തിലുള്ള അപര്യാപ്തതകൾ (cognitive impairment) ഇവയൊക്കെ നിശ്ചിതപ്പെടുത്താനും സാധിക്കുമത്രെ. കാഴ്ച്ചയെ ബാധിയ്ക്കുന്ന മറ്റ് ചില റെറ്റിന പ്രശ്നങ്ങൾ രക്തത്തിലെ കൊഴുപ്പ്, ഹൃദ്രോഗം, പക്ഷാഘാതം ഇവയൊക്കെ ഉളവാകാനുള്ള അപകടസാദ്ധ്യതകൾ മുൻകൂർ സൂചനയായി നിജപ്പെടുത്താനും നിർമ്മിതബുദ്ധിയുടെ തന്ത്രങ്ങൾ സഹായിക്കുന്നുണ്ട്. രോഗനിർണ്ണയം എളുപ്പത്തിലും വേഗത്തിലുമാകുന്നതു മാത്രമല്ല, ചെലവ് ഗണ്യമായി കുറയുകയുമാണ്.

മറ്റ് വ്യവസായങ്ങളിപ്പോലെ ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിക്കാനുള്ള ഒരു ഉപായവുമാണ് ക്ലിനിക്കിലെത്തുന്ന AI യുടെ വിനിയോഗം. ഉദാഹരണത്തിന്, ന്യൂയോർക്കിലെ മൗണ്ട് സൈനായ് ആശുപത്രിയിൽ മെഷീൻ ലേണിങ്ങ് ഉപയുക്തമാക്കി  പോഷകാഹാരക്കുറവ് സ്ഥിരീകരിക്കാൻ ടെസ്റ്റുകൾ നടത്തി ഡയറ്റീഷ്യന്മാർക്ക് മുൻകൂർ അറിവുകൾ നൽകുന്ന സംവിധാനം കൂടുതൽ രോഗികൾക്ക് ചികിൽസ നൽകാനും ഈ കുറവ് നേരത്തെ കണ്ടുപിടിക്കാനും രോഗികളുടെ ആശുപത്രിവാസക്കാലം ഗണ്യമായി കുറയ്ക്കാനും ഉതകുന്നതായി നിരീക്ഷിച്ചിട്ടുണ്ട്. 

AI ഡോക്റ്റർ നിങ്ങളുടെ കൈത്തണ്ടയിൽ

മാറാരോഗിയാണെങ്കിലും നിങ്ങൾ ആശുപത്രിയിൽ കിടക്കുന്ന സമയം ആകെയുള്ള ജീവിത സമയത്തിൻ്റെ വളരെ ചെറിയ ഒരു ഖണ്ഡം മാത്രമായിരിക്കും. സൂക്ഷ്മനിരീക്ഷണമില്ലാതെ പോവുകയാണ് ഈ സമയങ്ങളിലൊക്കെ. താങ്ങാൻ വയ്യാത്ത ലക്ഷണങ്ങൾ വന്നുഭവിച്ചു കഴിഞ്ഞായിരിക്കും നിങ്ങൾ അടുത്ത തവണ ആശുപത്രിയിലെത്തുന്നത്. എന്നാൽ ഈ രീതി പാടേ മാറാൻ പോവുകയാണ്. എപ്പോഴും നിങ്ങൾ ഡോക്ടറുടെ നിരീക്ഷണത്തിലായിരിക്കും, നിങ്ങളുടെ ഫിസിയോളജി പഠിക്കപ്പെട്ടുകൊണ്ടിരിക്കയായിരിക്കും. ഡോക്ടർ നിങ്ങളുടെ കൈത്തണ്ടയിൽത്തന്നെയുണ്ട്. AI ഡോക്ടർ. ചിലപ്പോൾ ശരീരത്തിൽ പലയിടത്ത് പതിപ്പിച്ച ചെറിയ ഇലക്ട്രോണിക് തുണ്ടുകളായി ഈ ഡോക്ടർ നിങ്ങളുടെ ശരീരത്തിന്മേൽ അധിവസിക്കുകയായിരിക്കും.

ഇനി മുതൽ ഡോക്ടറും ആശുപത്രിയും നിങ്ങളോടൊപ്പമുണ്ട്, സദാസമയവും. നിങ്ങളുടെ ഫിസിയോളജിയും രോഗവിവരങ്ങളും മറ്റും ക്ലിനിക്കിലെത്തുന്നതരം wearable devices കൈകാര്യം ചെയ്യും. ആശുപത്രിയിൽ കയറിയിറങ്ങുകയോ ചികിൽസക്ക് അവിടെ കിടക്കുകയോ ചെയ്യുന്നത് വളരെ മിനിമലാകുകയാണ്. ആരോഗ്യം കൈകാര്യം ചെയ്യുന്നത് എളുപ്പവും വേഗതയാർന്നതും ആകുകയാണ്.

പലതരം സെൻസറുകളാണ് ശരീരഫിസിയോളജി അളന്ന് അറിയിപ്പുകൾ കൊണ്ടുവരുന്നത്. ഇപ്പോൾത്തന്നെ രക്തത്തിലെ ഓക്സിജന്റെ അളവ് അറിയാനാവുന്ന (pulse oxymetry) ചെറിയ ഉപകരണം  പ്രചാരത്തിലുണ്ട്. ഹൃദയമിടിപ്പും അതിലുള്ള വ്യതാസങ്ങളും  (heart rate variability HRV) അറിയാനുള്ളവയും നിലവിലുണ്ട്. കൂടാതെ രക്തത്തിലെ ഗ്ളൂക്കോസിൻ്റെ അളവ് സൂചിപ്പിക്കുന്നവയും. ഇത്തരം ഉപായോപകരണങ്ങൾ വ്യാപ്തി നേടിയത് അതിൽ ഉപയോഗിക്കുന്ന പദാർത്ഥം, നിർമ്മാണത്തിലെ പുതുമകൾ, ഇലക്ട്രോണിക്സിൽ വന്ന ആധുനികത ഇവയൊക്കെ സമ്മിളിതമായതുകൊണ്ടാണ്. അതോടൊപ്പം miniaturization എന്ന പ്രക്രിയയും ഉൾപ്പെട്ടു.

നേരത്തെ ശരീരത്തിനുള്ളിലോ ത്വക്കിനടിയിലോ സ്ഥാപിക്കപ്പെടാറുള്ള സെൻസറുകൾ ഇന്ന് തികച്ചും ശരീരത്തിനുപുറത്ത് ത്വക്കിന്മേലാണ് ഇരുന്നരുളുന്നത്. ശരീരത്തിൽ ഒട്ടിപ്പിടിയ്ക്കുകയും അതേസമയം സംവേദനങ്ങൾ ഉള്ളിലുള്ള ചെറിയ ചിപ്പുകളിലേക്ക് പ്രക്ഷേപണം ചെയ്യാനും സാധിക്കുന്ന വിദഗ്ധ മിനി പാക്കേജുകളാണിവ.  പലതിനും വിയർപ്പ് ആഗിരണം ചെയ്താൽ മതി, അതിൽനിന്ന് പല ഫിസിയോളജികളും വിശകലനം ചെയ്തെടുക്കും. പ്രത്യേകിച്ച് പ്രതിരോധ വ്യവസ്ഥയും (immune system) നീർവീക്കവും (inflammation) സംബന്ധിച്ചുള്ളവ. കയ്യിൽ ചുറ്റാവുന്ന ഒരു പരന്ന നാടയായിരിക്കാം അത്, ഒരു മോതിരം, കാഴ്ച്ചയ്ക്ക് ഉപയോഗിക്കുന്ന കണ്ണട, വാച്ച്,  ചതുരത്തിള്ള ചെറിയ ഒരു patch, ത്വക്കിനുള്ളിലേക്ക് മരുന്ന് പ്രവേശിപ്പിക്കുന്ന ചെറിയ പമ്പ്- ഇങ്ങനെ  ധരിക്കാവുന്ന ഉപകരണങ്ങൾ വൈവിദ്ധ്യമിയന്നതും കൈകാര്യം ചെയ്യാനും കൊണ്ടുനടക്കാനും എളുപ്പമുള്ളതുമാണ്.  AI യുടെ പ്രത്യക്ഷപ്രദർശനങ്ങളായിത്തീരുന്നു ഈ ശരീരോപകരണങ്ങൾ.

വാസ്തവത്തിൽ കോവിഡ് വൈറസ് വ്യാപനക്കാലത്ത് ഇത്തരം ഉപകരണങ്ങളുടെ ഉപയോഗവ്യാപ്തി കൂടുകയാണുണ്ടായത്. കോവിഡ് ലക്ഷണങ്ങൾ കണ്ടുതുടങ്ങുന്നതിനു മുൻപു തന്നെ അത് സ്ഥിരീകരിക്കാൻ മാർഗ്ഗങ്ങൾ ആരായേണ്ടി വന്നിരുന്നു, ദേഹത്ത് ധരിക്കാവുന്ന സെൻസറുകൾ ആവിഷ്ക്കരിക്കാൻ പല ഗവേഷകരും കഠിനപ്രയത്നത്തിലേർപ്പെടുകയും ചെയ്തു. ഹൃദയ മിടിപ്പിൻ്റെ താളം തെറ്റിയാൽ അത് നെർവസ് സിസ്റ്റത്തി​ന്റെ ചില പ്രത്യേക പ്രവർത്തികളുമായി ബന്ധിപ്പിക്കാമെന്നും ഇതിനു ചില സെൻസറുകൾ ഉപയോഗിക്കാമെന്നും കണ്ടുപിടിച്ചതാണ് ഈ വഴിയിലെ തുടക്കം.

ഇന്ന് ഇത്തരം ഡിജിറ്റൽ ഉപകരണങ്ങൾ AI യുമായി ബന്ധിപ്പിച്ച് നൂതന സാമഗ്രികളായി ആവിഷ്ക്കരിക്കപ്പെട്ടു കൊണ്ടിരിക്കുന്നു. ഈ സെൻസറുകൾ പലതും ദൂരേയ്ക്ക് വിവരങ്ങൾ അയയ്ക്കാൻ പാകത്തിലുള്ളവയാണ്. ഡോക്ടർക്ക് രോഗിയെ നിരീക്ഷിക്കാൻ എളുപ്പമാവുകയാണ്. രക്തത്തിലെ ഗ്ളൂക്കോസിൻ്റെ അളവ്, രക്തസമ്മർദ്ദം, ഹൃദയതാളം, സർജറിക്കുശേഷമുള്ള ശരീരചലനങ്ങൾ ഇവയൊക്കെ ദൂരെയിരുന്ന് ഡോക്ടർക്ക് നിരീക്ഷിക്കാനും അപ്പപ്പോൾ നിർദ്ദേശങ്ങൾ കൊടുക്കാനും സാധിക്കും. ഇത് രോഗം കൂടുതൽ വഷളാകാതിരിക്കാനുള്ള മുൻകരുതലുമായിത്തീരുകയാണ്. രോഗിയുടെ സ്ഥിരം പാറ്റേണുകൾ അറിഞ്ഞാൽ AI തന്നെ ഇത് വിശകലനം ചെയ്ത് കൂടുതൽ ഡാറ്റയുമായി താരതമ്യം ചെയ്ത് രോഗിക്ക് സൂചന നൽകിയേക്കാം. 

പലപ്പോഴും നേരിട്ട് നിരീക്ഷിക്കപ്പെടേണ്ടവരാണ് ചില മനോരോഗികൾ. ഇത് അസാധ്യമാകുന്നെങ്കിൽ ഇന്ന് wearable devices  നിലവിൽ വന്നിരിക്കുന്നു, പോം വഴികളുമായി. രോഗിയുടെ ഉറക്കം, ജാഗ്രദാവസ്ഥയിലെ ചലനങ്ങൾ, മാനസികസംഘർഷങ്ങളുടെ ലക്ഷണങ്ങൾ ഇവയൊക്കെ അപ്പപ്പോൾ സൈക്യാട്രിസ്റ്റിനെ അറിയിച്ചുകൊണ്ടിരിക്കാനുള്ള ഉപകരണങ്ങൾ നിലവിൽ വന്നുകഴിഞ്ഞു. രോഗിയുടെ ഇനി വരാനുള്ള പെരുമാറ്റത്തെക്കുറിച്ച് സൂചനകൾ നൽകാനുള്ള വിദ്യകളൊക്കെ AI യുടെ പക്കലുണ്ട്. ഹൃദയമിടിപ്പിൻ്റെ രീതികളിലുള്ള വ്യത്യാസങ്ങൾ ചില തലച്ചോർ പ്രവർത്തനങ്ങളുടെ സൂചനകൾ തരുന്നുണ്ട്, മനുഷ്യൻ നിരീക്ഷിക്കുന്നതിൽ കൂടുതൽ വിവരങ്ങൾ ഇത്തരം ഉപകരണങ്ങളും AI  യും സമ്മാനിക്കുമെന്നർത്ഥം

ഇന്ന് ഇത്തരം ഉപകരണങ്ങൾ കൂടുതൽ ചെറുതായിക്കൊണ്ടിരിക്കയാണ്. പലതും ഒരേ ശരീരത്തിൽ പല ഭാഗത്തായി ഘടിപ്പിക്കാവുന്നതാണ്. ഇവ അളന്നെടുക്കുന്നത് ഫിസിയോളജിപരമായ പ്രവർത്തനങ്ങളാണ്. നിർമ്മിതബുദ്ധി ഇവയെല്ലാം ഒന്നിച്ചാക്കി രോഗിയുടെ കൃത്യമായ അവസ്ഥ കണക്കാക്കിയെടുക്കുകയാണ്. ചില തീരുമാനങ്ങൾ AI തന്നെ മെനഞ്ഞെടുക്കുന്നവയാണ്. നിങ്ങളുടെ കൈത്തണ്ടയിൽ ഒരു AI  ഡോക്ടർ കുടിയിരിക്കുകയാണ്, നിങ്ങളോടൊപ്പം സദാ സഞ്ചരിക്കയാണ്. 

References:

1. Freeman, R., Gal, J., Charney , A., Nadkarni G. and Reich, D. AI at the bedside: A case study for delivering value to patients and clinicians. Frontiers of Medical Research: Artificial Intelligence, Science Special Edition, 15-16 2023. 

2. Hirten R. P., Ensari, I., Kim, Y. S., Danieletto M., Zweig, M., Landell, K., Shaw, L. J. and Fayad, Z. A. An AI doctor on your wrist: Wearable devices to monitor health and disease. Frontiers of Medical Research: Artificial Intelligence. Science Special Edition, 17-18 2023.   

3. Lenharo, M. Google AI has better bedside manner than human doctors — and makes better diagnoses Nature 625: 643-644 2024.

4.  P. Motazedian , J. A. , Marbach et al,  and Hibbert B.   Diagnostic accuracy of point-of-care ultrasound with artificial intelligence- assisted assessment of left ventricular ejection fraction  Digital Medicine 201: 1-7 2023.