အေအို (AI) သည် ကင်ဆာကို ဘယ်လို အနိုင်ယူနိုင်သနည်း

(SeaPRwire) –   ကင်ဆာရောဂါဗေဒ (Oncology) ၏ အဓိကပြဿနာမှာ အမြဲတမ်း ခွဲခြားနိုင်စွမ်းအပေါ်တွင်သာ မူတည်နေပါသည်။ ကင်ဆာဆဲလ်များနှင့် ပုံမှန်ဆဲလ်များသည် မော်လီကျူးအဆင့်တွင် အလွန်တူညီကြသည်။ ကင်ဆာဆဲလ်တစ်ခုကို ထူးခြားစေသည်မှာ ပုံမှန်မဟုတ်သော ထိန်းချုပ်မှု (dysregulation) ဖြစ်ပြီး၊ မျိုးဗီဇခလုတ်များ လွဲမှားစွာ ပြောင်းလဲသွားခြင်းကြောင့် ထိန်းချုပ်မရသော ကြီးထွားမှုကို ဖြစ်ပေါ်စေခြင်း ဖြစ်သည်။ ဆယ်စုနှစ်များစွာတိုင်အောင် ထိုခလုတ်များကို ရှာဖွေဖော်ထုတ်ရန် လူနာများ၏ နမူနာများကို လက်ဖြင့် စေ့စေ့စပ်စပ် ရှာဖွေခဲ့ရပြီး၊ မြင်နိုင်ရန် ခဲယဉ်းလောက်အောင် သိမ်မွေ့လွန်းသော ပုံစံများကို ရှာဖွေခဲ့ကြရသည်။

AI သည် ဖြစ်နိုင်ခြေများကို ပြောင်းလဲပေးခဲ့သည်။ ထောင်ပေါင်းများစွာသော ကင်ဆာနမူနာများ၏ မျိုးဗီဇအစီအစဉ်များပါဝင်သည့် ဂျီနုမ်း (Genomic) ဒေတာဘေ့စ်များပေါ်တွင် လေ့ကျင့်ပေးထားသော စနစ်များသည် ယခုအခါ ပတ်ဝန်းကျင်ရှိ ကျန်းမာသော တစ်ရှူးများတွင် မဟုတ်ဘဲ ကင်ဆာဆဲလ်များတွင်သာ သီးသန့်ဖြစ်ပေါ်နေသော အဓိက ထိန်းချုပ်မှုပုံစံများကို ဖော်ထုတ်နိုင်ပြီဖြစ်သည်။ ယခင်က တိကျကင်ဆာကုသမှုပညာ (precision oncology) ၏ ဇီဝအမှတ်အသားများ (biomarkers) နှင့် မတူဘဲ၊ ၎င်းတို့သည် မျိုးဗီဇများ မည်သို့ပွင့်သည်၊ ပိတ်သည်ဟူသော အဆင့်တွင် ကင်ဆာဆဲလ်နှင့် ပုံမှန်ဆဲလ်တို့၏ ကွာခြားချက်ကို ဖော်ပြပေးသည့် အသေးစိတ်ကျသော ဂျီနုမ်းဆိုင်ရာ လက္ခဏာရပ်များ ဖြစ်ကြသည်။

ထိုလက္ခဏာရပ်များကို ဖော်ထုတ်နိုင်သည်နှင့် ယခင်က မဖြစ်နိုင်ခဲ့သော ချဉ်းကပ်မှုပုံစံ အမျိုးမျိုးကို လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။ AI သည် လူနာတစ်ဦးချင်းစီ၏ အကျိတ်မှ ထွက်ပေါ်လာသော ထူးခြားသည့် မျိုးဗီဇပြောင်းလဲမှုများကို တိုက်ဖျက်ရန် ကိုယ်ခံအားစနစ်ကို လေ့ကျင့်ပေးသည့် တစ်ဦးချင်းစီအတွက် သီးသန့်ထုတ်လုပ်ထားသော ကင်ဆာကာကွယ်ဆေးများကို ဒီဇိုင်းထုတ်ရာတွင် သုတေသီများကို ကူညီပေးနေသည်။

Moderna နှင့် Merck တို့သည် COVID-19 ကာကွယ်ဆေးများကို အားဖြည့်ပေးခဲ့သည့် mRNA အခြေခံအဆောက်အအုံကို အသုံးပြု၍ ဤလုပ်ငန်းစဉ်ကို နောက်ဆုံးအဆင့် စမ်းသပ်မှုများတွင် လုပ်ဆောင်နေပြီဖြစ်သည်။ AI သည် ကင်ဆာ၏ ကိုယ်ခံအားစနစ်ကို နှိမ်နှင်းထားသော ပတ်ဝန်းကျင်အတွင်း အလုပ်မပြီးဆုံးမီ အားကုန်မသွားစေဘဲ၊ အကျိတ်သီးသန့် အချက်ပြမှုများကို အသုံးပြု၍ အလုပ်လုပ်နိုင်သော ပိုမိုထက်မြက်သည့် CAR T ဆဲလ်များကို တည်ဆောက်ရာတွင်လည်း အင်ဂျင်နီယာများကို ကူညီပေးနေသည်။ အစောဆုံးအဆင့်တွင်လည်း AI အခြေပြု ဂျီနုမ်းနှင့် ပုံရိပ်ဖော်ဒေတာများကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ရောဂါလက္ခဏာများ မပေါ်ပေါက်မီ နှစ်ပေါင်းများစွာကတည်းက ကင်ဆာကို ရှာဖွေတွေ့ရှိနိုင်ရန် လုပ်ဆောင်ပေးနေပြီး၊ ထိုအချိန်တွင် ကုသပါက အသက်ရှင်နှုန်းမှာ သိသိသာသာ ပိုမိုမြင့်မားပါသည်။

ယနေ့ခေတ်တွင် ကျွန်ုပ်တို့ ကင်ဆာကို မည်သို့တိုက်ဖျက်နေသနည်း

လက်ရှိ အကောင်းဆုံးနည်းပညာမှာ သိပ္ပံပညာရှင်များသည် ကင်ဆာအကျိတ်ဆဲလ်များပေါ်တွင် သို့မဟုတ် အတွင်း၌ သဘာဝအတိုင်း ဖြစ်ပေါ်နေသော ပစ်မှတ်များ (ပရိုတင်းများ၊ အင်ဇိုင်းများ၊ လက်ခံကိရိယာများ) ကို ရှာဖွေဖော်ထုတ်ပြီး ၎င်းတို့ကို တိုက်ခိုက်ရန် ဆေးဝါးများ ထုတ်လုပ်ခြင်း ဖြစ်သည်။ ၎င်းသည် နှေးကွေးပြီး ကုန်ကျစရိတ်များကာ အကန့်အသတ်များစွာ ရှိနေသည်။ အကြောင်းမှာ သဘာဝပစ်မှတ်များသည် ကင်ဆာဆဲလ်တွင်သာမက ကျန်းမာသော ဆဲလ်များတွင်လည်း တည်ရှိနေသောကြောင့် ဖြစ်သည်။ ကိုယ်ခံအားစနစ်ကို လှုံ့ဆော်ပေးသည့် မည်သည့်ဆေးဝါးမဆို အခြားနေရာများတွင်လည်း လှုံ့ဆော်မှုဖြစ်စေပြီး အန္တရာယ်ရှိကာ အဆိပ်အတောက်ဖြစ်စေသော ကိုယ်ခံအားစနစ် အလွန်အကျွံတုံ့ပြန်မှု (immune storm) ကို ဖြစ်ပေါ်စေသည်။

ယနေ့ခေတ်တွင် ဆေးပမာဏကို လျှော့ချခြင်းသည်သာ ဤပြဿနာကို ဖြေရှင်းရန် ကျွန်ုပ်တို့ သိရှိထားသော တစ်ခုတည်းသော နည်းလမ်းဖြစ်သည်။ သို့သော် ဆေးပမာဏကို လျှော့ချလိုက်သောအခါ ထိရောက်မှုလည်း လျော့နည်းသွားပြီး ကင်ဆာပြန်ဖြစ်နိုင်ခြေကို မြင့်တက်စေသည်။ ကင်ဆာပြန်ဖြစ်လာသောအခါတွင် ၎င်းသည် မျိုးဗီဇပြောင်းလဲရန်နှင့် ဆေးဝါးများကို ခံနိုင်ရည်ရှိလာစေရန် အချိန်ရသွားလေ့ရှိသည်။

ကမ္ဘာတစ်ဝန်းတွင် နှစ်စဉ် လူပေါင်း ၁.၈ သန်း သေဆုံးနေရသည့် အသက်အန္တရာယ်အရှိဆုံး အဆုတ်ကင်ဆာရောဂါတွင် ကျွန်ုပ်တို့သည် တိုးတက်မှုများ ရရှိခဲ့ပြီး လွန်ခဲ့သည့် ဆယ်စုနှစ်နှစ်ခုအတွင်း ၅ နှစ်တာ အသက်ရှင်နှုန်းကို နှစ်ဆနီးပါး မြှင့်တင်နိုင်ခဲ့သည်။ သို့သော်လည်း ရောဂါရှာဖွေတွေ့ရှိသူများ၏ ၇၀ ရာခိုင်နှုန်းခန့်သည် လာမည့် ၅ နှစ်အတွင်း သေဆုံးနေရဆဲ ဖြစ်သည်။

AI အခြေပြု ကင်ဆာဇီဝအင်ဂျင်နီယာပညာ လုပ်ဆောင်ပုံ

ဉာဏ်ရည်တု (AI) သည် စကားပြောရုံသက်သက် chatbot များထက် များစွာပို၍ အရေးပါသည်။ ဓာတ်မှန်ပညာရှင်များကို စကင်ဖတ်စစ်ဆေးမှုများ ပိုမိုမြန်ဆန်စွာ ဖတ်ရှုနိုင်ရန် ကူညီပေးခြင်း သို့မဟုတ် ဆေးဝါးဒေတာဘေ့စ်များတွင် အခြားနေရာ၌ အသုံးပြုနိုင်မည့် ဆေးဝါးများကို ရှာဖွေပေးခြင်းတို့သည် ကောင်းမွန်သော အစပြုမှုများ ဖြစ်သော်လည်း၊ ကျွန်ုပ်တို့သည် လုံးဝခြားနားသော နည်းလမ်းသစ်တစ်ခုဖြင့် လုပ်ဆောင်ရန် လိုအပ်ပါသည်။

သုတေသီများ စတင်အသုံးပြုလာသော နှိုင်းယှဉ်ချက်မှာ ဤ AI ချဉ်းကပ်မှုသည် DNA နှင့် ကင်ဆာဇီဝဗေဒအတွက် AlphaFold သည် ပရိုတင်းသိပ္ပံအတွက် ဖြစ်လာခဲ့သကဲ့သို့ပင် ဖြစ်သည်။ AlphaFold သည် ပရိုတင်းများကို ရှာဖွေတွေ့ရှိခဲ့ခြင်း မဟုတ်ဘဲ၊ ၎င်းတို့ ခေါက်ချိုးပုံကို ထိန်းချုပ်သည့် စည်းမျဉ်းများကို ဖော်ထုတ်ပေးခဲ့ခြင်းဖြစ်ပြီး ပရိုတင်းတည်ဆောက်ပုံကို ပထမဆုံးအကြိမ် စနစ်တကျ ဆင်ခြင်သုံးသပ်နိုင်စေခဲ့သည်။

AI အခြေပြု ကင်ဆာဇီဝအင်ဂျင်နီယာပညာသည် ကင်ဆာ၏ မျိုးဗီဇပတ်လမ်းဆိုင်ရာ စည်းမျဉ်းများကို ကောင်းမွန်စွာ ဖော်ထုတ်ပေးနိုင်သဖြင့် သဘာဝဇီဝအမှတ်အသားများက ဘယ်သောအခါမှ ခွင့်မပြုခဲ့သော တိကျမှုမျိုးဖြင့် ကင်ဆာအကျိတ်ဆဲလ်များအတွင်း အလုပ်လုပ်မည့် ပရိုဂရမ်များကို ရေးသားနိုင်စေသည်။ ကျွန်ုပ်တို့သည် ကုဒ်ကို ဖတ်ရုံသာမက၊ ၎င်းကို ပြန်လည်ရေးသားနေခြင်း ဖြစ်သည်။

ပို့ဆောင်ရေး ယန္တရားအတွက်လည်း ကိုယ်ပိုင်အောင်မြင်မှုတစ်ခု လိုအပ်ပါသည်။ ကင်ဆာဆဲလ်တစ်ခုသို့ ရောက်ရှိရန်အတွက် ဓာတုနည်းဖြင့် ပြုလုပ်ထားသော မျိုးဗီဇဆိုင်ရာ ပစ္စည်း (genetic payload) သည် ကိုယ်ခံအားစနစ်၏ ဖျက်ဆီးခြင်းကို မခံရဘဲ ခန္ဓာကိုယ်အတွင်း ဖြတ်သန်းသွားရမည်ဖြစ်သည်။ COVID-19 ကာကွယ်ဆေးများ၏ နောက်ကွယ်မှ နည်းပညာဖြစ်သော လစ်ပစ် နာနိုအမှုန်များ (Lipid nanoparticles) သည် ထိုယာဉ်အဖြစ် ပေါ်ထွက်လာသည်။

ကပ်ရောဂါကာလအတွင်း အစီအစဉ်များသည် သုတေသီများ ကာလရှည်ကြာ သံသယရှိခဲ့သည်ကို သက်သေပြခဲ့သည်- လစ်ပစ် နာနိုအမှုန်များသည် mRNA ပစ္စည်းများကို လူသားဆဲလ်များအတွင်းသို့ ဘေးကင်းစွာနှင့် အတိုင်းအတာတစ်ခုအထိ ပို့ဆောင်ပေးနိုင်ကြောင်း ဖြစ်သည်။ ဇီဝအင်ဂျင်နီယာများသည် ယခုအခါ ထိုအခြေခံအဆောက်အအုံကို ကင်ဆာအတွက်နှင့် ကုထုံးဆိုင်ရာ၊ ခေတ္တဖြစ်သော၊ ဘေးကင်းသော DNA ပစ္စည်းများအတွက် ပြုပြင်ပြောင်းလဲနေကြပြီး၊ ကိုယ်ခံအားစနစ်၏ ရှာဖွေတွေ့ရှိမှုကို ရှောင်ရှားရန်နှင့် ပစ်မှတ်သို့ရောက်ရှိရန် အချိန်ပိုရစေရန် နာနိုအမှုန်များ၏ မျက်နှာပြင်ကို အင်ဂျင်နီယာနည်းပညာဖြင့် ပြုလုပ်နေကြသည်။ ဤနေရာတွင်လည်း ဒြပ်ပေါင်းပေါင်းများစွာကို AI အယ်လ်ဂိုရီသမ်များဖြင့် ခွဲခြမ်းစိတ်ဖြာခြင်းက တိုးတက်မှုကို မြန်ဆန်စေသည်။

တရုတ်နိုင်ငံက ဦးဆောင်နေပြီဖြစ်သည်

သို့သော် အမေရိကန်က ယင်းကို မဟာဗျူဟာမြောက် ဦးစားပေးအဖြစ် မသတ်မှတ်ပါက ဤအရာများမှာ အရေးပါမည်မဟုတ်ပေ။ တရုတ်နိုင်ငံသည် ဇီဝနည်းပညာကို အမျိုးသားအဆင့် မဟာဗျူဟာမြောက် ဦးစားပေးအဖြစ် သတ်မှတ်ထားပြီး၊ အစိုးရရန်ပုံငွေများကို ဇီဝနည်းပညာ စတင်တည်ထောင်သူများ (startups) ထံ တိုက်ရိုက်စီးဆင်းစေခြင်း၊ စည်းမျဉ်းစည်းကမ်း ပြန်လည်သုံးသပ်သည့် အချိန်ဇယားများကို လျှော့ချခြင်းနှင့် ဤကဏ္ဍတွင် အမေရိကန်၏ လွှမ်းမိုးမှုကို ခြိမ်းခြောက်လာခြင်းတို့ လုပ်ဆောင်နေသည်။ လွန်ခဲ့သည့်နှစ် ပထမနှစ်ဝက်အတွင်းမှာပင် ဆေးဝါးလုပ်ငန်းသည် တရုတ်ဇီဝနည်းပညာဆိုင်ရာ သဘောတူညီချက်များအတွက် ဒေါ်လာ ၄၈.၅ ဘီလီယံ သုံးစွဲခဲ့ပြီး၊ ၎င်းသည် ၂၀၂၄ ခုနှစ် တစ်နှစ်လုံးထက် ပိုမိုများပြားသည်။ တစ်ချိန်တည်းမှာပင် အမေရိကန်၏ စွန့်ဦးတီထွင်ရင်းနှီးမြှုပ်နှံမှု (venture capital) များသည် ဆော့ဖ်ဝဲလ်ဆိုင်ရာ AI ဘက်သို့သာ အလွန်အကျွံ စီးဆင်းနေဆဲဖြစ်သည်။ AI စတင်တည်ထောင်သူများသည် လွန်ခဲ့သည့်နှစ်တွင် ရင်းနှီးမြှုပ်နှံမှု ဒေါ်လာ ဘီလီယံ ၂၀၀ ကျော် ရရှိခဲ့ပြီး၊ ၎င်းသည် စွန့်ဦးတီထွင်ရင်းနှီးမြှုပ်နှံမှု အားလုံး၏ ၅၀ ရာခိုင်နှုန်း ဖြစ်သည်။ ဇီဝဆေးဝါးလုပ်ငန်း (Biopharma) သည် ခန့်မှန်းခြေ ဒေါ်လာ ၂၆ ဘီလီယံသာ ရရှိခဲ့သည်။

ဤကွာဟချက်သည် ဈေးကွက်၏ ထိရောက်မှုမရှိခြင်းမျှသာ မဟုတ်ပါ။ ၎င်းသည် ဤဆယ်စုနှစ်အတွင်း AI ၏ အမှန်တကယ် အကျိုးသက်ရောက်မှုအရှိဆုံး အသုံးချမှုမှာ ဆော့ဖ်ဝဲလ်ကို ပိုမိုထက်မြက်အောင် ပြုလုပ်ခြင်းတစ်ခုတည်း မဟုတ်နိုင်ကြောင်း အသိအမှတ်ပြုရန် ပျက်ကွက်ခြင်းကို ထင်ဟပ်နေသည်။ ၎င်းသည် ကျွန်ုပ်တို့ နေထိုင်ရာ ရုပ်ပိုင်းဆိုင်ရာ ကမ္ဘာကြီးကို ပြောင်းလဲပေးနိုင်ပြီး၊ ဆဲလ်များကို ပရိုဂရမ်ရေးဆွဲနိုင်အောင် ပြုလုပ်ခြင်းဖြင့် ဇီဝဗေဒကို သိပ္ပံပညာမှ အင်ဂျင်နီယာပညာအဖြစ်သို့ တိုးချဲ့ပေးနိုင်ခြင်း ဖြစ်သည်။

ကင်ဆာကုသမှု၏ အနာဂတ်ကို အမေရိကန်က မည်သို့ဦးဆောင်နိုင်မည်နည်း

အမေရိကန်အနေဖြင့် ကင်ဆာကုသမှု၏ အနာဂတ်ကို ဦးဆောင်နိုင်ရန်အတွက် ကွန်ဂရက်လွှတ်တော်သည် သီးသန့် အမျိုးသားဇီဝနည်းပညာ ရင်းနှီးမြှုပ်နှံမှု ရန်ပုံငွေတစ်ရပ်ကို ထူထောင်သင့်သည်။ ပညာရေးဆိုင်ရာ အဖွဲ့အစည်းများမှတစ်ဆင့် အဓိက လုပ်ဆောင်နေသည့် Advanced Research Projects Agency for Health (ARPA-H) တစ်ခုတည်း မဟုတ်ဘဲ၊ အစောပိုင်းအဆင့် ပလက်ဖောင်းကုမ္ပဏီများထံ အရင်းအနှီး တိုက်ရိုက်ထည့်ဝင်ပြီး ထိုဉာဏမူပိုင်ခွင့်များကို အမေရိကန်မြေပေါ်တွင် ထိန်းသိမ်းထားနိုင်မည့် နည်းလမ်းတစ်ခု လိုအပ်ပါသည်။

အဖွဲ့အစည်းဆိုင်ရာ ရင်းနှီးမြှုပ်နှံသူကြီးများနှင့် VC ကုမ္ပဏီများသည်လည်း အဓိကအခန်းကဏ္ဍမှ ပါဝင်ရမည်ဖြစ်သည်။ အများစုမှာ ဆော့ဖ်ဝဲလ် AI ဘက်သို့ ကူးပြောင်းသွားကြသော်လည်း၊ ကင်ဆာကို တိုက်ဖျက်ရန် ဆဲလ်များကို ပရိုဂရမ်ရေးဆွဲနိုင်သည့် နည်းပညာသည် နောက်ထပ်ထွက်ပေါ်လာမည့် ဘာသာစကားမော်ဒယ်ကြီး (large language model) ကဲ့သို့ပင် အရေးတကြီး လုပ်ဆောင်ရန် လိုအပ်ခြင်း ရှိ၊ မရှိ မိမိကိုယ်ကို ပြန်လည်မေးမြန်းရန် လိုအပ်သည်။

နောက်ဆုံးအနေဖြင့်၊ FDA ၏ အရှိန်မြှင့် ပြန်လည်သုံးသပ်သည့် လမ်းကြောင်းသစ်များကို ဆေးဝါးတစ်ခုတည်းအတွက်သာမက ပလက်ဖောင်းအခြေပြု ဇီဝကုထုံးများအထိပါ တိုးချဲ့ရန် လိုအပ်ပြီး၊ သို့မှသာ နောက်မျိုးဆက်သစ် ကင်ဆာကုသမှုများကို တည်ဆောက်နေသည့် ကုမ္ပဏီများသည် စည်းမျဉ်းစည်းကမ်းဆိုင်ရာ ရှင်းလင်းမှုအတွက် ဆယ်စုနှစ်တစ်ခုကြာ စောင့်ဆိုင်းနေရန် မလိုတော့မည် ဖြစ်သည်။

သိပ္ပံပညာသည် အသင့်ဖြစ်နေပါပြီ။ ကင်ဆာကို ၎င်း၏ဘာသာ ပြန်လည်တိုက်ဖျက်ရန် ပထမဆုံးအကြိမ် ပရိုဂရမ်ရေးဆွဲနိုင်ရန်အတွက် အမေရိကန်၏ အနာဂတ် တိကျဆေးပညာ နည်းပညာများတွင် ခိုင်မာပြီး တည်ငြိမ်သော ရင်းနှီးမြှုပ်နှံမှုများ လိုအပ်ပါသည်။