همزادهای دیجیتالی ابزاری برای درمان شخصیسازی شده
همزاد دیجیتالی چگونه حوزه درمان را دگرگون میکند؟
سید مهدی حسینی؛ مدیر ارشد سلامت هوشمند فناپ زیرساخت
سلامت دیجیتال رویکردی است چند بعدی که از تغییر مدل ذهنی به فرایند تشخیص و درمان شروع و با بازنگری و ایجاد فرایندهای منعطف و تابآور ادامه پیدا میکند و در این مسیر نقش و بکارگیری فناوریهای نوآورانه و تحول آفرین، اجتناب ناپذیر است. یکی از دغدغههای اصلی همواره درمان شخصسازی شده هر بیمار با توجه به شرایط منحصر بفرد ژنتیکی، خانوادگی، جغرافیای، اقتصادی و سایر موارد مربوط به او است که فناوریهایی همچون هوش مصنوعی پزشکی، داده محوری و همزاد دیجیتالی بستر این موضوع را فراهم میکنند.
همزادهای دیجیتالی نسخههای مجازی از دنیای فیزیکی هستند که شبیهسازی مجازی را امکانپذیر و تغییر در فرایندهای دنیای واقعی را کم هزینهتر میکند. تصور کنید یک همزاد دیجیتالی وجود دارد که وقتی شما بیمار میشوید، بهترین درمان ممکن برای شما، بدون نیاز به مصرف دارو یا تماس با چاقوی جراحی، ابتدا روی او آزمایش و شناسایی شود.
همزادهای دیجیتالی، الگوهای محاسباتی اشیا یا فرایندهای فیزیکی هستند که با استفاده از دادههای بدست آمده از همتایانشان در دنیای واقعی بهروزرسانی میشوند. در پزشکی، این کار به معنای ترکیب حجم وسیعی از دادههای بدست آمده در مورد عملکرد ژنها، پروتئینها، سلولها و کل اندامهای بدن با دادههای شخصی بیماران بمنظور ایجاد الگوهای مجازی از اندامهای آنها و سرانجام، ایجاد الگوهای بالقوه از کل بدن آنهاست.
روندها نشان میدهد طی ده سال آینده، انجام آزمایشهای «شبیهسازی رایانهای» که در آنها از صدها اندام مجازی برای ارزیابی ایمنی و اثربخشی داروها استفاده میشود، میتواند به فرایندی کاملا عادی تبدیل شود، در عین حال که از الگوهای اندام خاص بیمار برای شخصیسازی درمان و جلوگیری از ایجاد عوارض پزشکی استفاده میشود.
نقش همزاد دیجیتالی برای درمان بیماری قلبی
امروزه با رویکرد داده محوری، پزشکان نلاش میکنند با توجه به تجربه، شرایط مشابه و اطلاعاتی که از ویزیت افراد در گذشته داشتهاند، تشخیص، شیوه درمان و داروهای مناسب برای بیمار را بیابند. همزاد دیجیتالی هم از دادههای بیماران پیشین استفاده میکند و با ایجاد یک الگو نحوه عملکرد بدن و آسیبهای وارد شده به آن را نشان میدهد. در این حالت تصمیمگیری برای تجویز نسخه و فرایند درمان برای هر بیمار، نه بر اساس شباهت میان افراد در جمعیتی نامتجانس، بلکه به شکلی شخصیسازیشده انجام میشود.
اکنون پیشرفتهترین الگو در این زمینه را در حوزه درمان بیماریهای قلب و عروق میبینیم. امروزه شرکتها از مدلهای قلب بیمار برای کمک به طراحی دستگاههای پزشکی استفاده میکنند. برای مثال، یک استارتاپ مستقر در بارسلون این امکان را برای شرکتها فراهم میکند که آزمایش داروها و دستگاهها را روی مدلهای شبیهسازی شده قلب انسان انجام دهند.
کارکرد همزاد دیجیتالی در نبرد با سرطان
انتظار میرود بیماران مبتلا به سرطان نیز از این برنامههای فناورانه بهرهمند شوند. در همین راستا متخصصان هوش مصنوعی در شرکتهای داروسازی برای ساختن نسخه دیجیتالی از تومورهای بیماران با استفاده از تصاویر و دادههای ژنتیکی و مولکولی و همچنین رشد سلولهای سرطانی بیماران بصورت سهبعدی و آزمایش نحوه واکنش آنها به داروها، با پژوهشگران سرطان در مراکز علمی سلامت و درمان، همکاری میکنند.
با بکارگیری فناوری یادگیری ماشین روی کلاندادهها، دانشمندان میتوانند پیشبینی کنند که بیماران به ترکیب داروهای مختلف و دوزهای رژیمهای دارویی چگونه واکنش نشان میدهند. به گفته دانشمندان این حوزه تخصصی «نمیتوان چنین تحقیقاتی را بطور چندباره روی بیمار واقعی و با آزمایش چند دارو و ترکیبات دارویی انجام داد، زیرا هر بار امتحانِ یک شیوه درمانی جدید، نوعی کارآزمایی بالینی است. بنابراین تلاش برای یافتن راهکاری درمانی است که اگر سرطان در بیمار دوباره شدت گرفت، بدانیم چگونه او را درمان کنیم یا کدام آزمایش بالینی را در مورد او بکار بگیریم.»
همزاد دیجیتالی برای بارداری ایمن
متخصصان حتی در حال توسعه همزاد دیجیتالی برای کنترل دوران بارداری هستند. این دستاورد میتواند به تولید دارو برای شرایطی مانند نارسایی جفت و درک بهتر فرایندهای فیزیولوژیکی کمک کند که پشتوانهای برای کنترل بارداری و زایمان خواهند بود.
دکتر میشل اوین، مدیر مرکز مهندسی سلامت زنان در دانشگاه واشینگتن، میگوید: «در بسیاری از موارد نمیتوانیم روی زنان باردار آزمایش کنیم و الگوهای حیوانی خوبی نیز برای بارداری انسان وجود ندارند.» او در حال ساخت الگوهای جفت از اسکنهای اولتراسوند گرفته شده در دوران بارداری و تصاویر با وضوح بالا پس از زایمان در زنان با حاملگیهای سالم و پیچیده است و الگوریتمی را برای تشخیص و ساخت یک نسخه دیجیتالی از بافتهای مختلف آموزش میدهد.
دکتر اوین میگوید: «هدف ما کشف موارد قابل آزمایش روی افراد زنده است تا مشکلات احتمالی در عملکرد جفت در دوران بارداری را در افراد، پیشبینی و از بروز مواردی مانند مرده به دنیا آمدن جنین جلوگیری کنیم.
همکار او، دکتر کریستین مایرز از دانشگاه کلمبیا در نیویورک، هم در حال ساخت الگوهایی از دهانه رحم و غشاهایی است که جنین را احاطه میکنند. هدف بلندمدت آنها ترکیب همه این الگوها در الگویی واحد از یک فرد است، الگویی که بتواند چگونگی بارداری را پیشبینی کند. دکتر مایرز میگوید: امیدوارم بتوانیم با تهیه اسکن اولتراسونیک سادهای از آناتومی مادر، نحوه رشد و بسط رحم و زمان بهتر برای زایمان را ارزیابی کنیم و این اسکن حتی ممکن است طولانی یا پیچیده بودن زایمان را پیشبینی کند و به زنان کمک کند تا تصمیم آگاهانهتری درباره سزارین بگیرند.»
دگرگونی فناورانه برای بهبود شیوههای درمان
امروزه پژوهشگران دیگری در حال ساخت همزاد دیجیتالی برای بیمارستانها هستند تا کارایی روند بیماران در سیستم مراقبتهای بهداشتی را بهبود ببخشند.
دکتر ژاکوب کوریس، جراح تروما و ارتوپد و از پزشکان پیشرو در حوزه تحول دیجیتال در سلامت میگوید: «با ردیابی امضاهای دیجیتالیای که با هر رخدادی برای بیمار، از او دریافت میکنیم (مثلا از زمانی که عکسبرداری اشعه ایکس تجویز، انجام و گزارش میشود، تا زمانی که قرار ویزیت سرپایی برای بیمار ثبت میشود و در آن حضور مییابد) میتوانیم تصویری بسیار دقیق و در لحظه از نحوه روند بیماران با شرایط مشابه در سیستم ایجاد کنیم. با این روش میتوانیم بخشهایی را که نیاز به بهبود دارند، و همچنین فرایندهای مناسبی که موجب مراقبت بهتر از بیمار میشوند را شناسایی کنیم و از این تجربهها برای بازطراحی فرایند درمان و مراقبت از بیماران، استفاده کنیم.»
منابع:
https://www.theguardian.com/science/2023/nov/12/digital-twin-personalised-medical-treatment
ارسال نظر