टाइप 1 मधुमेह का प्रबंधन करना मुश्किल है। क्या AI मदद कर सकता है? -TGN

एआई-संचालित मधुमेह तकनीक के लिए अभी भी एक लंबी राह बाकी है। दोनों के अंतर्गत संयुक्त राज्य अमेरिका और यूनाइटेड किंगडम चिकित्सा उपकरण विनियम, व्यावसायिक रूप से उपलब्ध स्वचालित इंसुलिन वितरण प्रणाली – एआई के बिना – उच्चतम जोखिम वर्ग में आते हैं। एआई-संचालित सिस्टम विकास के शुरुआती चरण में हैं, इसलिए उन्हें कैसे विनियमित किया जाना चाहिए, इस पर बातचीत अभी शुरू ही हुई है।

एमर्सन का प्रयोग पूरी तरह से आभासी था – लोगों में एआई-सहायता प्राप्त इंसुलिन वितरण का परीक्षण कई सुरक्षा चिंताओं को जन्म देता है। इंसुलिन खुराक जैसी जीवन-या-मृत्यु की स्थिति में, मशीन को नियंत्रण देना जोखिम भरा हो सकता है। “सीखने की प्रकृति से, आप बिल्कुल गलत दिशा में एक कदम उठा सकते हैं,” वर्जीनिया विश्वविद्यालय के मधुमेह प्रौद्योगिकी केंद्र के प्रोफेसर मार्क ब्रेटन कहते हैं, जो इस परियोजना में शामिल नहीं थे। “पूर्व नियम से एक छोटा सा विचलन आउटपुट में बड़े पैमाने पर अंतर पैदा कर सकता है। यही इसकी ख़ूबसूरती है, लेकिन यह ख़तरनाक भी है।”

एमर्सन ने सुदृढीकरण सीखने या आरएल पर ध्यान केंद्रित किया, जो परीक्षण और त्रुटि पर आधारित एक मशीन सीखने की तकनीक है। इस मामले में, एल्गोरिदम को अच्छे व्यवहार (रक्त ग्लूकोज लक्ष्य को पूरा करना) के लिए “पुरस्कृत” और बुरे व्यवहार (रक्त शर्करा को बहुत अधिक या कम होने देना) के लिए “दंडित” किया गया था। चूँकि टीम वास्तविक रोगियों पर परीक्षण नहीं कर सकी, इसलिए उन्होंने ऑफ़लाइन सुदृढीकरण सीखने का उपयोग किया, जो तुरंत सीखने के बजाय पहले से एकत्र किए गए डेटा पर आधारित है।

उनके 30 आभासी रोगियों (10 बच्चे, 10 किशोर और 10 वयस्क) को संश्लेषित किया गया था यूवीए/पाडोवा टाइप 1 मधुमेह सिम्युलेटर, जानवरों में प्रीक्लिनिकल परीक्षण के लिए खाद्य एवं औषधि प्रशासन द्वारा अनुमोदित प्रतिस्थापन। सात महीने के डेटा के बराबर ऑफ़लाइन प्रशिक्षण के बाद, उन्होंने आरएल को आभासी रोगियों की इंसुलिन खुराक लेने की अनुमति दी।

यह देखने के लिए कि यह वास्तविक जीवन की गलतियों को कैसे संभालता है, उन्होंने इसे डिवाइस की खराबी (अनुपलब्ध डेटा, गलत रीडिंग) और मानवीय त्रुटियों (कार्बोहाइड्रेट की गलत गणना, अनियमित भोजन के समय) की नकल करने के लिए डिज़ाइन किए गए परीक्षणों की एक श्रृंखला के माध्यम से रखा – मधुमेह के बिना अधिकांश शोधकर्ताओं ने इसके बारे में नहीं सोचा होगा। चलाने के लिए। इमर्सन कहते हैं, “अधिकांश प्रणालियाँ इनमें से केवल दो या तीन कारकों पर विचार करती हैं: उनका वर्तमान रक्त ग्लूकोज, इंसुलिन जो पहले दिया गया है, और कार्बोहाइड्रेट।”

ऑफ़लाइन आरएल ने सिम्युलेटर में इन सभी चुनौतीपूर्ण किनारे के मामलों को सफलतापूर्वक संभाला, वर्तमान अत्याधुनिक नियंत्रकों से बेहतर प्रदर्शन किया। सबसे बड़े सुधार उन स्थितियों में दिखाई दिए जहां कुछ डेटा गायब था या गलत था, उन स्थितियों का अनुकरण करते हुए जब कोई अपने मॉनिटर से बहुत दूर चला जाता है या गलती से अपने सीजीएम को तोड़ देता है।

अन्य आरएल एल्गोरिदम की तुलना में प्रशिक्षण के समय में 90 प्रतिशत की कटौती करने के अलावा, सिस्टम ने आभासी रोगियों को वाणिज्यिक नियंत्रकों की तुलना में प्रति दिन एक घंटे अधिक उनके लक्षित रक्त ग्लूकोज रेंज में रखा। इसके बाद, एमर्सन ने पहले से एकत्र किए गए डेटा पर ऑफ़लाइन आरएल का परीक्षण करने की योजना बनाई है असली मरीज़. वे कहते हैं, “मधुमेह से पीड़ित लोगों का एक बड़ा प्रतिशत (अमेरिका और ब्रिटेन में) अपना डेटा लगातार रिकॉर्ड करता रहता है।” “हमारे पास इसका लाभ उठाने का यह शानदार अवसर है।”

लेकिन अकादमिक शोध को व्यावसायिक उपकरणों में अनुवाद करने के लिए महत्वपूर्ण नियामक और कॉर्पोरेट बाधाओं पर काबू पाने की आवश्यकता होती है। ब्रेटन का कहना है कि जबकि अध्ययन के नतीजे आशाजनक दिखते हैं, वे आभासी रोगियों से आते हैं – और उनमें से एक अपेक्षाकृत छोटा समूह है। “वह सिम्युलेटर, चाहे वह कितना भी अद्भुत क्यों न हो, मानव चयापचय के बारे में हमारी समझ का एक छोटा सा हिस्सा दर्शाता है,” वे कहते हैं। ब्रेटन आगे कहते हैं, सिमुलेशन अध्ययन और वास्तविक दुनिया के अनुप्रयोग के बीच का अंतर पाटने योग्य नहीं है, लेकिन यह बड़ा है, और यह आवश्यक है।

चिकित्सा उपकरण विकास पाइपलाइन, विशेष रूप से मधुमेह से पीड़ित लोगों के लिए निराशाजनक रूप से रुकी हुई महसूस हो सकती है। सुरक्षा परीक्षण एक धीमी प्रक्रिया है, और नए उपकरणों के बाजार में आने के बाद भी, उपयोगकर्ताओं के पास अधिक लचीलापन नहीं है, जिसका कारण निर्माताओं के बीच कोड पारदर्शिता, डेटा एक्सेस या इंटरऑपरेबिलिटी की कमी है। अमेरिकी बाजार में केवल पांच संगत सीजीएम-पंप जोड़े हैं, और वे महंगे हो सकते हैं, जिससे कई लोगों के लिए पहुंच और उपयोगिता सीमित हो सकती है। ओपन सोर्स कृत्रिम अग्न्याशय प्रणाली आंदोलन के संस्थापक डाना लुईस कहते हैं, “एक आदर्श दुनिया में, बहुत सारी प्रणालियाँ होंगी,” जो लोगों को पंप, सीजीएम और उनके लिए काम करने वाले एल्गोरिदम को चुनने देती हैं (ओपनएपीएस). “आप मधुमेह के बारे में ज्यादा सोचे बिना अपना जीवन जीने में सक्षम होंगे।”

(टैग्सटूट्रांसलेट)बायोटेक(टी)मशीन लर्निंग(टी)हेल्थकेयर(टी)डिजिटल हेल्थ(टी)वियरेबल्स(टी)आर्टिफिशियल इंटेलिजेंस(टी)मेडिसिन(टी)स्वास्थ्य(टी)बीमारियां