[ad_1]
AI کو صحت کی دیکھ بھال کی صنعت میں کام کرنا ایک مشکل کاروبار ہے۔ یہ آنکولوجی میں اور بھی زیادہ ہے، جہاں داؤ خاص طور پر زیادہ ہے۔ بائیوٹیک اسٹارٹ اپ ویلار لیبز مقصد اعلی ہے لیکن ایک ایسے آلے کے ساتھ چھوٹا شروع کرنا جو علاج کے مخصوص نتائج کی درست پیش گوئی کرتا ہے، ممکنہ طور پر مریضوں کے قیمتی وقت کی بچت کرتا ہے۔ اس نے نئے کینسر اور علاج کے لیے 22 ملین ڈالر اکٹھے کیے ہیں۔
ہر کینسر مختلف ہوتا ہے، لیکن بہت سے لوگوں نے برسوں کی جانچ کے دوران بہترین طریقے قائم کیے ہیں۔ بعض اوقات، تاہم، اس کا مطلب یہ ہے کہ یہ معلوم کرنے کے لیے کہ آیا یہ کام کرتا ہے یا نہیں، اس کا مطلب علاج معالجے کے مہینوں سے گزرنا ہے۔
مثانے کا کینسر ان میں سے ایک ہے، والیر کے شریک بانی نے ٹیک کرنچ کو بتایا۔ ماہرین آنکولوجسٹ کے ذریعہ تجویز کردہ ایک عام پہلا علاج، جسے BCG تھراپی کہا جاتا ہے، میں کام کرنے کا تقریباً ایک سکہ پلٹنے کا امکان ہوتا ہے – جو کہ حقیقت میں بہت اچھا ہے! لیکن کیا یہ اچھا نہیں ہوگا کہ اس سکے کو شروع کرنے کے لیے پلٹنا نہ پڑے؟ یہ وہی مسئلہ ہے جسے والار حل کرنے کی کوشش کر رہا ہے۔
سی ای او انیرودھ جوشی نے کہا کہ ٹیم نے سٹینفورڈ میں ایک دوسرے سے ملاقات کی، جہاں وہ طبی فیصلہ سازی کے لیے اے آئی سپورٹ کی تلاش کر رہے تھے۔ دوسرے لفظوں میں، مریضوں اور ڈاکٹروں دونوں کو یہ فیصلہ کرنے میں مدد کرنا کہ علاج کا کون سا راستہ اختیار کرنا ہے، چاہے یہ دو یا ایک درجن میں سے ہو۔
جوشی نے کہا، “ہم نے جو سیکھا وہ یہ ہے کہ آج کینسر کے زیادہ تر مریض، ان کے علاج کا منصوبہ واقعی غیر واضح ہے۔” “ان کے پاس اختیارات ہیں، لیکن یہ کہنا مشکل ہے کہ کیا اچھا ہو گا – آپ کو صرف چیزیں آزمانی ہوں گی۔ لہذا ہمارا پورا خیال یہ تھا کہ یہ ایک باخبر فیصلہ کیا جائے۔ مثانے کے کینسر کے علاج میں، دو میں سے صرف ایک مریض معیاری دیکھ بھال کا جواب دیتا ہے۔ اگر ہمیں معلوم ہوتا کہ کون سا مریض ہے، تو ہمیں علاج کا ایک سال کسی ایسی چیز پر ضائع نہیں کرنا پڑے گا جو کام نہیں کرتی۔”
پہلا ٹیسٹ جو انہوں نے تیار کیا ہے، جسے ویسٹا کہا جاتا ہے، اس مخصوص صورتحال پر مرکوز ہے۔ اور یہ کوئی نظریاتی سافٹ ویئر حل نہیں ہے: ٹیم نے دنیا بھر میں درجن بھر طبی مراکز کے ساتھ مل کر 1,000 سے زیادہ مریضوں کا مطالعہ کیا اور یہ سیکھا کہ وہ کچھ خاص علاج کے بارے میں کیا جواب دیتے ہیں۔
اس عمل کے دو اجزاء ہیں: پہلا، ایک بصری AI (یا کمپیوٹر وژن ماڈل) جو کینسر کے مریضوں کی ہزاروں ہسٹولوجی امیجز پر تربیت یافتہ ہے۔ متاثرہ بافتوں کے ان پتلے ٹکڑوں کو ماہرین کے ذریعے تیزی سے اسکین اور معائنہ کیا جا رہا ہے، حالانکہ یہ عمل کسی حد تک تخمینی ہو سکتا ہے۔
سی ٹی او وشویش کرشنا نے وضاحت کرتے ہوئے کہا کہ “یہ سپر ہائی ریزولوشن تصویر آپ کو اس بارے میں بہت کچھ بتاتی ہے کہ ٹیومر کی سیلولر سطح پر کیا ہو رہا ہے۔” “ہم اپنے ماڈلز کو اس تصویر پر چلاتے ہیں تاکہ جینومک پینل کی طرح بہت زیادہ خصوصیات نکالیں۔ ہم ہزاروں ہسٹولوجیکل ریڈز تیار کرتے ہیں۔ [i.e. important image features]، اور سب سے اہم کو لیں جن کو پیتھالوجسٹ دیکھ رہے ہوں گے، لیکن حقیقت میں ان کی مقدار نہیں بتا سکتے۔ وہ دیکھ سکتے ہیں کہ وہ مختلف ہیں لیکن ان کے درمیان فرق کی پیمائش نہیں کر سکتے۔
جوشی یہ بتانے میں محتاط تھے کہ وہ پیتھالوجسٹ کو تبدیل کرنے کی کوشش نہیں کر رہے ہیں بلکہ انہیں بڑھا رہے ہیں۔ آپ اسے ایک سمارٹ خوردبین کے طور پر سوچ سکتے ہیں جو ایک ماہر کو سیلولر نقصان، مدافعتی ردعمل، اور دیگر ڈھانچے جیسے چیزوں میں درست پیمائش کرنے میں مدد کرتا ہے جو اس بات کی نشاندہی کرتا ہے کہ بیماری کیسے بڑھ رہی ہے یا روک رہی ہے۔
آخر میں، ڈاکٹر ہمیشہ ڈرائیور کی سیٹ پر ہوتا ہے۔ یہ صرف زیادہ ڈیٹا ہے، اور وہ اسے پسند کرتے ہیں۔ اور اس طرح کے ٹیسٹ لانا ایک بنیادی بیرونی تناظر ہے، اور مریض واقعی اس کو پسند کرتے ہیں،” جوشی نے کہا۔
ٹیم نے نوٹ کیا کہ امیجنگ جزو کو بہت سارے ڈیٹا پر تربیت دی گئی تھی اور یہ بہت سے ڈومینز اور کینسرز میں عام ہے؛ چھاتی کے کینسر کے ٹشو میں لیمفوسائٹس کی گنتی زیادہ تر وہی کام ہے جو جلد کے کینسر کے ٹشو میں کرتا ہے۔ لیکن وہ کیا شمار ہوتا ہے، یا ماڈل میں سے کوئی بھی قابل مقدار بائیو مارکر جس کی شناخت کر سکتا ہے، اس کے بارے میں کہتا ہے کہ مریض کے علاج کا جواب دینے کے امکانات خاص حالات تک زیادہ محدود ہیں۔
اس کے مطابق، والار کے نظام کا دوسرا جزو وہ ہے جسے واقعی کسی خاص طبی صورت حال پر ڈائل کرنے کی ضرورت ہے۔ اور اس مقصد کے لیے، کمپنی نے یہ ثابت کیا ہے کہ، مثانے کے کینسر کے مخصوص معاملے اور معیاری علاج کے طریقہ کار میں، اس کا ٹیسٹ کامیابی کا پیش خیمہ کسی بھی دوسرے میٹرک سے کہیں زیادہ درست ہے۔
جوشی نے نوٹ کیا کہ خطرے کے عوامل جیسے عمر، صحت کی تاریخ، چاہے کوئی تمباکو نوشی اور اسی طرح کے کچھ علاج کے نتائج کی متغیر طور پر پیش گوئی کرتے ہیں، لیکن یہ “بہت ناقص” ہیں۔ ویلار کا دعویٰ ہے کہ ان کے AI ماڈلز “ان تمام متغیرات کو پیچھے چھوڑتے ہیں۔ [in predictive power]اور ان سے آزاد ہیں” — یعنی انہیں معیاری رسک فیکٹر کے علاوہ استعمال کیا جا سکتا ہے، نہ صرف ان کی جگہ۔
انہوں نے یہ بھی نوٹ کیا کہ نتائج کو قابل تعبیر رکھنا ضروری ہے: ڈاکٹروں یا مریضوں کو آخری چیز جس کی ضرورت ہے وہ ایک بلیک باکس ہے۔ لہذا اگر یہ کہتا ہے کہ مریض اچھا جواب دے گا، تو اس کی تائید ہوتی ہے “کیونکہ ان کا مدافعتی نظام A کر رہا ہے اور ان کا مرکز B کر رہا ہے، وغیرہ۔”
کمپنی، جس کی بنیاد 2022 میں رکھی گئی تھی، نے مثانے کے کینسر کے مریضوں میں مذکورہ بالا بی سی جی تھراپی کے لیے امیج ماڈل اور اپنا پہلا کلینیکل ماڈل بنانے میں اپنی زیادہ تر کوششیں صرف کی ہیں۔ جیسا کہ ویلار نے ایک حالیہ اعلان میں نوٹ کیا ہے۔، ٹیسٹ ایسے افراد کی نشاندہی کرتا ہے جن میں BCG کا جواب نہ دینے کے معمول کے خطرے سے تین گنا زیادہ ہوتا ہے، یعنی (نگہداشت کی ٹیم کی صوابدید پر) یہ ممکن ہے کہ کچھ اور آزمانا بہتر اقدام ہے۔ اگر اس سے ایک ماہ کی ضائع ہونے والی کوشش بھی بچ جاتی ہے، تو یہ کچھ لوگوں کی زندگی بدل سکتی ہے۔
جیسا کہ کوئی بھی جو کینسر کی دیکھ بھال سے گزر رہا ہے آپ کو بتا سکتا ہے، نہ صرف علاج کا ہر دن ناقابل یقین حد تک قیمتی ہے، بلکہ اعتماد حاصل کرنا مشکل ہے۔ ویلار یقینی طور پر پیش نہیں کر سکتا (آنکولوجی میں تقریباً ناممکن)، لیکن یہ دیکھ بھال کرنے والوں کے لحاف میں ایک طاقتور تیر ثابت ہو سکتا ہے۔
اپنی پہلی پروڈکٹ کی آنے والی ریلیز کے ساتھ موافق، Valar نے DCVC اور Andreessen Horowitz کی قیادت میں $22 ملین سیریز A راؤنڈ کو بند کر دیا ہے، جس میں Pear VC شریک ہے۔
“فنڈ اکٹھا کرنے کا وقت بالکل ٹھیک تھا،” جوشی نے کہا۔ “ہم اس توثیق کو مکمل کرنے کے قابل تھے، اور اب یہ فنڈنگ ویسٹا کی کمرشلائزیشن کو فروغ دینے میں مدد کرے گی، اور ساتھ ہی ساتھ ہم کینسر کی دیگر اقسام تک پھیلنا شروع کر رہے ہیں۔”
بانیوں نے کہا کہ وہ کمرشل لیب ماڈل کا استعمال کرتے ہوئے مستقل طور پر توسیع کی امید رکھتے ہیں جیسا کہ حالیہ برسوں میں جینومک ٹیسٹنگ کی پیروی کی گئی ہے، سی او او ڈیمیر ورابک نے کہا: “یہ ان دیگر ٹیسٹوں سے بہت ملتا جلتا ہے جو ہمارے سامنے آئے، اس میں کوئی رگڑ شامل نہیں ہوتی۔ صحت کا نظام۔” یہ امید ہے کہ انہیں انشورنس فراہم کرنے والوں پر لاگت ڈالنے کی اجازت دے گا، اور بالآخر غیر ضروری اور غیر موثر علاج سے گریز کرکے دیکھ بھال کی لاگت کو مکمل طور پر کم کر دے گا۔
[ad_2]
Source link
techcrunch.com
