නවීන ජෛව තාක්ෂණික ප්රගමනයන් සඳහා කෘත්රිම බුද්ධියෙහි (AI) භාවිතය
ඩබ්.එම්.සී.ජේ.ටී. කිතුල්වත්ත -කථිකාචාර්ය - ශ්රී ලංකා ඌව වෙල්ලස්ස විශ්වවිද්යාලය
ජෛව තාක්ෂණ ක්ෂේත්රය ඇතුළු පුළුල් පරාසයක විහිදී ඇති ක්ෂේත්රයන්හි විප්ලවයක් ඇති කරමින් සමකාලීන පර්යේෂණයන්හි අත්යවශ්ය අංගයක් බවට කෘත්රිම බුද්ධිය (AI) පත්වෙමින් තිබේ. දත්ත සැකසීමේදී, රටා හඳුනාගැනීමේදී සහ අනාවැකි ආකෘතිකරණයේදී, AI හි හැකියාවන් උපයෝගී කරගනිමින් ජාන ඉංජිනේරු විද්යාව, පුද්ගල කේන්ද්රීය වෛද්ය විද්යාව සහ ඖෂධ සොයා ගැනීම යන අංශ සම්බන්ධයෙන් සැලකිය යුතු ප්රගතියක් අත් කර ගැනීමට ජෛව තාක්ෂණ ක්ෂේත්රය සමත් වී ඇත. කෘතීම බුද්ධියෙහි බලපෑම්, භාවිතයන් සහ ප්රතිලාභයන් පිළිබඳව අවධාරණය කරමින් ජෛව තාක්ෂණ ක්ෂේත්රය සම්බන්ධයෙන් වර්තමානයේදී අත්කර ගනු ලැබ ඇති ප්රගමනයන්ට කෘත්රිම බුද්ධිය ඇතුළත් වන ආකාරය මෙම ලිපියෙන් විස්තර කෙරේ. ජෛව තාක්ෂණය සහ AI හි හමුවීම, විද්යාත්මක ප්රගතියේ හැරවුම් ලක්ෂයක් සනිටුහන් කරයි. ජෛව තාක්ෂණ පර්යේෂණ යටතේ ජීව විද්යාත්මක ක්රියාවලීන් තාක්ෂණය හා මුසු කරමින් සාම්ප්රදායික ශිල්පීය ක්රම භාවිතයෙන් ඇගයීමට අපහසු විශාල, සංකීර්ණ දත්ත කට්ටල සමඟ බොහෝ විට කටයුතු කෙරේ. විශාල දත්ත ප්රමාණ ඉක්මනින් හා නිවැරදිව සැකසීමට ඇති හැකියාව නිසා AI මෙම අභියෝගවලට මුහුණ දීමට හොඳින් ගැලපේ.deep learning , neural networks සහ machine learning වැනි AI තාක්ෂණයන්,ජෛව තාක්ෂණයේ දත්ත විශ්ලේෂණ ක්රියාවලියෙහි විප්ලවීය වෙනසක් සිදු කර ඇත. මානව විශ්ලේෂකයින්ට හඳුනා ගැනීමට අපහසු රටා සහ සම්බන්ධතා හඳුනා ගැනීමට මෙම තාක්ෂණයන් සතු හැකියාව තුලින් නව අදහස් සහ සොයාගැනීම් ප්රතිඵල විය හැක. නිදසුනක් ලෙස, AI පද්ධතිවලට නිශ්චිත රෝග හා සම්බන්ධ ජානමය අසාමාන්යතා සොයා ගැනීමට ප්රවේණික දත්ත පරීක්ෂා කළ හැකි අතර, වඩාත් නිවැරදි ප්රතිකාර සහ රෝග විනිශ්චය සැලසුම් සඳහා එමගින් ඉඩ සලසා දේ.
මූල පද : කෘත්රිම බුද්ධිය (AI), Machine Learning, ජෛව තාක්ෂණය , අනාවරණය කරගැනීම්
කෘත්රිම බුද්ධිය
කෘත්රිම බුද්ධිය (AI) ලෙස හැඳින්වෙනුයේ සිතීමට, ඉගෙනීමට සහ සාමාන්යයෙන් මානව සංජානන ක්රියාකාරකම් අවශ්ය වන කාර්යයන් ඉටු කිරීමට හැකි වන ලෙස නිර්මාණය කර ඇති පරිගණක විසින් මානව බුද්ධිය අනුකරණය කිරීමය (රූපය 1 හි දක්වා ඇත). තර්ක කිරීමේ කුසලතා, ගැටළු විසඳීම, ස්වභාවික භාෂාව අවබෝධ කර ගැනීම සහ පාරිසරික දැනුවත්භාවය මෙම කාර්යයන්ගෙන් සමහරකි. මුහුණු හඳුනාගැනීම හෝ භාෂා පරිවර්තනය වැනි විශේෂිත කාර්යයන් කෙරෙහි අවධානය යොමු කරන narrow AI සහ මානව සංජානන හැකියාවන් වඩාත් පොදුවේ අනුකරණය කිරීම අරමුණු කර ගත් general AI ඇතුළු විවිධ වර්ගයේ කෘතිම බුද්ධි පද්ධති ඇත. කෘත්රිම බුද්ධිය විසින් තාක්ෂණය, සෞඛ්ය සේවා සහ මූල්ය වැනි ක්ෂේත්රවල පෙරළිකාර වෙනස්කම් ඇති කිරීමට ඇල්ගොරිතම, machine learning සහ deep learning ආකෘති භාවිතා කෙරේ. දත්ත ඉගෙනීම හරහා එය අඛණ්ඩව වැඩිදියුණු වීමද සිදුවේ.
1රූපය :කෘත්රිම බුද්ධියෙහි අර්ථ දැක්වීම
Source: https://www.investopedia.com/terms/a/artificial-intelligence-ai.asp
ජෛව තාක්ෂණ ක්ෂේත්රය තුල කෘත්රිම බුද්ධියෙහි යෙදවුම්
ඖෂධ වැඩිදියුණු කිරීම සහ අනාවරණය කර ගැනීම
ජෛව තාක්ෂණ ක්ෂේත්රය තුල AI විසින් සුවිශාලතම දායකත්වය ලබා දී ඇති අංශය වනුයේ ඖෂධ පර්යේෂණ සහ සොයාගැනීම් අංශයයි. වෙහෙසකාරී හා මිල අධික සාම්ප්රදායික ඖෂධ සොයා ගැනීමේ ක්රියාවලිය හරහා නව ඖෂධ වෙළඳපොළට ගෙන ඒමට සාමාන්යයෙන් වසර ගණනාවක් සහ ඩොලර් බිලියන ගණනක් වැය වේ.විවිධ රසායනික ද්රව්ය සහ භෞතික ඉලක්ක අතර අන්තර්ක්රියා පුරෝකථනය කිරීමෙන් සහ වැඩිදුර පරීක්ෂණ සඳහා සුදුසු අපේක්ෂකයින් හඳුනා ගැනීමෙන් AI මෙම ක්රියාවලිය වේගවත් කරයි.
විශාල සංයෝග සමූහයන් විශ්ලේෂණය කොට ජීව විද්යාත්මක ක්රියාකාරකම් සහ සිදුවිය හැකි අතුරු ආබාධ පිලිබඳ පුරෝකථනය කිරීමට AI ආකෘතිවලට හැකියාව ඇත. නිදසුනක් වශයෙන්, deep learning පද්ධතිවලට රසායනික අන්තර්ක්රියා අනුකරණය කළ හැකි අතර, ඒ හරහා පර්යේෂකයන්ට ඖෂධ විකල්ප සොයා ගැනීම පහසු කර දේ. විශේෂිත රෝගවලට එරෙහිව සටන් කිරීම සඳහා වඩාත් ඵලදායී අණුක ව්යුහයන් පුරෝකථනය කිරීමෙන් ඖෂධ නිර්මාණය ප්රශස්තකරණයට AI හට උපකාර විය හැක. රූප සටහන 2න් පෙන්වා ඇත්තේ ඖෂධ වැඩිදියුණු කිරීම සඳහා චීනයේ භාවිත කෙරෙන AI ඇසුරෙන් සවිබල ගැන්වූ රොබෝවකි.
2 රූපය : චීනයේ ඖෂධ වැඩිදියුණු කිරීමේ විද්යාගාරයන්හි භාවිතා කෙරෙන AI ඇසුරෙන් සවිබල ගැන්වූ රොබෝවන් .
Source: https://www.bloomberg.com/news/articles/2023-11-13/race-for-first-drug-discovered-by-ai-nears-key-milestone
පහත දැක්වෙන්නේ ඖෂධ වැඩිදියුණු කිරීම සහ අනාවරණය කර ගැනීම පිලිබඳ ක්ෂේත්රයේ භාවිත කෙරෙන AI ආශ්රිත අති නවීන පද්ධති, මෙවලම් සහ ජයග්රහණ ලැයිස්තුවයි.
- AlphaFold: Web link – https://deepmind.google/technologies/alphafold/
- AtomNet
- BenevolentAI: Web link – https://www.benevolent.com/
- Insilico Medicine: Web Link – https://insilico.com/
ප්රවේණික විශ්ලේෂණය
AI විසින්, විශේෂයෙන් ජාන අනුක්රම නිර්ණය සහ අර්ථ නිරූපණය යන ක්ෂේත්රවල ජානමය විශ්ලේෂණ ක්රියාවලිය සම්පූර්ණයෙන්ම වෙනස් කර ඇත. AI පද්ධති මගින් විශේෂිත රෝග වලට සම්බන්ධ ජානමය ප්රභේද සොයා ගත හැකි වන පරිදි විශාල ප්රවේණික දත්ත සමුදායන් සැකසිය හැක. පුද්ගල කේන්ද්රීය වෛද්ය ප්රතිකාර ලබාදීමේදී ඒ සඳහා රෝගියාගේ ජානමය පැතිකඩ මත පදනම්ව ප්රතිකාර කිරීමේ හැකියාව අත්යවශ්ය වේ.
ජාන විකෘතීන් ක්රියාකාරිත්වයට බලපාන ආකාරය සහ රෝග ක්රමයෙන් වර්ධනය වන ආකාරය වඩාත් හොඳින් අවබෝධ කර ගැනීම සඳහා, මෙම වෙනස්වීම්වල ක්රියාකාරී බලපෑම පිලිබඳ සෙවීමට machine learning ශිල්පීය ක්රම භාවිතා කරනු ලැබේ. තවද CRISPR-Cas9 වැනි මෙවලම් භාවිතයෙන් නිවැරදි වෙනස්කම් කිරීමට හැකි වන පරිදි ජාන සංස්කරණය සඳහා ඉලක්ක සොයා ගැනීමේ කාර්යය AI විසින් පහසු කෙරේ. AI මානව ජෙනෝමය පිළිබඳ අපගේ දැනුම වැඩි දියුණු කරමින් යම් යම් ලක්ෂණ සඳහා අවධානය යොමු කරමින් සිදු කෙරෙන ප්රතිකාර සහ රෝග නිවාරණ පියවරයන් නිර්මාණය කිරීමට උපකාරී වේ.
පහතින් දැක්වෙන්නේ AI ඇසුරෙන් නිර්මාණය කර ඇති ප්රවේණික විශ්ලේෂණ ක්ෂේත්රයේ අති නවීන පද්ධති, මෙවලම් සහ අත්කර ගනු ලැබ ඇති ජයග්රහණයන්හි ලැයිස්තුවයි.
- DeepVariant: Web link – https://github.com/google/deepvariant
- VariantSpark: Web link – https://bioinformatics.csiro.au/variantspark/
- ai: Web link – https://crispr.ai/
- Genoox: Web link – https://www.genoox.com/
පුද්ගල කේන්ද්රීය වෛද්ය විද්යාව
පුද්ගල කේන්ද්රීය වෛද්ය විද්යාවේ පරමාර්ථය වන්නේ එක් එක් රෝගියාගේ පුද්ගලික අවශ්යතා සඳහා වෛද්ය ප්රතිකාර සකස් කිරීමයි. පුද්ගල කේන්ද්රීය ප්රතිකාර සැලැස්මක් සංවර්ධනය කිරීම සඳහා සායනික, ප්රෝටීන පිලිබඳ සහ ජානමය දත්ත ඇතුළු විවිධ දත්ත මූලාශ්ර AI විසින් විශ්ලේෂණය කෙරේ. රෝගියෙකුගේ ජාන සැකැස්ම සහ වෛද්ය පසුබිම පිළිබඳ තොරතුරු, ඔහු හෝ ඇය ඇතැම් ප්රතිකාරවලට ප්රතිචාර දක්වන ආකාරය පුරෝකථනය කිරීමට භාවිත කිරීමට Machine learning ඇල්ගොරිතම වලට හැකියාව ඇත.
පිළිකා රෝග අධ්යයනයේදී රෝගියෙකුගේ පිළිකා ගෙඩියක පවතින ජානමය වෙනස්කම් වලට සුදුසු පරිදි ප්රතිකාර සකස් කරමින් සාර්ථක ප්රතිඵල පෙන්වීමට AI මත පදනම් වූ පුද්ගල කේන්ද්රීය වෛද්ය විද්යාව සමත්ව ඇත. වඩාත් ඵලදායී ප්රතිකාර මොනවාදැයි යන්න පිලිබඳව පුරෝකථනය කිරීමෙන් රෝගියා සම්බන්ධව ප්රතිඵල වැඩිදියුණු කිරීමට සහ අතුරු ආබාධ ඇතිවීම අඩු කිරීමට AI හට උපකාර කළ හැක.AI හට තත්ය කාලීනව රෝගියාගේ ප්රතිචාර නිරීක්ෂණය කළ හැකි අතර ගැලපෙන පරිදි වේගයෙන් ප්රතිකාර සකස් කිරීමද කල හැක.
පහතින් දැක්වෙන්නේ AI ඇසුරෙන් නිර්මාණය කර ඇති පුද්ගල කේන්ද්රීය වෛද්ය ක්ෂේත්රයේ අති නවීන පද්ධති, මෙවලම් සහ අත්කර ගනු ලැබ ඇති ජයග්රහණයන්හි ලැයිස්තුවයි.
- IBM Watson for Genomics: Web link – https://www.ibm.com/mysupport/s/topic/0TO500000002ParGAE/watson-for-genomics?language=th
- Tempus: Web link – https://www.tempus.com/
- NantHealth: Web link – https://nanthealth.com/
- AI: Web link – https://paige.ai/
කෘත්රිම ජීව විද්යාව
කෘත්රිම ජීව විද්යා ක්ෂේත්රය යටතේ නව ජීව විද්යාත්මක සංරචක, මෙවලම් සහ පද්ධති සංවර්ධනය හා ගොඩනැගීම කෙරෙහි අවධානය යොමු කෙරේ. AI විසින් ජීව විද්යාත්මක පද්ධති සැකසීමට , ඒවා අනුකරණය කිරීමට හා කෘතිම ව්යුහයන්ගේ හැසිරීම පුරෝකථනය කිරීමට මෙවලම් සැපයීම මගින් කෘත්රිම ජීව විද්යාව වැඩි දියුණු කරයි.ප්රවේණික පරිපථ විසින් සිය සැලසුම්හි ස්ථායිතාවය සහ ක්රියාකාරීත්වය වැඩිදියුණු කරමින් ඒවා ප්රශස්ත තත්ත්වයකට ගෙන ඒම සඳහා machine learning ක්රම භාවිතා කෙරේ.
රෝග සඳහා වර්ධිත ප්රතිරෝධයක් සතුවීම හෝ ඉහල මට්ටමේ රසායනික ද්රව්ය නිෂ්පාදනය කිරීමේ හැකියාව ඇතුළු හිතකර ගුණාංග සහිත කෘත්රිම ජීවීන් නිර්මාණය කිරීමට AI හට උපකාර කළ හැකිය. AI සහ කෘත්රිම ජීව විද්යාව ඒකාබද්ධ කිරීමෙන්, වෛද්ය, කෘෂිකාර්මික සහ පාරිසරික තිරසාර අභියෝග සඳහා ජෛව විද්යාව මත පදනම් වූ විසඳුම් සංවර්ධනය කිරීම වේගවත් කිරීමට පර්යේෂකයන් හට හැකියාව උදාවේ.
පහතින් දැක්වෙන්නේ AI ඇසුරෙන් නිර්මාණය කර ඇති කෘත්රිම ජීව විද්යා ක්ෂේත්රයේ අති නවීන පද්ධති, මෙවලම් සහ අත්කර ගනු ලැබ ඇති ජයග්රහණයන්හි ලැයිස්තුවයි.
- Bayesian Optimization for Synthetic Biology: Web link – https://pubs.acs.org/doi/10.1021/acssynbio.3c00120
- SynBio AI
- LabGenius: Web link – https://labgeni.us/
- Ginkgo Bioworks: Web link – https://www.ginkgobioworks.com/
කෘෂිකාර්මික ජෛව තාක්ෂණය
රෝග හඳුනාගැනීම, සම්පත් කළමනාකරණය සහ ශාක අභිජනනය වැඩිදියුණු කිරීම මගින් AI කෘෂිකාර්මික ජෛව තාක්ෂණයේ විප්ලවීය වෙනසක් සිදු කරයි. ඉහළ අස්වැන්නක් ලබා දීම සහ රෝග සඳහා ප්රතිරෝධය දැක්වීම යන ගුණාංග සම්බන්ධ ලක්ෂණ සොයා ගැනීමට, machine learning ඇල්ගොරිතම භාවිතයෙන්, රූපානුදර්ශ සහ ප්රවේණික දත්ත විශ්ලේෂණය කළ හැකිය. වැඩිදියුණු කළ ලක්ෂණ සහිත ශාක ප්රභේද සංවර්ධනය කිරීම උදෙසා මෙම තොරතුරු මගින් මඟ පෙන්වනු ලැබේ.
AI මත පදනම් වූ පද්ධතිවලට පළිබෝධ පාලනය, පොහොර යෙදීම සහ වාරිමාර්ග සැකසීම ප්රශස්තකරණය සඳහා සංවේදක සහ ඩ්රෝන වලින් ලබාගත් දත්ත ඇගයීමට ලක් කළ හැකි අතර ඒ හරහා නිරවද්ය කෘෂිකර්මාන්තය (precision agriculture ) සිදු කළ හැකිය. AI මඟින් ආහාර සුරක්ෂිතතාව සහ පාරිසරික ආරක්ෂාව සහතික කරමින් කෘෂිකාර්මික ක්රියාවලීන්හි තිරසාරභාවය සහ කාර්යක්ෂමතාව වැඩි දියුණු කරයි. රූප සටහන 3 හි දැක්වෙන්නේ කෘෂිකර්මාන්ත ක්ෂේත්රයේදී භාවිතා කෙරෙන AI-සක්රීය ඩ්රෝන යානයකි.
රූපය 3: කෘෂිකර්මාන්ත ක්ෂේත්රයේදී AI මගින් පාලනය වන ඩ්රෝන යානයක් භාවිතා කිරීම.
Source: https://www.niti.gov.in/artificial-intelligence-revolutionising-agriculture
පහතින් දැක්වෙන්නේ AI ඇසුරෙන් නිර්මාණය කර ඇති කෘෂිකාර්මික ජෛව තාක්ෂණ ක්ෂේත්රයේ අති නවීන පද්ධති, මෙවලම් සහ අත්කර ගනු ලැබ ඇති ජයග්රහණයන්හි ලැයිස්තුවයි.
- Plantix: Web link – https://plantix.net/en/
- Ceres Imaging: Web link – https://ceres.ai/
- Taranis: Web link – https://www.taranis.com/
- Benson Hill: Web link – https://bensonhill.com/
අභියෝග සහ සදාචාරාත්මක වශයෙන් සලකා බැලිය යුතු තත්ත්වයන්
ජෛව තාක්ෂණ ක්ෂේත්රයේ AI යෙදුම් සඳහා ඇති විභවය ඉතා විශාල වන මුත් මේ සම්බන්ධයෙන් තවමත් විසඳුම් සෙවිය යුතු බොහෝ බාධක සහ සදාචාරාත්මක වශයෙන් උභතෝකෝටික ගැටළු තිබේ. දත්ත ලබා ගැනීමේ හැකියාව සහ ඒවායේ ගුණාත්මකභාවය වැදගත් බාධක වේ. AI ඇල්ගොරිතම නිසි ලෙස ක්රියා කිරීමට තත්ත්වයෙන් උසස් විශාල ප්රමාණයේ දත්ත කට්ටල අවශ්ය වේ. මෙම දත්ත සමුදායේ නිරවද්යතාවය, නියෝජනය සහ සදාචාරාත්මක සම්භවය සහතික කිරීම වැදගත් වේ.
විශේෂයෙන්ම පුද්ගලික ජානමය සහ වෛද්ය විද්යාත්මක දත්ත සමඟ කටයුතු කිරීමේදී දත්ත වල ආරක්ෂාව සහ පෞද්ගලිකත්වය හා සම්බන්ධ ගැටළු ද ඉතා වැදගත් වේ. රෝගියාගේ පෞද්ගලිකත්වය ආරක්ෂා කිරීම සහ පුද්ගලික තොරතුරු වලට අනවසරයෙන් ප්රවේශ වීම වැළැක්වීම සඳහා දැඩි ආරක්ෂක පියවර ගත යුතුය. තවද,AI කෙරෙහි තබා ඇති විශ්වාසය ප්රවර්ධනය කිරීමට සහ AI විසින් ගන්නා තීරණ තේරුම්ගත හැකි බවත් සහ ඒවා සාධාරණ බවත් සහතික කිරීමට, විනිවිදභාවයෙන් යුතු සහ පැහැදිලි කළ හැකි AI ආකෘතීන් අපට අවශ්ය වේ.
ජෛව තාක්ෂණ ක්ෂේත්රය තුළ AI මගින් ඇති විය හැකි සමාජීය බලපෑම වටාද සදාචාරාත්මක ගැටලු පවතී. ජාන වෙනස් කිරීමේ හැකියාව හේතුවෙන් ඇතිවිය හැකි දිගු කාලීන ප්රතිවිපාක සහ ඒ ඇසුරෙන් ජාන ඉංජිනේරු විද්යාවේදී ඇති විය හැකි අපයෝජනයන් පිළිබඳ ගැටළු මතු වී ඇත. ජෛව තාක්ෂණය සහ AI නිසි ලෙස භාවිතා කිරීමට නම් ඒ සඳහා නීතිමය රාමු සහ සදාචාරාත්මක ප්රමිතීන් ස්ථාපිත කළ යුතුය.
අනාගත විභවය
තවදුරටත් සිදුවන වර්ධනයන් හරහා මෙම ක්ෂේත්රයේ විප්ලවීය වෙනසක් කිරීමට අපේක්ෂා කරන බැවින් AI සඳහා ජෛව තාක්ෂණ ක්ෂේත්රය තුල දීප්තිමත් අනාගතයක් ඇත. AI තාක්ෂණයන්හි දියුණුවත් සමඟ ජෛව තාක්ෂණ පර්යේෂණ සහ යෙදුම්වලදී ඒවා සඳහා වඩා වැදගත් ස්ථානයක් හිමි වනු ඇත. මෙම ක්ෂේත්රය සම්බන්ධව නැගී එන තේමාවන්ගෙන් එකක් වන්නේ බහු-ඕමික්ස් (multi-omics) දත්ත ඒකාබද්ධ කළ හැකි සහ ජීව විද්යාත්මක පද්ධති පිළිබඳ පුළුල් චිත්රයක් ඉදිරිපත් කළ හැකි වඩ වඩාත් සංකීර්ණ වූ AI ආකෘති නිර්මාණය කිරීමයි.
තවත් නැගී එන අංශයක් වන්නේ දත්ත සැකසීම, රසායනාගාර මෙහෙයුම්, සහ ඉහළ කාර්යක්ෂමතාවයෙන් යුතු පිරික්සීමේ ක්රමවේදයන්හිදී භාවිතා කල හැකි AI-පාදක කර ගත් ස්වයංක්රීයකරණයයි . ස්වයංක්රීයකරණය හරහා ජෛව තාක්ෂණ පර්යේෂණ වඩාත් කාර්යක්ෂම කිරීම සහ ප්රතිනිෂ්පාදනය කිරීම කල හැකි වනු ඇති අතර එමඟින් නවෝත්පාදන සහ සොයාගැනීම් බිහිවීමේ සීඝ්රතාවය ඉහල නැංවෙනු ඇත. AI හි පූර්ණ ශක්යතාවය අවබෝධ කර ගැනීම සඳහා, ජෛව තාක්ෂණය සහ AI යන ක්ෂේත්රවල පර්යේෂකයන් විසින් අන්තර් විෂයානුබද්ධ ප්රවේශයක් අනුගමනය කරමින් එකිනෙකා සමඟ සහයෝගයෙන් කටයුතු කළ යුතුය. සහයෝගීතාව සහ බහුවිෂයානුබද්ධ මැදිහත්වීම් ප්රවර්ධනය කිරීම හරහා ජෛව තාක්ෂණ අංශයට සංකීර්ණ ජීව විද්යාත්මක ගැටලු සඳහා විසඳුම් ලබාදෙමින් නව ප්රතිකාර ක්රම වැඩි දියුණු කළ හැකිය.
නවීන ජෛව තාක්ෂණ ක්ෂේත්රයේ විප්ලවීය වෙනසක් සඳහා AI භාවිතයට ගැනීම ඉතා තීරණාත්මක වන අතර එය පුද්ගල කේන්ද්රීය වෛද්ය විද්යාව, කෘත්රිම ජීව විද්යාව, ඖෂධ සොයා ගැනීම, ජානමය විශ්ලේෂණය සහ කෘෂිකාර්මික ජෛව තාක්ෂණය යන අංශයන්හි වැදගත් දියුණුවකට මග පාදයි. දත්ත විශ්ලේෂණය සහ පුරෝකත්ය ආකෘති නිර්මාණය (predictive modeling) සඳහා AI භාවිතා කිරීමෙන්, ජෛව තාක්ෂණ ක්ෂේත්රයේ පෙර නොවූ විරූ නිරවද්යතාවයක් සහ කාර්යක්ෂමතාවයක් අත් කර ගත හැකිය. කෙසේ වුවද , AI ඒකාබද්ධ කිරීම හරහා සදාචාරාත්මක සහ වගකීම් සහගත භාවිතය සහතික කිරීම උදෙසා විසඳුම් සොයා ගත යුතු අභියෝග සහ ගැටළු කිහිපයක් ද පැන නගී. ජෛව තාක්ෂණ ක්ෂේත්රයේ සංවර්ධනය උදෙසා විප්ලවීය වෙනසක් සිදු කරමින් පරිසරය, කෘෂිකර්මාන්තය සහ මහජන සෞඛ්යය වැඩිදියුණු කිරීමට නව මාර්ග විවෘත කර දීමේ ශක්යතාව AI තාක්ෂණය සතු වේ.
References:
THE INVESTOPEDIA TEAM, 2024, What Is Artificial Intelligence (AI)?, Investopedia, viewed 01st July 2024, <https://www.investopedia.com/terms/a/artificial-intelligence-ai.asp>
Naman Agrawal and Himanshu Agrawal, 2021, Artificial Intelligence revolutionizing Agriculture, National Portal Of India, viewed 01st July 2024, <https://www.niti.gov.in/artificial-intelligence-revolutionising-agriculture>
ඩබ්ලිව්.එම්.සී.ජේ.ටී. කිතුල්වත්ත
තාක්ෂණ අධ්යයන පීඨය
කථිකාචාර්ය සහ දෙපාර්තමේන්තු ප්රධානි (වැඩ බලන)
ශ්රී ලංකා ඌව වෙල්ලස්ස විශ්වවිද්යාලය
