A bibliometric analysis of artificial intelligence and machine learning in preclinical mesenchymal stem cell therapy and manufacturing from 2009 to 2025
2009 से 2025 तक के 144 दस्तावेजों का यह बिब्लियोमेट्रिक विश्लेषण प्रकट करता है कि मेसेनकाइमल स्टेम सेल थेरेपी में आर्टिफिशियल इंटेलिजेंस के अनुप्रयोग तेजी से बढ़ रहे हैं, फिर भी वे अत्यधिक प्रीक्लिनिकल बने हुए हैं, जो नैदानिक अनुवाद या विनिर्माण गुणवत्ता नियंत्रण के बजाय लक्षण वर्णन पर केंद्रित हैं, जिससे इस क्षेत्र को क्लिनिक की ओर ले जाने के लिए आवश्यक क्षमता-भवि 예측 मॉडल (potency-predictive models) में एक महत्वपूर्ण अंतराल उजागर होता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
दो दशकों से, वैज्ञानिक एक विशिष्ट प्रकार की मानव कोशिका को औषधि में बदलने के लिए काम कर रहे हैं। ये कोशिकाएं, जिन्हें मेसेनकाइमल स्टेम कोशिकाएं (mesenchymal stem cells) कहा जाता है, अस्थि मज्जा (bone marrow) और वसा जैसे ऊतकों में पाई जाती हैं। वे एक अनूठा वादा रखती हैं: वे प्रतिरक्षा प्रणाली को शांत कर सकती हैं और क्षतिग्रस्त अंगों को ठीक करने में मदद कर सकती हैं, जो जोड़ों की चोटों से लेकर सूजन संबंधी बीमारियों तक के उपचार के लिए आशा प्रदान करती हैं। हालांकि, इन कोशिकाओं को प्रयोगशाला की डिश से रोगी के बिस्तर तक ले जाना कठिन साबित हुआ है। ये कोशिकाएं संवेदनशील होती हैं; उनका व्यवहार इस बात पर निर्भर करता है कि वे कहाँ से आईं, उन्हें कैसे उगाया गया, और उन्हें कितनी बार विभाजित किया गया। सुरक्षित और प्रभावी होने के लिए, कोशिकाओं के हर बैच का कड़ाई से परीक्षण किया जाना चाहिए ताकि यह सुनिश्चित हो सके कि वे पर्याप्त रूप से सक्षम हैं और दोषों से मुक्त हैं। यह परीक्षण, जिसे गुणवत्ता नियंत्रण (quality control) कहा जाता है, धीमा, महंगा और अक्सर व्यक्तिपरक मानवीय निर्णय पर निर्भर होता है, जो एक ऐसी बाधा उत्पन्न करता है जो कई आशाजनक उपचारों को क्लिनिक तक पहुँचने से रोक देती है।
हाल के वर्षों में, शोधकर्ताओं ने इस समस्या को हल करने के लिए आर्टिफिशियल इंटेलिजेंस (AI) और मशीन लर्निंग की ओर रुख किया है। ये कंप्यूटर सिस्टम डेटा में पैटर्न खोजने के लिए डिज़ाइन किए गए हैं, बिल्कुल वैसे ही जैसे एक इंसान करता है, लेकिन इसमें बहुत बड़ी मात्रा में जानकारी को तेजी से संसाधित करने की क्षमता होती है। उम्मीद यह है कि ये उपकरण स्वचालित रूप से कोशिकाओं का विश्लेषण कर सकते हैं, यह भविष्यवाणी कर सकते हैं कि वे कितनी अच्छी तरह काम करेंगी, और बिना विनाशकारी या समय लेने वाले परीक्षणों के सख्त सुरक्षा मानकों को पूरा करना सुनिश्चित कर सकते हैं। लेकिन हालांकि यह विचार लोकप्रिय है, किसी ने भी यह नहीं रुककर मानचित्रण किया है कि वास्तव में इस विशिष्ट क्षेत्र में इस तकनीक का उपयोग कैसे किया जा रहा है। कतर विश्वविद्यालय के शोधकर्ताओं द्वारा किए गए एक नए अध्ययन ने बिल्कुल यही किया है, जिसने यह देखने के लिए वैज्ञानिक साहित्य का एक विस्तृत चित्र बनाया है कि कार्य कहाँ हो रहा है, किन विधियों का उपयोग किया जा रहा है, और कहाँ कमियां शेष हैं।
शोधकर्ताओं ने 2009 और 2025 के बीच प्रकाशित 144 वैज्ञानिक दस्तावेजों को एकत्र और विश्लेषित किया जो मेसेन्काइमल स्टेम कोशिकाओं के साथ आर्टिफिशियल इंटेलिजेंस के उपयोग पर चर्चा करते हैं। उन्होंने कंप्यूटर एल्गोरिदम के प्रकारों से लेकर उन विशिष्ट कार्यों तक सब कुछ देखा जिनके लिए कंप्यूटरों को कहा गया था। यह क्षेत्र युवा है लेकिन तेजी से बढ़ रहा है, जिसमें प्रकाशनों की संख्या में सालाना लगभग 35 प्रतिशत की वृद्धि हो रही है। यह कार्य कुछ प्रमुख देशों में केंद्रित है, जिसका नेतृत्व चीन और संयुक्त राज्य अमेरिका कर रहे हैं, और राष्ट्रों के बीच सहयोग मध्यम स्तर का है। उत्साह के बावजूद, अध्ययन से पता चलता है कि इस शोध का अधिकांश हिस्सा अभी भी प्रयोगशाला में हो रहा है, जो अस्पताल के बिस्तर से बहुत दूर है।
जब शोधकर्ताओं ने यह विश्लेषण किया कि वैज्ञानिक वास्तव में क्या कर रहे थे, तो एक स्पष्ट पैटर्न उभर कर आया। अधिकांश कार्य छवियों या डेटा के आधार पर कोशिकाओं को वर्गीकृत करने या उनकी स्थिति का निदान करने पर केंद्रित था। यह कोशिका लक्षण वर्णन (cell characterization) का एक रूप है, जहाँ कंप्यूटर सीखता है कि एक स्वस्थ कोशिका कैसी दिखती है बनाम एक क्षतिग्रस्त कोशिका कैसी दिखती है। हालांकि यह उपयोगी है, लेकिन यह 'रिलीज़ टेस्टिंग' (release testing) के महत्वपूर्ण चरण के समान नहीं है। रिलीज़ टेस्टिंग वह अंतिम जाँच है जो यह निर्धारित करती है कि क्या कोशिकाओं का एक बैच सुरक्षित और इतना सक्षम है कि उसे रोगी को दिया जा सके। अध्ययन में पाया गया कि बहुत कम शोध पत्रों ने इस विशिष्ट, उच्च-जोखिम वाले कार्य को संबोधित किया। कोशिकाओं का वर्णन करने वाले मॉडल बनाने के बजाय, शोधकर्ता मुख्य रूप से उन मॉडलों को बना रहे थे जो उनके द्वारा अध्ययन की जाने वाली कोशिकाओं का वर्णन करते हैं।
प्रयोगशाला और क्लिनिक के बीच का अंतर बहुत गहरा है। विश्लेषण किए गए लगभग आधे दस्तावेज़ प्रीक्लिनिकल (preclinical) कार्य का वर्णन करते हैं, जिसका अर्थ है प्रयोगशालाओं या जानवरों पर किए गए प्रयोग। केवल एक बहुत छोटा हिस्सा, लगभग दो प्रतिशत, उस कार्य का वर्णन करता है जो मनुष्यों में परीक्षण के नैदानिक चरण तक पहुँच गया है। विनिर्माण और गुणवत्ता नियंत्रण श्रेणी के भीतर भी, जो लगभग 13 प्रतिशत पत्रों के अंतर्गत आती है, ध्यान कोशिकाओं के सत्यापन के बजाय उनके लक्षण वर्णन पर ही केंद्रित रहा। अध्ययन किए गए कोशिकाओं के सबसे सामान्य स्रोत अस्थि मज्जा और वसा ऊतक थे, और सबसे सामान्य अनुप्रयोग हड्डी और ऑर्थोपेडिक समस्याओं के लिए थे। हालांकि, अध्ययन ने उल्लेख किया कि कई मामलों में, कोशिकाओं के विशिष्ट स्रोत को भी शोध पत्रों में स्पष्ट रूप से रिपोर्ट नहीं किया गया था, जिससे परिणामों की तुलना करना या विश्वसनीय मॉडल बनाना कठिन हो जाता है।
विश्लेषण से पता चलता है कि जबकि आर्टिफिशियल इंटेलिजेंस स्टेम सेल थेरेपी की दुनिया में प्रवेश कर रहा है, इसने अभी तक समस्या के सबसे कठिन हिस्से को नहीं छुआ है। तकनीक का उपयोग विनिर्माण प्रक्रिया में किया जा रहा है, लेकिन यह कोशिकाओं का वर्णन करने पर केंद्रित है न कि उन नियामक बाधाओं को हल करने पर जो उन्हें रोगियों को देने से रोकती हैं। शोधकर्ताओं ने पाया कि आर्टिफिशियल इंटेलिजेंस की शब्दावली अब स्टेम सेल जीव विज्ञान की बातचीत में गहराई से बुनी जा चुकी है, लेकिन इसने विनिर्माण और गुणवत्ता नियंत्रण की शब्दावली के साथ अभी तक एक मजबूत संबंध नहीं बनाया है। दूसरे शब्दों में, वैज्ञानिक कोशिकाओं को समझने के लिए स्मार्ट उपकरणों का उपयोग कर रहे हैं, लेकिन उन्होंने उन कोशिकाओं को प्रमाणित करने के लिए आवश्यक स्मार्ट उपकरण नहीं बनाए हैं जिनका उपयोग मानव उपयोग के लिए किया जाना है।
इसका मतलब यह नहीं है कि तकनीक विफल हो रही है; बल्कि, यह संकेत देता है कि यह क्षेत्र अभी अपने शुरुआती चरणों में है। शोधकर्ता बताते हैं कि आर्टिफिशियल इंटेलिजेंस को क्लिनिक तक के अंतर को वास्तव में पाटने के लिए, भविष्य के कार्य को उन सख्त मानदंडों के विरुद्ध मान्य (validated) मॉडल बनाने पर ध्यान केंद्रित करना चाहिए जिनका उपयोग रोगियों को दवाएं जारी करने के लिए किया जाता है। इसके लिए इस बात की बेहतर रिपोर्टिंग की आवश्यकता होगी कि कोशिकाएं कहाँ से आती हैं और उनके गुणवत्ता गुण क्या हैं, ताकि कंप्यूटर सुसंगत डेटा से सीख सकें। अध्ययन निष्कर्ष निकालता है कि आगे का रास्ता सामान्य कोशिका विवरण से हटकर विनिर्माण और रिलीज़ टेस्टिंग के विशिष्ट, विनियमित चरणों की ओर ध्यान केंद्रित करने में निहित है। जब तक यह बदलाव नहीं आता, तब तक इस क्षेत्र में आर्टिफिशियल इंटेलिजेंस का वादा काफी हद तक ड्राइंग बोर्ड पर ही रहेगा, जो उन प्रणालियों में एकीकृत होने की प्रतीक्षा कर रहा है जो वास्तव में इन जीवन रक्षक उपचारों को उन लोगों तक पहुँचाती हैं जिन्हें उनकी आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।