TED2019
Leila Pirhaji: The medical potential of AI and metabolites
લીલા પીરહાજી: એઆઈ અને મેટાબોલાઇટ્સની તબીબી સંભવિતતા
Filmed:
Readability: 5.5
1,210,569 views
ઘણા રોગો ચયાપચય દ્વારા સંચાલિત થાય છે - ચરબી, ગ્લુકોઝ અને કોલેસ્ટરોલ જેવા તમારા શરીરમાં નાના અણુઓ - પરંતુ અમને ખબર નથી હોતી કે તેઓ શું છે અથવા તેઓ કેવી રીતે કાર્ય કરે છે. બાયોટેક ઉદ્યોગસાહસિક અને ટીઈડી ફેલો લૈલા પિરહાજીએ એઆઈ આધારિત નેટવર્ક બનાવવાની તેની યોજના શેર કરી છે, જેથી તેઓ મેટાબોલિટ પેટર્નને લાક્ષણિકતા, રોગ કેવી રીતે વિકસિત થાય છે તે વધુ સારી રીતે સમજી શકે - અને વધુ અસરકારક સારવાર શોધી શકે.
Leila Pirhaji - Biotech entrepreneur
Leila Pirhaji uses artificial intelligence for drug discovery and the treatment of metabolic diseases. Full bio
Leila Pirhaji uses artificial intelligence for drug discovery and the treatment of metabolic diseases. Full bio
Double-click the English transcript below to play the video.
00:13
In 2003,
0
1507
1889
2003 માં
00:15
when we sequenced the human genome,
1
3420
2913
જ્યારે આપણે માનવ જિનોમને અનુક્રમિત કર્યા,
00:18
we thought we would have the answer
to treat many diseases.
to treat many diseases.
2
6357
3922
અમને લાગ્યું કે આપણી પાસે જવાબ હશે
ઘણા રોગોની સારવાર માટે.
ઘણા રોગોની સારવાર માટે.
00:22
But the reality is far from that,
3
10974
2657
પરંતુ વાસ્તવિકતા તેનાથી ઘણી દૂર છે,
00:26
because in addition to our genes,
4
14782
1921
કારણ કે આપણા જીન ઉપરાંત,
00:28
our environment and lifestyle
could have a significant role
could have a significant role
5
16727
4570
આપણા પર્યાવરણ અને જીવનશૈલી
નોંધપાત્ર ભૂમિકા હોઈ શકે છે
નોંધપાત્ર ભૂમિકા હોઈ શકે છે
00:33
in developing many major diseases.
6
21321
2548
ઘણી મોટી બીમારીઓ વિકસાવવામાં.
00:35
One example is fatty liver disease,
7
23893
3580
એક ઉદાહરણ ફેટી લીવર રોગ છે,
00:39
which is affecting over 20 percent
of the population globally,
of the population globally,
8
27497
4083
જે 20 ટકાથી વધુ અસર કરી રહી છે
વૈશ્વિક સ્તરે વસ્તીની,
વૈશ્વિક સ્તરે વસ્તીની,
00:43
and it has no treatment
and leads to liver cancer
and leads to liver cancer
9
31604
3034
અને તેની કોઈ સારવાર નથી
અને લીવર કેન્સર તરફ દોરી જાય છે
અને લીવર કેન્સર તરફ દોરી જાય છે
00:46
or liver failure.
10
34662
1423
અથવા યકૃત નિષ્ફળતા.
00:49
So sequencing DNA alone
doesn't give us enough information
doesn't give us enough information
11
37517
4744
તેથી એકલા ડીએનએને ક્રમ આપવું
અમને પૂરતી માહિતી આપતી નથી
અમને પૂરતી માહિતી આપતી નથી
00:54
to find effective therapeutics.
12
42285
2232
અસરકારક ઉપચારો શોધવા માટે.
00:56
On the bright side, there are
many other molecules in our body.
many other molecules in our body.
13
44541
3756
તેજસ્વી બાજુ પર, ત્યાં છે
આપણા શરીરમાં ઘણા અન્ય પરમાણુઓ.
આપણા શરીરમાં ઘણા અન્ય પરમાણુઓ.
01:00
In fact, there are
over 100,000 metabolites.
over 100,000 metabolites.
14
48321
3980
હકીકતમાં, ત્યાં છે
100,000 થી વધુ ચયાપચય.
100,000 થી વધુ ચયાપચય.
01:04
Metabolites are any molecule
that is supersmall in their size.
that is supersmall in their size.
15
52325
4296
ચયાપચય એ કોઈપણ પરમાણુ હોય છે
તે તેમના કદમાં સુપરમાલ્લ છે.
તે તેમના કદમાં સુપરમાલ્લ છે.
01:09
Known examples are glucose,
fructose, fats, cholesterol --
fructose, fats, cholesterol --
16
57193
4972
જાણીતા ઉદાહરણો ગ્લુકોઝ છે,
ફ્રુટોઝ, ચરબી, કોલેસ્ટરોલ -
ફ્રુટોઝ, ચરબી, કોલેસ્ટરોલ -
01:14
things we hear all the time.
17
62189
1510
વસ્તુઓ અમે બધા સમય સાંભળવા.
01:16
Metabolites are involved
in our metabolism.
in our metabolism.
18
64273
2983
ચયાપચય શામેલ છે
આપણા ચયાપચયમાં.
આપણા ચયાપચયમાં.
01:20
They are also downstream of DNA,
19
68066
4028
તેઓ ડીએનએની નીચેના પ્રવાહ પણ છે,
01:24
so they carry information
from both our genes as well as lifestyle.
from both our genes as well as lifestyle.
20
72118
5082
તેથી તેઓ માહિતી વહન કરે છે
અમારા જનીનો તેમજ જીવનશૈલી બંનેમાંથી.
અમારા જનીનો તેમજ જીવનશૈલી બંનેમાંથી.
01:29
Understanding metabolites is essential
to find treatments for many diseases.
to find treatments for many diseases.
21
77224
5649
ચયાપચયને સમજવું જરૂરી છે
ઘણા રોગોની સારવાર શોધવા માટે.
ઘણા રોગોની સારવાર શોધવા માટે.
01:34
I've always wanted to treat patients.
22
82897
2212
હું હંમેશા દર્દીઓની સારવાર કરવા માંગતો હતો.
01:37
Despite that, 15 years ago,
I left medical school,
I left medical school,
23
85934
3858
તે છતાં, 15 વર્ષ પહેલાં,
મેં મેડિકલ સ્કૂલ છોડી દીધી,
મેં મેડિકલ સ્કૂલ છોડી દીધી,
01:41
as I missed mathematics.
24
89816
1965
જેમ હું ગણિત ચૂકી ગયો.
01:45
Soon after, I found the coolest thing:
25
93019
2936
થોડી વાર પછી, મને શાનદાર વસ્તુ મળી:
01:48
I can use mathematics to study medicine.
26
96692
2763
હું ગણિતનો ઉપયોગ દવાના અભ્યાસ માટે કરી શકું છું.
01:53
Since then, I've been developing
algorithms to analyze biological data.
algorithms to analyze biological data.
27
101026
5213
ત્યારથી, હું વિકાસ કરી રહ્યો છું
જૈવિક ડેટા વિશ્લેષણ કરવા માટે એલ્ગોરિધમ્સ.
જૈવિક ડેટા વિશ્લેષણ કરવા માટે એલ્ગોરિધમ્સ.
01:59
So, it sounded easy:
28
107092
2283
તેથી, તે સરળ લાગ્યું:
02:01
let's collect data from all
the metabolites in our body,
the metabolites in our body,
29
109399
3601
ચાલો બધામાંથી ડેટા એકત્રિત કરીએ
આપણા શરીરમાં ચયાપચય,
આપણા શરીરમાં ચયાપચય,
02:05
develop mathematical models to describe
how they are changed in a disease
how they are changed in a disease
30
113024
5128
વર્ણવવા માટે ગાણિતિક મોડેલો વિકસિત કરો
કેવી રીતે તેઓ રોગ બદલાયા છે
કેવી રીતે તેઓ રોગ બદલાયા છે
02:10
and intervene in those
changes to treat them.
changes to treat them.
31
118176
2988
અને તે દરમિયાનગીરી
તેમની સારવાર માટે બદલાવ.
તેમની સારવાર માટે બદલાવ.
02:14
Then I realized why no one
has done this before:
has done this before:
32
122488
3472
પછી મને સમજાયું કે કેમ કોઈ નથી
આ પહેલા પણ આ કરી ચૂક્યું છે:
આ પહેલા પણ આ કરી ચૂક્યું છે:
02:19
it's extremely difficult.
33
127230
1687
તે ખૂબ જ મુશ્કેલ છે.
02:20
(Laughter)
34
128941
1087
(હાસ્ય)
02:22
There are many metabolites in our body.
35
130052
2412
આપણા શરીરમાં ઘણા મેટાબોલિટ્સ છે.
02:24
Each one is different from the other one.
36
132783
2500
દરેક એક બીજા કરતા જુદા હોય છે.
02:27
For some metabolites,
we can measure their molecular mass
we can measure their molecular mass
37
135307
3728
કેટલાક ચયાપચય માટે,
અમે તેમના પરમાણુ સમૂહને માપી શકીએ છીએ
અમે તેમના પરમાણુ સમૂહને માપી શકીએ છીએ
02:31
using mass spectrometry instruments.
38
139059
2593
સામૂહિક સ્પેક્ટ્રોમેટ્રી સાધનોનો ઉપયોગ.
02:33
But because there could be, like,
10 molecules with the exact same mass,
10 molecules with the exact same mass,
39
141676
4393
પરંતુ કારણ કે ત્યાં હોઈ શકે, જેમ કે,
ચોક્કસ સમાન સમૂહ સાથે 10 અણુ,
ચોક્કસ સમાન સમૂહ સાથે 10 અણુ,
02:38
we don't know exactly what they are,
40
146093
1807
અમને ખબર નથી હોતી કે તેઓ શું છે,
02:39
and if you want to clearly
identify all of them,
identify all of them,
41
147924
2774
અને જો તમે સ્પષ્ટ કરવા માંગો છો
તે બધાને ઓળખો,
તે બધાને ઓળખો,
02:42
you have to do more experiments,
which could take decades
which could take decades
42
150722
3104
તમારે વધુ પ્રયોગો કરવા પડશે,
જેને દાયકાઓ લાગી શકે છે
જેને દાયકાઓ લાગી શકે છે
02:45
and billions of dollars.
43
153850
1714
અને અબજો ડોલર.
02:48
So we developed an artificial
intelligence, or AI, platform, to do that.
intelligence, or AI, platform, to do that.
44
156207
5563
તેથી અમે કૃત્રિમ વિકાસ કર્યો
તે કરવા માટે બુદ્ધિ, અથવા એ.આઇ., પ્લેટફોર્મ.
તે કરવા માટે બુદ્ધિ, અથવા એ.આઇ., પ્લેટફોર્મ.
02:53
We leveraged the growth of biological data
45
161794
2844
અમે જૈવિક ડેટાના વિકાસનો લાભ લીધો
02:56
and built a database of any existing
information about metabolites
information about metabolites
46
164662
4424
અને કોઈપણ વર્તમાનનો ડેટાબેસ બનાવ્યો
ચયાપચય વિશેની માહિતી
ચયાપચય વિશેની માહિતી
03:01
and their interactions
with other molecules.
with other molecules.
47
169110
3128
અને તેમની ક્રિયાપ્રતિક્રિયાઓ
અન્ય પરમાણુઓ સાથે.
અન્ય પરમાણુઓ સાથે.
03:04
We combined all this data
as a meganetwork.
as a meganetwork.
48
172262
3424
અમે આ બધા ડેટાને જોડ્યા
મેગાનેટવર્ક તરીકે.
મેગાનેટવર્ક તરીકે.
03:07
Then, from tissues or blood of patients,
49
175710
3396
પછી, પેશીઓ અથવા દર્દીઓના લોહીથી,
03:11
we measure masses of metabolites
50
179130
2751
અમે ચયાપચયની જનતાને માપીએ છીએ
03:13
and find the masses
that are changed in a disease.
that are changed in a disease.
51
181905
3259
અને જનતાને શોધો
જે રોગમાં બદલાઈ જાય છે.
જે રોગમાં બદલાઈ જાય છે.
03:17
But, as I mentioned earlier,
we don't know exactly what they are.
we don't know exactly what they are.
52
185188
3190
પરંતુ, મેં અગાઉ જણાવ્યું છે તેમ,
અમને ખબર નથી હોતી કે તેઓ શું છે.
અમને ખબર નથી હોતી કે તેઓ શું છે.
03:20
A molecular mass of 180 could be
either the glucose, galactose or fructose.
either the glucose, galactose or fructose.
53
188402
5135
180 નો પરમાણુ સમૂહ હોઈ શકે છે
ક્યાં તો ગ્લુકોઝ, ગેલેક્ટોઝ અથવા ફ્રુટોઝ.
ક્યાં તો ગ્લુકોઝ, ગેલેક્ટોઝ અથવા ફ્રુટોઝ.
03:25
They all have the exact same mass
54
193561
2019
તે બધામાં એક સરખો સમૂહ છે
03:27
but different functions in our body.
55
195604
2087
પરંતુ આપણા શરીરમાં વિવિધ કાર્યો.
03:29
Our AI algorithm considered
all these ambiguities.
all these ambiguities.
56
197715
3587
અમારા એઆઇ એલ્ગોરિધમનો વિચારણા
આ બધી અસ્પષ્ટતાઓ.
આ બધી અસ્પષ્ટતાઓ.
03:33
It then mined that meganetwork
57
201326
2736
તે પછી તે મેગાનેટવર્ક કા minી
03:36
to find how those metabolic masses
are connected to each other
are connected to each other
58
204086
4353
કેવી રીતે તે મેટાબોલિક જનતા શોધવા માટે
એકબીજા સાથે જોડાયેલા છે
એકબીજા સાથે જોડાયેલા છે
03:40
that result in disease.
59
208463
1958
રોગ પરિણમે છે.
03:42
And because of the way they are connected,
60
210445
2238
અને તેઓ કનેક્ટ થયાની રીતને કારણે,
03:44
then we are able to infer
what each metabolite mass is,
what each metabolite mass is,
61
212707
4323
તો પછી અમે અનુમાન લગાવવા માટે સક્ષમ છીએ
દરેક મેટાબોલિટ માસ શું છે,
દરેક મેટાબોલિટ માસ શું છે,
03:49
like that 180 could be glucose here,
62
217054
2924
જેમ કે અહીં 180 ગ્લુકોઝ હોઈ શકે,
03:52
and, more importantly, to discover
63
220002
2551
અને, વધુ અગત્યનું, શોધવા માટે
03:54
how changes in glucose
and other metabolites
and other metabolites
64
222577
3367
કેવી રીતે ગ્લુકોઝમાં ફેરફાર
અને અન્ય ચયાપચય
અને અન્ય ચયાપચય
03:57
lead to a disease.
65
225968
1505
રોગ તરફ દોરી જાય છે.
03:59
This novel understanding
of disease mechanisms
of disease mechanisms
66
227497
2995
આ નવલકથા સમજ
રોગ પદ્ધતિઓ
રોગ પદ્ધતિઓ
04:02
then enable us to discover
effective therapeutics to target that.
effective therapeutics to target that.
67
230516
4492
પછી અમને શોધવા માટે સક્ષમ કરો
તે લક્ષ્ય બનાવવા માટે અસરકારક ઉપચારો.
તે લક્ષ્ય બનાવવા માટે અસરકારક ઉપચારો.
04:07
So we formed a start-up company
to bring this technology to the market
to bring this technology to the market
68
235601
3845
તેથી અમે એક સ્ટાર્ટ-અપ કંપની બનાવી
આ તકનીકને બજારમાં લાવવા માટે
આ તકનીકને બજારમાં લાવવા માટે
04:11
and impact people's lives.
69
239470
1805
અને લોકોના જીવનને અસર કરે છે.
04:13
Now my team and I at ReviveMed
are working to discover
are working to discover
70
241722
3545
હવે મારી ટીમ અને હું રિવાઇવમેડમાં
શોધવા માટે કામ કરી રહ્યા છે
શોધવા માટે કામ કરી રહ્યા છે
04:17
therapeutics for major diseases
that metabolites are key drivers for,
that metabolites are key drivers for,
71
245291
5105
મુખ્ય રોગો માટે રોગનિવારક
મેટાબોલિટ એ કી ડ્રાઇવરો છે,
મેટાબોલિટ એ કી ડ્રાઇવરો છે,
04:22
like fatty liver disease,
72
250420
1897
ફેટી લીવર રોગ જેવા,
04:24
because it is caused
by accumulation of fats,
by accumulation of fats,
73
252341
2924
કારણ કે તે થાય છે
ચરબી એકઠા દ્વારા,
ચરબી એકઠા દ્વારા,
04:27
which are types
of metabolites in the liver.
of metabolites in the liver.
74
255289
2473
જે પ્રકાર છે
યકૃતમાં મેટાબોલિટ્સ
યકૃતમાં મેટાબોલિટ્સ
04:29
As I mentioned earlier,
it's a huge epidemic with no treatment.
it's a huge epidemic with no treatment.
75
257786
3940
મેં અગાઉ જણાવ્યું તેમ,
આ કોઈ મોટી સારવાર નથી.
આ કોઈ મોટી સારવાર નથી.
04:33
And fatty liver disease
is just one example.
is just one example.
76
261750
2724
અને ફેટી લીવર રોગ
માત્ર એક ઉદાહરણ છે.
માત્ર એક ઉદાહરણ છે.
04:36
Moving forward, we are going to tackle
hundreds of other diseases
hundreds of other diseases
77
264498
4178
આગળ વધવું, અમે સામનો કરવા જઈ રહ્યા છીએ
અન્ય રોગો સેંકડો
અન્ય રોગો સેંકડો
04:40
with no treatment.
78
268700
1493
કોઈ સારવાર સાથે.
04:42
And by collecting more and more
data about metabolites
data about metabolites
79
270217
4554
અને વધુને વધુ એકત્રિત કરીને
ચયાપચય વિશેનો ડેટા
ચયાપચય વિશેનો ડેટા
04:46
and understanding
how changes in metabolites
how changes in metabolites
80
274795
3544
અને સમજણ
કેવી રીતે ચયાપચયમાં ફેરફાર
કેવી રીતે ચયાપચયમાં ફેરફાર
04:50
leads to developing diseases,
81
278363
2402
વિકસિત રોગો તરફ દોરી જાય છે,
04:52
our algorithms will get
smarter and smarter
smarter and smarter
82
280789
3489
અમારા અલ્ગોરિધમ્સ મળશે
હોંશિયાર અને હોંશિયાર
હોંશિયાર અને હોંશિયાર
04:56
to discover the right therapeutics
for the right patients.
for the right patients.
83
284302
4196
યોગ્ય ઉપચારો શોધવા માટે
યોગ્ય દર્દીઓ માટે.
યોગ્ય દર્દીઓ માટે.
05:00
And we will get closer to reach our vision
84
288522
3770
અને આપણે આપણી દ્રષ્ટિ સુધી પહોંચવા માટે નજીક જઈશું
05:04
of saving lives with every line of code.
85
292316
3863
કોડની દરેક લાઇન સાથે જીવન બચાવવા.
05:08
Thank you.
86
296203
1321
આભાર.
05:09
(Applause)
87
297548
3827
(તાળીઓ)
ABOUT THE SPEAKER
Leila Pirhaji - Biotech entrepreneurLeila Pirhaji uses artificial intelligence for drug discovery and the treatment of metabolic diseases.
Why you should listen
Leila Pirhaji is the founder of ReviveMed, an AI platform that can quickly and inexpensively characterize large numbers of metabolites (small molecules like glucose or cholesterol) from the blood, urine and tissues of patients. This allows for the detection of molecular mechanisms that lead to disease and the discovery of drugs that target these disease mechanisms.
Leila Pirhaji | Speaker | TED.com