दवा की खोज और विकास में कृत्रिम बुद्धिमत्ता का उपयोग करने की क्षमता ने वैज्ञानिकों, निवेशकों और आम जनता के बीच उत्साह और संदेह दोनों पैदा कर दिया है। | फोटो क्रेडिट: गेटी इमेजेज के माध्यम से थॉम लीच/साइंस फोटो लाइब्रेरी
दवा की खोज और विकास में कृत्रिम बुद्धिमत्ता के उपयोग की संभावना जगी है दोनों उत्साहित करने वालेटी और संशयवाद वैज्ञानिकों, निवेशकों और आम जनता के बीच।
“कृत्रिम बुद्धिमत्ता है औषधि विकास का कार्य अपने हाथ में लेना,” कुछ कंपनियों और शोधकर्ताओं का दावा है। पिछले कुछ वर्षों में, दवाओं को डिजाइन करने और नैदानिक परीक्षणों को अनुकूलित करने के लिए एआई का उपयोग करने में रुचि ने अनुसंधान और निवेश में वृद्धि को प्रेरित किया है। AI-संचालित प्लेटफ़ॉर्म जैसे अल्फ़ाफ़ोल्डजिसने जीत हासिल की 2024 नोबेल पुरस्कार प्रोटीन की संरचना की भविष्यवाणी करने और नए प्रोटीन डिजाइन करने की क्षमता के लिए, दवा विकास में तेजी लाने के लिए एआई की क्षमता को प्रदर्शित करता है।
दवा खोज में ए.आई “बकवास” है कुछ उद्योग दिग्गजों को चेतावनी दें। उनका आग्रह है कि “दवा की खोज में तेजी लाने के लिए एआई की क्षमता की जरूरत है।” वास्तविकता की जाँच“चूंकि एआई-जनित दवाओं ने अभी तक संबोधित करने की क्षमता प्रदर्शित नहीं की है 90% विफलता दर क्लिनिकल परीक्षण में नई दवाओं की. एआई की सफलता के विपरीत छवि विश्लेषणदवा विकास पर इसका प्रभाव अस्पष्ट बना हुआ है।
हम इसके प्रयोग का अनुसरण कर रहे हैं औषधि विकास में ए.आई एक के रूप में हमारे काम में फार्मास्युटिकल वैज्ञानिक शिक्षा और फार्मास्युटिकल उद्योग दोनों में और एक के रूप में पूर्व कार्यक्रम प्रबंधक रक्षा उन्नत अनुसंधान परियोजना एजेंसी, या DARPA में। हमारा तर्क है कि दवा विकास में एआई अभी तक गेम-चेंजर नहीं है, न ही यह पूरी तरह बकवास है। एआई कोई ब्लैक बॉक्स नहीं है जो किसी भी विचार को सोने में बदल सकता है। बल्कि, हम इसे एक उपकरण के रूप में देखते हैं, जिसका बुद्धिमानी और सक्षमता से उपयोग किए जाने पर, दवा की विफलता के मूल कारणों को संबोधित करने और प्रक्रिया को सुव्यवस्थित करने में मदद मिल सकती है।
औषधि विकास में एआई का उपयोग करने वाले अधिकांश कार्यों का उद्देश्य इसे कम करना है समय और पैसा एक दवा को बाज़ार में लाने में वर्तमान में 10 से 15 वर्ष और 1 बिलियन अमेरिकी डॉलर से 2 बिलियन अमेरिकी डॉलर लगते हैं। लेकिन क्या एआई वास्तव में दवा विकास में क्रांति ला सकता है और सफलता दर में सुधार कर सकता है?
औषधि विकास में ए.आई
शोधकर्ताओं ने एआई और मशीन लर्निंग को लागू किया है हर चरण दवा विकास प्रक्रिया का. इसमें शरीर में लक्ष्यों की पहचान करना, संभावित उम्मीदवारों की जांच करना, दवा के अणुओं को डिजाइन करना, विषाक्तता की भविष्यवाणी करना और उन रोगियों का चयन करना शामिल है जो नैदानिक परीक्षणों में दवाओं के लिए सबसे अच्छी प्रतिक्रिया दे सकते हैं।
2010 और 2022 के बीच, 20 एआई-केंद्रित स्टार्टअप 158 दवा उम्मीदवारों की खोज की, जिनमें से 15 नैदानिक परीक्षणों में आगे बढ़े। इनमें से कुछ दवा उम्मीदवार सामान्य की तुलना में केवल 30 महीनों में प्रयोगशाला में प्रीक्लिनिकल परीक्षण पूरा करने और मानव परीक्षण में प्रवेश करने में सक्षम थे। 3 से 6 साल. यह उपलब्धि दवा विकास में तेजी लाने की एआई की क्षमता को दर्शाती है।
दूसरी ओर, जबकि एआई प्लेटफॉर्म पेट्री डिश या पशु मॉडल में कोशिकाओं पर काम करने वाले यौगिकों की तेजी से पहचान कर सकते हैं, नैदानिक परीक्षणों में इन उम्मीदवारों की सफलता – जहां अधिकांश दवा विफलताएं होती हैं – बनी रहती हैं अत्यधिक अनिश्चित.
अन्य क्षेत्रों के विपरीत, जिनमें एआई मॉडल को प्रशिक्षित करने के लिए बड़े, उच्च-गुणवत्ता वाले डेटासेट उपलब्ध हैं, जैसे कि छवि विश्लेषण और भाषा प्रसंस्करण, दवा विकास में एआई बाधित है छोटे, निम्न-गुणवत्ता वाले डेटासेट. लाखों से अरबों यौगिकों के लिए कोशिकाओं, जानवरों या मनुष्यों पर दवा-संबंधित डेटासेट उत्पन्न करना मुश्किल है। जबकि अल्फ़ाफ़ोल्ड प्रोटीन संरचनाओं की भविष्यवाणी करने में एक सफलता है, कितना सटीक इससे दवा का डिज़ाइन अनिश्चित बना रह सकता है। किसी दवा की संरचना में मामूली परिवर्तन शरीर में इसकी गतिविधि को बहुत प्रभावित कर सकता है और इस प्रकार यह बीमारी के इलाज में कितना प्रभावी है।
सर्वाइवरशिप के पक्ष में
एआई की तरह, दवा विकास में पिछले नवाचार जैसे कंप्यूटर-सहायता प्राप्त दवा डिज़ाइनद मानव जीनोम परियोजना और उच्च-थ्रूपुट स्क्रीनिंग पिछले 40 वर्षों में प्रक्रिया के व्यक्तिगत चरणों में सुधार हुआ है, फिर भी दवा विफलता दर सुधार नहीं हुआ.
उच्च गुणवत्ता वाले डेटा और उत्तर देने के लिए विशेष प्रश्नों के साथ अधिकांश एआई शोधकर्ता दवा विकास प्रक्रिया में विशिष्ट कार्यों से निपट सकते हैं। लेकिन वे अक्सर होते हैं पूर्ण दायरे से अपरिचित दवा विकास, पैटर्न पहचान समस्याओं में चुनौतियों को कम करना और प्रक्रिया के व्यक्तिगत चरणों को परिष्कृत करना। इस बीच, दवा विकास में विशेषज्ञता वाले कई वैज्ञानिकों के पास एआई और मशीन लर्निंग में प्रशिक्षण का अभाव है। ये संचार बाधाएं वैज्ञानिकों को वर्तमान विकास प्रक्रियाओं के तंत्र से आगे बढ़ने और दवा विफलताओं के मूल कारणों की पहचान करने में बाधा डाल सकती हैं।
दवा विकास के वर्तमान दृष्टिकोण, जिनमें एआई का उपयोग भी शामिल है, शायद इसमें शामिल हो गए हैं सर्वाइवरशिप के पक्ष में जाल, जबकि प्रक्रिया के कम महत्वपूर्ण पहलुओं पर अत्यधिक ध्यान केंद्रित करना प्रमुख समस्याओं की अनदेखी जो विफलता में सबसे अधिक योगदान देता है। यह द्वितीय विश्व युद्ध में युद्ध के मैदान से लौटने वाले विमानों के पंखों की क्षति की मरम्मत करने के समान है, जबकि उन विमानों के इंजन या कॉकपिट में घातक कमजोरियों की उपेक्षा की जाती है जो कभी वापस नहीं आए। शोधकर्ता अक्सर विफलता के मूल कारणों के बजाय इस बात पर अधिक ध्यान केंद्रित करते हैं कि किसी दवा के व्यक्तिगत गुणों को कैसे सुधारा जाए।
वर्तमान दवा विकास प्रक्रिया संचालित होती है एक असेंबली लाइन की तरहप्रक्रिया के प्रत्येक चरण में व्यापक परीक्षण के साथ चेकबॉक्स दृष्टिकोण पर भरोसा करना। हालांकि एआई इस असेंबली लाइन के प्रयोगशाला-आधारित प्रीक्लिनिकल चरणों के समय और लागत को कम करने में सक्षम हो सकता है, लेकिन यह अधिक महंगे नैदानिक चरणों में सफलता दर को बढ़ावा देने की संभावना नहीं है जिसमें लोगों में परीक्षण शामिल है। सतत 90% विफलता दर 40 वर्षों की प्रक्रिया में सुधार के बावजूद, नैदानिक परीक्षणों में दवाओं की संख्या इस सीमा को रेखांकित करती है।
मूल कारणों को संबोधित करना
नैदानिक परीक्षणों में दवा की विफलताएं केवल इस कारण से नहीं होती हैं कि ये अध्ययन कैसे डिज़ाइन किए गए हैं; का चयन करना गलत दवा उम्मीदवार क्लिनिकल ट्रायल में परीक्षण करना भी एक प्रमुख कारक है। नई एआई-निर्देशित रणनीतियाँ इन दोनों चुनौतियों से निपटने में मदद कर सकती हैं।
वर्तमान में, तीन अन्योन्याश्रित कारक अधिकांश दवा विफलताओं का कारण: खुराक, सुरक्षा और प्रभावकारिता। कुछ दवाएं इसलिए विफल हो जाती हैं क्योंकि वे बहुत जहरीली या असुरक्षित होती हैं। अन्य दवाएं इसलिए विफल हो जाती हैं क्योंकि उन्हें अप्रभावी माना जाता है, अक्सर इसलिए क्योंकि नुकसान पहुंचाए बिना खुराक को और नहीं बढ़ाया जा सकता है।
हम और हमारे सहकर्मी एक प्रस्ताव रखते हैं मशीन लर्निंग सिस्टम खुराक की भविष्यवाणी करके दवा उम्मीदवारों का चयन करने में मदद करना, सुरक्षा और दवाओं की पहले से अनदेखी की गई पांच विशेषताओं के आधार पर प्रभावकारिता। विशेष रूप से, शोधकर्ता एआई मॉडल का उपयोग यह निर्धारित करने के लिए कर सकते हैं कि दवा कितनी विशिष्ट और शक्तिशाली रूप से ज्ञात और अज्ञात लक्ष्यों से जुड़ती है, शरीर में इन लक्ष्यों का स्तर, स्वस्थ और रोगग्रस्त ऊतकों में दवा कितनी केंद्रित हो जाती है, और दवा के संरचनात्मक गुण।
एआई-जनित दवाओं की इन विशेषताओं का परीक्षण हम जिसे कहते हैं उसमें किया जा सकता है चरण 0+ परीक्षणगंभीर और हल्के रोग वाले रोगियों में अति-निम्न खुराक का उपयोग करना। इससे शोधकर्ताओं को नैदानिक परीक्षणों के वर्तमान “परीक्षण-और-देखें” दृष्टिकोण की लागत को कम करते हुए इष्टतम दवाओं की पहचान करने में मदद मिल सकती है।
हालांकि एआई अकेले दवा विकास में क्रांति नहीं ला सकता है, लेकिन यह दवाओं के विफल होने के मूल कारणों का पता लगाने और अनुमोदन की लंबी प्रक्रिया को सुव्यवस्थित करने में मदद कर सकता है।
यह लेख क्रिएटिव कॉमन्स लाइसेंस के तहत द कन्वर्सेशन से पुनः प्रकाशित किया गया है। मूल लेख पढ़ें यहाँ.
प्रकाशित – 09 जनवरी, 2025 02:42 अपराह्न IST
