অবহেলিত রোগ মোকাবিলায় ড্রাগ ডিসকভারি বা ওষুধ আবিষ্কারের ক্ষেত্রে প্রবেশ করল Anthropic

Anthropic তাদের সীমানা LLM-এর বাইরে প্রসারিত করছে। তারা অবহেলিত রোগগুলোর জন্য বিশেষ ড্রাগ ডিসকভারি প্রোগ্রাম চালু করছে, যেগুলোকে প্রথাগত বড় ওষুধ কোম্পানিগুলো (Big Pharma) প্রায়শই অলাভজনক বলে মনে করে। এই কৌশলগত পদক্ষেপটি কোম্পানির নতুন "Claude Science" টুল ব্যবহার করে প্রাক-ক্লিনিকাল গবেষণা ত্বরান্বিত করতে এবং বাস্তব জগতের জৈবিক ডেটার মাধ্যমে AI মডেলগুলোকে আরও উন্নত করতে সাহায্য করবে।

Claude Science: জৈবিক অন্তর্দৃষ্টি ত্বরান্বিত করা

এই প্রোগ্রামগুলোর ঘোষণা "Claude Science"-এর উন্মোচনের সাথে সাথে এসেছে, যা জটিল বৈজ্ঞানিক যুক্তিবোধ বা reasoning সামলানোর জন্য ডিজাইন করা একটি AI টুল। Anthropic এই টুলের তাৎক্ষণিক উপযোগিতা কিছু চমকপ্রদ উদাহরণের মাধ্যমে প্রদর্শন করেছে: UCSF-এর একজন গবেষক Claude Science ব্যবহার করে মাত্র কয়েক মিনিটে একটি ভাইরাল দূষণ (viral contamination) শনাক্ত করেছেন—এমন একটি ভুল যা একটি মানব দল পুরো এক বছর ধরে খেয়াল করেনি। তদুপরি, মডেলটি এক ঘণ্টারও কম সময়ে ১০০টি বিরল জেনেটিক রোগ বিশ্লেষণ করেছে এবং কম্পিউটেশনাল স্ক্রিনিংয়ের জন্য সফলভাবে ৩২টি সম্ভাব্য প্রার্থী চিহ্নিত করেছে।

ওষুধের প্রাথমিক পর্যায়ের উন্নয়নে সরাসরি যুক্ত হওয়ার মাধ্যমে, Anthropic 'wet lab'-এর প্রত্যক্ষ অভিজ্ঞতা ব্যবহার করে আরও সক্ষম এবং বৈজ্ঞানিকভাবে নির্ভুল AI মডেল তৈরি করতে চায়, যা ডিজিটাল যুক্তি এবং জৈবিক বাস্তবতার মধ্যে ব্যবধান কমিয়ে আনবে।

উন্নয়নের সময়সীমা এবং ল্যাটেন্সি হ্রাস করা

ওষুধ শিল্প বর্তমানে ব্যাপক অদক্ষতার সম্মুখীন হচ্ছে। Novartis-এর CEO Vas Narasimhan উল্লেখ করেছেন যে, একটি ওষুধ অনুমোদন পেতে সাধারণত বারো বছর সময় লাগে, যা তথ্যগত ল্যাটেন্সি (information latency), অপারেশনাল ল্যাটেন্সি (operational latency) এবং জৈবিক ল্যাটেন্সির (biological latency) কারণে বাধাগ্রস্ত হয়।

যদিও জৈবিক ল্যাটেন্সি (ক্লিনিকাল ট্রায়াল এবং প্রাণীদের ওপর পরীক্ষা) কমানো কঠিন, AI প্রথম দুটি বিভাগকে লক্ষ্য করতে পারে, যা উন্নয়ন চক্রের প্রায় ৪০% জুড়ে থাকে। Anthropic-এর লক্ষ্য হলো মোট সময়সীমাকে বারো বছর থেকে কমিয়ে সাত বা আট বছরে নিয়ে আসা। উপরন্তু, আণবিক বৈশিষ্ট্য (molecular properties) অপ্টিমাইজ করার মাধ্যমে এবং নিরাপত্তার পূর্বাভাস উন্নত করার মাধ্যমে, AI ওষুধের সাফল্যের হার বর্তমানের ৮% থেকে বাড়িয়ে ১৬% পর্যন্ত দ্বিগুণ করতে পারে। যেহেতু এই শিল্প প্রতি বছর গবেষণা ও উন্নয়নে (R&D) ১৫০ থেকে ২০০ বিলিয়ন ডলার ব্যয় করে কিন্তু ফলাফল তুলনামূলকভাবে কম আসে, তাই এই সামান্য উন্নতিও চিকিৎসার সম্ভাবনার ক্ষেত্রে একটি বিশাল পরিবর্তন আনবে।

স্বাস্থ্যসেবায় ক্রমবর্ধমান AI অস্ত্র প্রতিযোগিতা

Anthropic-এর এই পদক্ষেপটি দ্রুত বিবর্তিত বায়োটেক ল্যান্ডস্কেপের মধ্যে সরাসরি প্রতিযোগিতা এবং সহযোগিতার অবস্থানে তাদের নিয়ে এসেছে। এই খাতে বড় বড় প্রতিষ্ঠানগুলো ইতিমধ্যেই বিশেষায়িত মডেল ব্যবহার শুরু করেছে:

• Google DeepMind & Isomorphic Labs: ড্রাগ ডিসকভারিতে বিপ্লব আনতে প্রোটিন কাঠামো পূর্বাভাসের জন্য AlphaFold ব্যবহার করছে।
• OpenAI: ChatGPT Health-এর মাধ্যমে রোগী-কেন্দ্রিক টুলের দিকে অগ্রসর হচ্ছে, যা মেডিকেল রেকর্ড এবং Apple Health ডেটা একত্রিত করে।
• Google DeepMind (Clinical): "AI Co-Clinician" মডেলের দিকে অগ্রসর হচ্ছে যা ট্রায়াডিক কেয়ারের (triadic care) মাধ্যমে চিকিৎসকদের সহায়তা করার জন্য ডিজাইন করা হয়েছে।

যদিও যুগান্তকারী চিকিৎসার সম্ভাবনা অপরিসীম, অক্সফোর্ড বিশ্ববিদ্যালয়ের ক্যাথরিন পোপের মতো বিশেষজ্ঞরা সতর্ক করেছেন যে, AI মডেলগুলোকে এখনও প্রমাণ করতে হবে যে তারা প্রকৃত ক্লিনিকাল অনুশীলনের "অগোছালো, জটিল এবং মানবকেন্দ্রিক জগত" সামলাতে সক্ষম।

মূল বিষয়সমূহ

• অলাভজনক ক্ষেত্রগুলোকে লক্ষ্য করা: Anthropic তাদের লক্ষ্য পূরণ করতে এবং মডেল প্রশিক্ষণের জন্য উচ্চমানের জৈবিক ডেটা সংগ্রহ করতে অবহেলিত রোগগুলোর ওপর গুরুত্ব দিচ্ছে।
• দক্ষতা বৃদ্ধি: AI-চালিত ড্রাগ ডিসকভারির লক্ষ্য হলো উন্নয়নের সময়সীমা চার বছর পর্যন্ত কমিয়ে আনা এবং ক্লিনিকাল সাফল্যের হার সম্ভাব্য দ্বিগুণ করা।
• বৈজ্ঞানিক বৈধতা: Claude Science-এর মতো টুলগুলো ইতিমধ্যেই জটিল কাজ করার ক্ষমতা প্রদর্শন করছে, যেমন এক ঘণ্টার কম সময়ে ১০০টি বিরল রোগ বিশ্লেষণ করা।