AI-પ્રથમ દવાની શોધ: શું રોબોટ્સ વૈજ્ઞાનિકોને નવી ફાર્મા દવાઓ શોધવામાં મદદ કરી શકે છે?

• લેખક:
• લેખક નામ

  ક્વોન્ટમરુન અગમચેતી
• ઓગસ્ટ 22, 2022

આંતરદૃષ્ટિનો સારાંશ

પરંપરાગત દવાના વિકાસમાં ઊંચા ખર્ચ અને નિષ્ફળતાના દર ફાર્માસ્યુટિકલ કંપનીઓને સંશોધન કાર્યક્ષમતા વધારવા અને ઓછા ખર્ચ માટે આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) ટેક્નોલોજીમાં રોકાણ કરવા દબાણ કરી રહ્યા છે. AI દવાના નવા લક્ષ્યોને ઝડપથી ઓળખીને અને વ્યક્તિગત સારવારને સક્ષમ કરીને ઉદ્યોગમાં પરિવર્તન લાવી રહ્યું છે. AI તરફનું આ પરિવર્તન ફાર્માસ્યુટિકલ લેન્ડસ્કેપને ફરીથી આકાર આપી રહ્યું છે, જેમાં રસાયણશાસ્ત્રીઓ માટે નોકરીની જરૂરિયાતો બદલવાથી લઈને AIના બૌદ્ધિક સંપદા અધિકારો પર ચર્ચાઓ શરૂ થઈ રહી છે.

AI- પ્રથમ ડ્રગ શોધ સંદર્ભ

સામાન્ય દવા વિકાસ પ્રોજેક્ટનો ખર્ચ USD $2.6 બિલિયન છે. વૈજ્ઞાનિકો માટે દબાણ ઊંચું છે, કારણ કે 9માંથી 10 ઉમેદવારોની સારવાર નિયમનકારી મંજૂરીઓ સુધી પહોંચી શકતી નથી. પરિણામે, ફાર્માસ્યુટિકલ કંપનીઓ 2020 દરમિયાન સંશોધનની અસરકારકતા વધારવા માટે AI પ્લેટફોર્મમાં આક્રમક રીતે રોકાણ કરી રહી છે અને ખર્ચમાં ઘટાડો કરી રહી છે. 

મશીન લર્નિંગ (ML), નેચરલ લેંગ્વેજ પ્રોસેસિંગ (NLP) અને કોમ્પ્યુટર વિઝન સહિત દવાની શોધમાં વિવિધ AI ટેક્નોલોજીઓનો ઉપયોગ થાય છે. ML વૈજ્ઞાનિક સાહિત્ય, ક્લિનિકલ ટ્રાયલ્સ અને દર્દીના રેકોર્ડ સહિત વિવિધ સ્ત્રોતોમાંથી ડેટાનું વિશ્લેષણ કરે છે. આ માહિતીનો ઉપયોગ પેટર્નને ઓળખવા માટે થઈ શકે છે જે નવા ડ્રગ લક્ષ્યો સૂચવી શકે છે અથવા વધુ અસરકારક સારવારના વિકાસ તરફ દોરી શકે છે. NLP, એક ભાષા-આધારિત અનુમાનિત મોડેલ, વૈજ્ઞાનિક સાહિત્યમાંથી માહિતી મેળવવા માટે ઉપયોગમાં લેવાય છે, જે હાલની દવાઓ વિકસાવી શકાય તેવી નવી રીતોને પ્રકાશિત કરી શકે છે. છેલ્લે, કમ્પ્યુટર વિઝન કોષો અને પેશીઓની છબીઓનું વિશ્લેષણ કરે છે, જે રોગો સાથે સંકળાયેલા ફેરફારોને ઓળખી શકે છે.

નવી દવાઓ વિકસાવવા માટે AI નો ઉપયોગ કરતી ફાર્મા કંપનીનું ઉદાહરણ Pfizer છે, જે IBM વોટસનનો ઉપયોગ કરે છે, જે એક ML સિસ્ટમ છે જે ઇમ્યુનો-ઓન્કોલોજી દવાઓ પર વ્યાપકપણે સંશોધન કરી શકે છે. દરમિયાન, ફ્રાન્સ સ્થિત સનોફીએ મેટાબોલિક-ડિસીઝ થેરાપીઓ શોધવા માટે AI પ્લેટફોર્મ બનાવવા માટે UK સ્ટાર્ટઅપ એક્સસાયન્ટિયા સાથે ભાગીદારી કરી છે. સ્વિસ કંપની રોશની પેટાકંપની જેનેનટેક કેન્સરની સારવારની શોધમાં નેતૃત્વ કરવા માટે યુએસ સ્થિત GNS હેલ્થકેરની AI સિસ્ટમનો ઉપયોગ કરી રહી છે. ચીનમાં, બાયોટેક સ્ટાર્ટઅપ મેટા ફાર્માસ્યુટિકલ્સે AI નો ઉપયોગ કરીને સ્વયંપ્રતિરક્ષા રોગની સારવાર વિકસાવવા માટે USD $15-મિલિયન બીજ ભંડોળ મેળવ્યું છે. કંપનીને અન્ય AI-આસિસ્ટેડ ડ્રગ ડિસ્કવરી કંપની, Xtalpi દ્વારા ઉકાળવામાં આવી હતી.

વિક્ષેપકારક અસર

કદાચ AI-પ્રથમ દવાની શોધનો સૌથી વ્યવહારુ ઉપયોગ COVID-19 માટેની પ્રથમ ઉપચારાત્મક દવાનો વિકાસ હતો, જે રેમડેસિવીર નામની એન્ટિવાયરલ દવા હતી. કેલિફોર્નિયામાં બાયોટેક્નોલોજી કંપની ગિલિયડ સાયન્સના સંશોધકો દ્વારા AI નો ઉપયોગ કરીને શરૂઆતમાં આ દવાને વાયરસની સંભવિત સારવાર તરીકે ઓળખવામાં આવી હતી. કંપનીએ GenBank ડેટાબેઝમાંથી ડેટાનું પૃથ્થકરણ કરવા માટે અલ્ગોરિધમનો ઉપયોગ કર્યો હતો, જેમાં તમામ સાર્વજનિક રીતે ઉપલબ્ધ DNA સિક્વન્સની માહિતી હોય છે.

આ અલ્ગોરિધમે બે સંભવિત ઉમેદવારોને ઓળખ્યા, જેને ગિલિયડ સાયન્સે કોવિડ-19 વાયરસ સામે લેબ ડીશમાં સંશ્લેષણ અને પરીક્ષણ કર્યું. બંને ઉમેદવારો વાયરસ સામે અસરકારક હોવાનું જણાયું હતું. આ ઉમેદવારોમાંથી એક પછી પ્રાણીઓ અને મનુષ્યોમાં વધુ વિકાસ અને પરીક્ષણ માટે પસંદ કરવામાં આવ્યો હતો. રેમડેસિવીર આખરે સલામત અને અસરકારક હોવાનું જણાયું હતું અને યુએસ ફૂડ એન્ડ ડ્રગ એડમિનિસ્ટ્રેશન (FDA) દ્વારા ઉપયોગ માટે મંજૂર કરવામાં આવ્યું હતું.

ત્યારથી, કંપનીઓ અને સંસ્થાઓએ AI સિસ્ટમનો ઉપયોગ કરીને વધુ COVID-19 સારવાર શોધવા માટે સહયોગ કર્યો છે. 2021માં, 10 કંપનીઓએ એકસાથે મળીને IMPECCABLE (બેટર લીડ્સનું મૂલ્યાંકન કરીને કોવિડ ક્યોર માટે એકીકૃત મોડેલિંગ પાઇપલાઇન) બનાવ્યું. આ સંસ્થાઓમાં રુટગર્સ યુનિવર્સિટી, યુનિવર્સિટી કોલેજ લંડન, યુએસ ડિપાર્ટમેન્ટ ઓફ એનર્જી, લીબનીઝ સુપરકોમ્પ્યુટિંગ સેન્ટર અને NVIDIA કોર્પોરેશનનો સમાવેશ થાય છે.

આ પ્રોજેક્ટ એઆઈ સિમ્યુલેશન પાઈપલાઈન છે જે વર્તમાન પદ્ધતિઓ કરતાં 19 ગણી ઝડપથી સંભવિત COVID-50,000 ડ્રગ ઉમેદવારોની સ્ક્રીનિંગને ઝડપી-ટ્રેક કરવાનું વચન આપે છે. IMPECCABLE એ AI બનાવવા માટે વિવિધ ડેટા પ્રોસેસિંગ, ભૌતિકશાસ્ત્ર-આધારિત મોડેલિંગ અને સિમ્યુલેશન અને ML તકનીકોને જોડે છે જે અનુમાનિત મોડલ્સ બનાવવા માટે ડેટામાં પેટર્નનો ઉપયોગ કરે છે. લાક્ષણિક પદ્ધતિથી વિપરીત, જ્યાં વૈજ્ઞાનિકોએ તેમના જ્ઞાનના આધારે કાળજીપૂર્વક વિચારવું અને પરમાણુઓ વિકસાવવા પડે છે, આ પાઇપલાઇન સંશોધકોને આપમેળે વિશાળ સંખ્યામાં રસાયણોની તપાસ કરવાની મંજૂરી આપે છે, જે સંભવિત ઉમેદવારને શોધવાની સંભાવનાને નાટકીય રીતે વધારી દે છે.

AI-પ્રથમ દવાની શોધની અસરો

AI-પ્રથમ દવા શોધ પદ્ધતિઓના ઉદ્યોગને અપનાવવાના વ્યાપક પરિણામોમાં આનો સમાવેશ થઈ શકે છે: 

• AI પ્લેટફોર્મ્સ પરંપરાગત રીતે પ્રારંભિક કારકિર્દી રસાયણશાસ્ત્રીઓ દ્વારા સંચાલિત કાર્યોને ધારે છે, આ વ્યાવસાયિકોને નવી કુશળતા પ્રાપ્ત કરવા અથવા કારકિર્દીના માર્ગો બદલવાની આવશ્યકતા છે.
• મોટી ફાર્માસ્યુટિકલ કંપનીઓ વ્યાપક આનુવંશિક, રોગ અને સારવારના ડેટાને શોધવા, ઉપચારના વિકાસને વેગ આપવા માટે રોબોટિક વૈજ્ઞાનિકોને રોજગારી આપે છે.
• બાયોટેક સ્ટાર્ટઅપ્સ અને એઆઈ-સહાયિત દવાની શોધ માટે સ્થાપિત ફાર્મા કંપનીઓ વચ્ચેની ભાગીદારીમાં વધારો, હેલ્થકેર એન્ટિટીઓ તરફથી વધુ રોકાણ આકર્ષિત કરે છે.
• અનન્ય જૈવિક લાક્ષણિકતાઓ ધરાવતી વ્યક્તિઓ માટે, ખાસ કરીને અસામાન્ય સ્વયંપ્રતિરક્ષા વિકૃતિઓ ધરાવતા લોકો માટે અનુરૂપ તબીબી સારવારની સુવિધા.
• દવાની શોધમાં AIના બૌદ્ધિક સંપદા અધિકારો અને ફાર્માસ્યુટિકલ સેક્ટરમાં AI-સંબંધિત ભૂલો માટેની જવાબદારી અંગેની નિયમનકારી ચર્ચાઓ તીવ્ર.
• આરોગ્યસંભાળ ઉદ્યોગ દવાના વિકાસમાં નોંધપાત્ર ખર્ચ ઘટાડાનો અનુભવ કરી રહ્યો છે, જે ગ્રાહકો માટે દવાઓની વધુ સસ્તું કિંમતો માટે પરવાનગી આપે છે.
• ફાર્માસ્યુટિકલ સેક્ટરમાં રોજગારની ગતિશીલતા બદલાઈ રહી છે, જેમાં પરંપરાગત ફાર્માસ્યુટિકલ જ્ઞાન પર ડેટા સાયન્સ અને AI કુશળતા પર ભાર મૂકવામાં આવ્યો છે.
• ઝડપી અને વધુ કાર્યક્ષમ દવાની શોધ પ્રક્રિયાઓને લીધે, ખાસ કરીને વિકાસશીલ દેશોમાં સુધરેલા વૈશ્વિક આરોગ્ય પરિણામો માટે સંભવિત.
• સરકારો સંભવતઃ એઆઈ-શોધેલી દવાઓની સમાન પહોંચ સુનિશ્ચિત કરવા, એકાધિકારને અટકાવવા અને વ્યાપક સ્વાસ્થ્ય લાભોને પ્રોત્સાહન આપવા માટે નીતિઓ ઘડે છે.
• AI-સંચાલિત દવાની શોધ સંસાધન-સઘન પ્રયોગશાળા પ્રયોગો અને ટ્રાયલ્સની જરૂરિયાતને ઘટાડે છે તેમ પર્યાવરણીય અસરો ઓછી થઈ રહી છે.

ધ્યાનમાં લેવાના પ્રશ્નો

• તમને બીજું કઈ રીતે લાગે છે કે AI-પ્રથમ દવાની શોધ હેલ્થકેરમાં ફેરફાર કરશે?
• AI-પ્રથમ દવાના વિકાસને નિયંત્રિત કરવા સરકારો શું કરી શકે છે, ખાસ કરીને કિંમત અને સુલભતા?