औषधि के विकास में AI का उपयोग

औषधि के निर्माण में कृत्रिम बुद्धिमत्ता की भूमिका

• उन्नत लक्ष्य की खोज: विशेष रूप से Alpha Fold और RoseTTA Fold जैसे उन्नत AI उपकरणों के माध्यम से प्रोटीन, DNA और RNA की त्रि-आयामी संरचनाओं का सटीक विश्लेषण संभव हो पाया है, जिसके कारण लक्ष्य की खोज में क्रांतिकारी बदलाव आया है। यह क्षमता जैविक लक्ष्यों के साथ प्रतिक्रिया की बेहतर समझ प्रदान करती है।
• बेहतर सटीकता और दक्षता: ‘AI मॉडल’ दवा और लक्ष्य से उसकी प्रतिक्रिया के लिए आवश्यक समय को काफी कम कर देता है तथा इन भविष्यवाणियों की सटीकता को बढ़ाता है।
  • उदाहरण के लिए, अल्फाफोल्ड 3 (Alpha Fold 3) ने अपने परीक्षणों में 76% सटीकता दर प्रदर्शित की है, जो पिछले तरीकों की तुलना में पर्याप्त सुधार दिखाता है।
• कम लागत: गहरे तंत्रिका नेटवर्क और उत्पादक डिफ्यूजन-आधारित संरचना (एक प्रकार का AI मॉडल) के सामूहिक उपयोग ने महँगे और समय लेने वाले प्रयोगों की आवश्यकता को कम कर दिया है, जिससे दवा के विकास की लागत कम हो जाती है।
• भविष्यवाणियों में विविधता: AI प्रणाली में नवीनतम प्रगति जैसे अल्फाफोल्ड 3 और रोजटीटीएफोल्ड ऑल-एटम (RoseTTA Fold All-Atom) के बावजूद स्थिर प्रोटीन संरचनाओं की भविष्यवाणी नहीं की जा सकती है। वे प्रोटीन, DNA, RNA, छोटे अणुओं और आयनों के किसी भी संयोजन से जुड़ी प्रक्रिया की भविष्यवाणी कर सकते हैं, जो औषधि-निर्माण से संबंधित अनुसंधान के दायरे को व्यापक बनाता है।

औषधि विकास में AI के उपयोग की सीमाएँ 

• भविष्यवाणी की सीमित सटीकता: AI उपकरण आमतौर पर औषधि-लक्षित प्रतिक्रिया की भविष्यवाणी करने में 80% तक सटीकता प्राप्त कर लेते हैं। हालाँकि, प्रोटीन-RNA जैसे अधिक जटिल प्रतिक्रिया में सटीकता काफी कम हो जाती है, फलस्वरूप जटिल जैविक प्रक्रियाओं की भविष्यवाणी में चुनौतियों का सामना करना पड़ रहा है।
• औषधि के विकास चरणों में प्रतिबंधित अनुप्रयोग: AI उपकरण लक्ष्य की खोज और दवा-लक्ष्य प्रतिक्रिया को बेहतर करता है, किंतु पूर्व-चिकित्सीय ​​और चिकित्सीय ​​परीक्षणों को प्रभावित नहीं करता है। इस प्रकार, AI की प्रक्रिया से स्वीकृत दवाओं को अभी भी पारंपरिक परीक्षण की आवश्यकता है क्योंकि बाद के चरणों में सफलता की कोई निश्चित गारंटी नहीं है।
• मॉडल हलूसनेशन (Model Hallucination): प्रसार-आधारित AI मॉडल के कारण ‘मॉडल हलूसनेशन’ का अनुभव होता है, जो अपर्याप्त या खराब-गुणवत्ता वाले प्रशिक्षण डेटा के आधार पर गलत भविष्यवाणियाँ करता है, जो मॉडल की विश्वसनीयता को सीमित करता है।
• उन्नत उपकरण तक सीमित पहुँच: पिछले संस्करणों के विपरीत, अल्फाफोल्ड 3 जैसे उन्नत उपकरण सार्वजनिक रूप से उपलब्ध नहीं है, इसलिए यह स्वतंत्र सत्यापन और व्यापक उपयोग को प्रतिबंधित करता है।

भारत में औषधि के विकास में AI का सीमित उपयोग

• उन्नत संगणनात्मक अवसंरचना का अभाव: भारत को AI-संचालित औषधि विकास के लिए उच्च गति वाले GPUs जैसे व्यापक संगणनात्मक संसाधनों की आवश्यकता है। GPUs बहुत महँगे होते हैं तथा तकनीकी प्रगति के कारण इनमें निरंतर सुधार की आवश्यकता होती है।
• कुशल AI पेशेवरों की कमी: अमेरिका और चीन जैसे देशों की तुलना में भारत में कुशल AI वैज्ञानिकों की उपलब्धता बहुत कम है। यह कमी देश के अंदर नए AI उपकरण को विकसित करने की क्षमता में बाधा डालती है।

निष्कर्ष

औषधि विकास में AI के बढ़ते उपयोग से ‘विश्व की फार्मेसी’ के रूप में भारत की स्थिति मजबूत हो सकती है। फार्मास्यूटिकल संगठनों की बढ़ती संख्या के साथ-साथ लक्ष्य की खोज, पहचान और औषधि परीक्षण में AI उपकरण का उचित उपयोग कर भारत इस क्षेत्र में अग्रणी हो सकता है।

DOWNLOAD PDF