স্ট্যানফোর্ড 37,000 এজেন্ট নিয়ে এআই-চালিত ওষুধ আবিষ্কার ব্যবস্থা তৈরি করেছে

স্ট্যানফোর্ডের একটি দল এমন একটি কম্পিউটারভিত্তিক ওষুধ কোম্পানি তৈরি করেছে, যেখানে ওষুধ আবিষ্কারের কাজ ভাগ করে নিতে সর্বোচ্চ 37,000টি কৃত্রিম বুদ্ধিমত্তা এজেন্ট কাজ করে। Singularity Hub-এর প্রতিবেদন অনুযায়ী, এই ব্যবস্থা সম্ভাব্য ওষুধের লক্ষ্য নিয়ে অনুসন্ধান চালাতে, নিরাপত্তা-সংক্রান্ত উদ্বেগ খতিয়ে দেখতে, ক্লিনিক্যাল ট্রায়ালের ফল তুলনা করতে এবং চিকিৎসার পরামর্শ দিতে পারে।

গবেষকেরা Science-এ প্রকাশিত একটি গবেষণাপত্রে ব্যবস্থাটির বর্ণনা দিয়েছেন। একটি পরীক্ষায় এটি এমন বৈশিষ্ট্য শনাক্ত করে, যেগুলো উন্নয়নপর্বে সফল হওয়ার সম্ভাবনা বেশি থাকা ওষুধের সঙ্গে সম্পর্কিত। অন্য একটি পরীক্ষায়, এটি ফুসফুসের ক্যানসারের একটি লক্ষ্যকে কেন্দ্র করে চিকিৎসার কৌশল প্রস্তাব করে, যা পরে একটি বড় ওষুধ কোম্পানি স্বাধীনভাবে অনুসরণ করে।

প্রকল্পটি ওষুধ গবেষণার একটি দীর্ঘস্থায়ী দুর্বলতার সমাধান করতে চায়। ক্লিনিক্যাল ট্রায়ালে প্রবেশ করা প্রতি 10টি ওষুধের মধ্যে প্রায় 9টি শেষ পর্যন্ত অনুমোদিত পণ্য হয়ে ওঠে না। কিছু ব্যর্থ হয়, কারণ পরীক্ষাগারে পাওয়া ফল রোগীদের ক্ষেত্রে কার্যকর হয় না। অন্যগুলো এমন ক্ষতিকর প্রভাব সৃষ্টি করে, যা যথেষ্ট আগে শনাক্ত করা যায়নি।

বিশেষায়িত এআই দল দিয়ে তৈরি একটি কোম্পানি

ওষুধ উন্নয়ন-সংক্রান্ত প্রমাণ বৈজ্ঞানিক বিভিন্ন ক্ষেত্র, ডেটাবেস, ট্রায়াল রেজিস্ট্রি, গবেষণাপত্র এবং কোম্পানির ঘোষণায় ছড়িয়ে আছে। এই বিচ্ছিন্নতার কারণে কোনো লক্ষ্য অনুসরণ করা মূল্যবান কি না সিদ্ধান্ত নেওয়ার আগে একটি প্রচলিত গবেষক দলের পক্ষে প্রাসঙ্গিক প্রতিটি তথ্য মূল্যায়ন করা কঠিন হয়ে পড়ে।

স্ট্যানফোর্ডের ভার্চুয়াল বায়োটেক প্রতিষ্ঠানটি একটি ওষুধ কোম্পানির কাঠামো অনুকরণ করে সংগঠিত। একজন ভার্চুয়াল প্রধান বৈজ্ঞানিক কর্মকর্তা মানব গবেষকের কাছ থেকে প্রশ্ন গ্রহণ করেন এবং অনুসন্ধানের বিভিন্ন অংশ বিশেষায়িত এজেন্টদের মধ্যে ভাগ করে দেন। এজেন্টগুলোর হাতে আলাদা আলাদা তথ্যের উৎস ও বিশ্লেষণী সরঞ্জাম থাকে। তারা চারটি বিস্তৃত ক্ষেত্রে কাজ করে: ওষুধের লক্ষ্য শনাক্ত ও পরীক্ষা করা, সম্ভাব্য নিরাপত্তা সমস্যা খতিয়ে দেখা, কীভাবে চিকিৎসা দেওয়া যেতে পারে তা নির্ধারণ করা এবং আগের ক্লিনিক্যাল ট্রায়াল বিশ্লেষণ করা।

ব্যবস্থাটি Open Targets-ও ব্যবহার করতে পারে—এটি ওষুধের লক্ষ্য ও ক্লিনিক্যাল গবেষণা-সংক্রান্ত তথ্যসমৃদ্ধ একটি বৃহৎ উন্মুক্ত সম্পদ। ভার্চুয়াল কোম্পানিটি বিদ্যমান কাজের উন্নতি করতে পারে কি না পরীক্ষা করার জন্য গবেষকেরা তাকে এমন একটি গবেষণা দেন, যাতে দেখানো হয়েছিল যে মানুষের জিনগত প্রমাণ কোন ওষুধগুলো ট্রায়ালে সফল হবে তা অনুমান করতে সহায়তা করতে পারে।

ভার্চুয়াল প্রধান বৈজ্ঞানিক কর্মকর্তা প্রথমে হাতে থাকা প্রমাণের মানের দিকে মনোযোগ দেন। অনেক রেকর্ডে ট্রায়ালে ব্যবহৃত চিকিৎসা সত্যিই কাজ করেছিল কি না, তা স্পষ্ট ছিল না। তাই ব্যবস্থাটি 37,075টি Phase II এবং Phase III ট্রায়াল পর্যালোচনার জন্য পৃথক এজেন্ট নিয়োগ করে। তারা ফলাফল-সংক্রান্ত তথ্যের জন্য রেজিস্ট্রি, বৈজ্ঞানিক প্রকাশনা ও সংবাদ বিজ্ঞপ্তি অনুসন্ধান করে এবং প্রায় ছয় ঘণ্টায় কাজটি শেষ করে।

ওষুধের লক্ষ্য সম্পর্কে ব্যবস্থাটি যা জানতে পেরেছে

পরবর্তী ধাপে মানুষের টিস্যুর একটি উন্মুক্ত ডেটাবেসে থাকা জিন পরীক্ষা করা হয়। এই সম্পদটি দেখায়, নির্দিষ্ট কোষের ধরনে কোন জিন সক্রিয়। এআই ব্যবস্থাটি দুটি মাপকাঠি ব্যবহার করে প্রতিটি প্রার্থীকে মূল্যায়ন করে। একটিতে দেখা হয়, কোনো জিন সীমিতসংখ্যক কোষের ধরনে কেন্দ্রীভূত, নাকি অনেক ধরনের কোষে সক্রিয়। অন্যটিতে দেখা হয়, তার কার্যকলাপ বাইনারি সুইচের মতো আচরণ করে, নাকি ধীরে ধীরে পরিবর্তিত হতে পারে।

ফলস্বরূপ স্কোরগুলো উন্নত ট্রায়াল-ফলাফল ডেটাসেটের সঙ্গে তুলনা করলে একটি ধারা দেখা যায়। যে জিনগুলোর কার্যকলাপ সুইচের মতো এবং কোষের ধরনগুলোর মধ্যে সীমিত, সেগুলোকে লক্ষ্য করা ওষুধ বাজারে পৌঁছানোর সম্ভাবনা 48 percent বেশি ছিল। Phase I থেকে Phase II-তে এগিয়ে যাওয়ার সম্ভাবনাও তাদের 40 percent বেশি ছিল, এবং টিস্যুর বিস্তৃত পরিসরে সক্রিয় লক্ষ্যকে উদ্দেশ্য করা ওষুধের তুলনায় তাদের সঙ্গে 32 percent কম বিরূপ ঘটনা সম্পর্কিত ছিল।

এই ফলাফল ওষুধ উন্নয়নের অনিশ্চয়তা দূর করে না, তবে কোন জৈবিক লক্ষ্যগুলো আরও বিনিয়োগের যোগ্য তা নির্ধারণে গবেষকদের সহায়তা করতে পারে। দুর্বল প্রার্থীদের আগেই বাদ দিতে পারলে সফল হওয়ার সম্ভাবনা কম এমন কর্মসূচিতে ব্যয় হওয়া সম্পদ কমানো যেতে পারে।

ফুসফুসের ক্যানসার নিয়ে পরীক্ষামূলক প্রয়োগ

এরপর গবেষকেরা ভার্চুয়াল বায়োটেক প্রতিষ্ঠানটিকে ফুসফুসের ক্যানসারের সঙ্গে সম্পর্কিত একটি প্রোটিন B7-H3 নিয়ে গবেষণা করতে বলেন। এর এজেন্টেরা দেখতে পায়, ফাইব্রোব্লাস্টে—যে সংযোজক-টিস্যুর কোষগুলো প্রায়ই টিউমারের কাছে থাকে—প্রোটিনটি বিশেষভাবে বেশি দেখা যায়। তারা আরও প্রমাণ পায় যে এসব কোষ কাছাকাছি থাকা রোগপ্রতিরোধী কোষের কার্যকলাপ বাধাগ্রস্ত করতে পারে, ফলে রোগপ্রতিরোধী ব্যবস্থা ক্যানসার শনাক্ত ও আক্রমণ করতে আরও বেশি সমস্যায় পড়ে।

প্রস্তাবিত চিকিৎসায় B7-H3 বহনকারী কোষ শনাক্ত করতে একটি অ্যান্টিবডি ব্যবহার করা হবে এবং একটি বিষাক্ত কেমোথেরাপি যৌগকে ওই কোষগুলোর দিকে পরিচালিত করা হবে। ব্যবস্থাটি তার সুপারিশ কেবল January 2025-এর আগে পাওয়া তথ্যের ভিত্তিতে তৈরি করে।

August 2025-এ একটি বড় ওষুধ কোম্পানির তৈরি B7-H3-নির্দেশিত চিকিৎসা ifinatamab deruxtecan US Food and Drug Administration-এর কাছ থেকে breakthrough therapy মর্যাদা পায়। কোম্পানিটি স্বাধীনভাবে একই ধরনের কৌশলে পৌঁছেছিল। স্ট্যানফোর্ডের জ্যেষ্ঠ লেখক জেমস ঝৌ এই উন্নয়নকে ভার্চুয়াল বায়োটেকের প্রস্তাবিত নকশার সঙ্গে সামঞ্জস্যপূর্ণ বাহ্যিক নিশ্চিতকরণ হিসেবে বর্ণনা করেন।

এই ফলাফল এমন প্রমাণ নয় যে এআই ব্যবস্থাটি নিজে থেকেই একটি ওষুধকে ধারণা থেকে অনুমোদন পর্যন্ত নিয়ে যেতে পারে। প্রতিশ্রুতিশীল লক্ষ্য বেছে নেওয়া কেবল প্রাথমিক একটি ধাপ। প্রার্থীদের এখনও পরীক্ষাগারে পরীক্ষা, নিরাপত্তা যাচাই এবং দীর্ঘ ক্লিনিক্যাল ট্রায়ালের প্রয়োজন হয়—যেগুলোর সবই ব্যয়বহুল এবং দ্রুত সম্পন্ন করা কঠিন।

তা সত্ত্বেও, এই ব্যবস্থা দেখায় যে বিপুলসংখ্যক বিশেষায়িত এআই সরঞ্জাম একটি প্রচলিত দলের চেয়ে দ্রুত ছড়িয়ে-ছিটিয়ে থাকা প্রমাণ পরীক্ষা করতে পারে। এই সক্ষমতা যদি গবেষকদের দুর্বল পছন্দ বাদ দিতে এবং আরও শক্তিশালী বিকল্পগুলো আগেই শনাক্ত করতে সহায়তা করে, তবে এটি ওষুধ শিল্পের সবচেয়ে বেশি ব্যর্থতাপ্রবণ ধাপগুলোর একটির উন্নতি ঘটাতে পারে।