এআই দিয়ে তৈরি ঔষধই হতে পারে ২০২৬ সালের সবচেয়ে বড় আবিষ্কার

এই পরিবর্তন ইতোমধ্যেই শুরু হয়ে গেছে। ঔষধ আবিষ্কার দীর্ঘকাল ধরেই আধুনিক বিজ্ঞানের সবচেয়ে ধীর এবং ব্যয়বহুল অংশগুলোর একটি। একটি নতুন ঔষধ প্রাথমিক গবেষণা থেকে বাজারে আনতে এক দশকেরও বেশি সময় লাগে এবং এতে বিলিয়ন ডলার খরচ হতে পারে। JAMA-তে প্রকাশিত ২০২০ সালের একটি বিশ্লেষণ অনুসারে, নতুন ঔষধের গবেষণা ও উন্নয়নের গড় খরচ প্রায় ১০০ কোটি ডলার বা তার বেশি। বেশিরভাগ সম্ভাব্য ঔষধই ব্যর্থ হয়। অনেকগুলো প্রাথমিক পরীক্ষার পর্যায় পার করতে পারে না। এই প্রক্রিয়াটি দীর্ঘসূত্রিতা, অপচয় এবং বৈজ্ঞানিক অচলাবস্থার জন্য পরিচিত।

এআই জীববিজ্ঞানের কঠিন সত্যগুলোকে পরিবর্তন করতে পারেনি। এটি চাইলেই কোনো ঔষধ তৈরি করে ফেলতে পারে না। কিন্তু এটি ঔষধ খোঁজার গতি এবং যুক্তি পরিবর্তন করতে শুরু করেছে। গবেষকরা এখন মেশিন লার্নিং সিস্টেম ব্যবহার করে予測 করছেন যে কোন অণুগুলো একটি নির্দিষ্ট লক্ষ্যের সাথে জুড়তে পারে, সেগুলো কতটা বিষাক্ত হতে পারে এবং কোন যৌগগুলো ল্যাবে তৈরি করার মতো যোগ্য। ডিপমাইন্ড-এর আলফাফোল্ড বিশ্বজুড়ে মনোযোগ আকর্ষণ করেছিল যখন এটি বিপুল সংখ্যক প্রোটিনের গঠন সম্পর্কে পূর্বাভাস দেয়। এই সমস্যাটি কয়েক দশক ধরে জীববিজ্ঞানীদের আটকে রেখেছিল। এটি সঙ্গে সঙ্গে নতুন ঔষধ তৈরি করেনি, কিন্তু এটি একটি বড় বাধা দূর করেছে। এটি বিজ্ঞানীদের সেই আণবিক আকারগুলোর একটি পরিষ্কার মানচিত্র দিয়েছে, যেগুলোকে তারা প্রভাবিত করার চেষ্টা করছেন।

মার্কিন যুক্তরাষ্ট্র, ইউরোপ, চীন এবং যুক্তরাজ্যে বায়োটেক কোম্পানিগুলো গত কয়েক বছর ধরে এই ভিত্তির ওপর কাজ করছে। কিছু সংস্থা এখন জানাচ্ছে যে এআই-নির্দেশিত সিস্টেমগুলো লক্ষ লক্ষ সম্ভাব্য যৌগের মধ্য থেকে কিছু সংখ্যক গুরুত্বপূর্ণ প্রার্থীকে কয়েক বছরের পরিবর্তে কয়েক মাসের মধ্যে বেছে নিতে পারে। এআই-এর সাহায্যে ডিজাইন করা বা সহায়তা করা বেশ কয়েকটি ঔষধ ইতোমধ্যেই ক্লিনিক্যাল ট্রায়ালে প্রবেশ করেছে। মূল বিষয় হলো, এই ঔষধগুলোর প্রতিটিই যে কাজ করবে তা নয়। অনেকগুলোই করবে না। মূল বিষয় হলো, এই প্রক্রিয়াটি এখন আর তত্ত্বীয় পর্যায়ে নেই। এটি মার্কেটিং-এর ভাষা থেকে বাস্তব পরীক্ষার জগতে চলে এসেছে।

এ কারণেই ২০২৬ সাল গুরুত্বপূর্ণ। এই সময়ের মধ্যে, জনসাধারণ কেবল প্রতিশ্রুতির চেয়ে আরও નક્কার কিছু দেখতে পাবে। যেমন: মধ্য-পর্যায়ের ট্রায়ালের শক্তিশালী ডেটা, এআই-দ্বারা নির্বাচিত যৌগগুলো ক্লিনিক্যাল পরীক্ষার কঠিন ধাপগুলো পার করতে পারে তার স্পষ্ট প্রমাণ এবং সম্ভবত প্রথম এমন একটি বহুল পরিচিত ঔষধ, যার আবিষ্কারের সময় এই সরঞ্জামগুলোর মাধ্যমে উল্লেখযোগ্যভাবে কমে এসেছে। এটি কোনো কল্পবিজ্ঞান হবে না। এটি হবে একটি নতুন গবেষণা পদ্ধতির জনজীবনে প্রবেশ।

এর মূল কারণ সহজ। জীববিজ্ঞানে এত বেশি ডেটা তৈরি হয় যা শুধুমাত্র মানুষের পক্ষে দক্ষতার সাথে বিশ্লেষণ করা সম্ভব নয়। একটি রোগের প্রক্রিয়ার সাথে হাজার হাজার জিন, প্রোটিন এবং রাসায়নিক মিথস্ক্রিয়া জড়িত থাকতে পারে। গবেষকদের একটি বিশাল রাসায়নিক জগৎ নিয়েও কাজ করতে হয়। কিছু অনুমান অনুসারে, ঔষধের মতো সম্ভাব্য অণুর সংখ্যা বিপুল। প্রচলিত পদ্ধতিতে এর অতি সামান্য একটি অংশই পরীক্ষা করা যায়। এআই এখানে কার্যকর, কারণ এটি কোনো ডাক্তারের মতো রোগ বোঝে তা নয়, বরং এটি এমন масштаবে তথ্য বাছাই, সাজানো এবং প্যাটার্ন খুঁজে বের করতে পারে যা মানুষের পক্ষে সম্ভব নয়।

একই সময়ে, ল্যাবরেটরি অটোমেশন উন্নত হয়েছে। ক্লাউড কম্পিউটিং সস্তা এবং আরও শক্তিশালী হয়েছে। জেনোমিক সিকোয়েন্সিং এখন অনেক গবেষণাগারে একটি সাধারণ বিষয়। সরকারি ও বেসরকারি ডেটাবেস প্রসারিত হয়েছে। অর্থাৎ, এআই একা আসেনি। এটি এমন একটি বৈজ্ঞানিক ব্যবস্থায় প্রবেশ করেছে যেখানে এই মডেলগুলোকে কার্যকর করার জন্য যথেষ্ট ডেটা, স্টোরেজ এবং ল্যাবরেটরি ক্ষমতা তৈরি হয়েছে। এই মিশ্রণটিই নিকট-ভবিষ্যতে একটি আবিষ্কারকে সম্ভাবনাময় করে তুলেছে। এটি কোনো একটি জাদুকরী আবিষ্কার নয়। এটি অনেকগুলো ছোট ছোট সাফল্যের সমন্বয়।

এর প্রভাব ব্যাপক হতে পারে। প্রথম প্রভাব হলো গতি। ক্যান্সার, বিরল রোগ বা ঔষধ-প্রতিরোধী সংক্রমণে আক্রান্ত রোগীদের জন্য সময় অত্যন্ত গুরুত্বপূর্ণ। দ্রুত লক্ষ্যবস্তু নির্বাচন এবং স্মার্ট অণু ডিজাইন প্রাথমিক পর্যায়ের বিলম্ব কমাতে পারে। দ্বিতীয় প্রভাব হলো খরচ, যদিও এই বিষয়ে সতর্ক থাকা প্রয়োজন। ঔষধ কোম্পানিগুলো আবিষ্কারের ক্ষেত্রে অর্থ সাশ্রয় করতে পারে, কিন্তু এটি রোগীদের জন্য সস্তা দামের নিশ্চয়তা দেয় না। ঔষধশিল্পের ইতিহাস দেখায় যে বৈজ্ঞানিক দক্ষতা স্বয়ংক্রিয়ভাবে সাশ্রয়ী মূল্যে পরিণত হয় না। তবুও, গবেষণার খরচ কমলে কিছু অবহেলিত বা ছোট রোগী গোষ্ঠীর জন্য কাজ করা আরও আকর্ষণীয় হতে পারে।

জনস্বাস্থ্যের দিক থেকেও এই বিষয়টি এখন গুরুত্বপূর্ণ। অ্যান্টিবায়োটিক রেজিস্ট্যান্স ক্রমাগত বাড়ছে। বিশ্ব স্বাস্থ্য সংস্থা (WHO) জীবাণুরোধী প্রতিরোধকে বিশ্বের অন্যতম প্রধান জনস্বাস্থ্য হুমকি হিসেবে অভিহিত করেছে। কিন্তু বাজার দুর্বল এবং বিজ্ঞান কঠিন হওয়ায় বছরের পর বছর ধরে অ্যান্টিবায়োটিক তৈরির কাজ পিছিয়ে আছে। এআই টুলগুলো, যা নতুন আণবিক কাঠামো আরও দক্ষতার সাথে খুঁজতে পারে, এক্ষেত্রে সাহায্য করতে পারে। ২০২৩ সালে, এমআইটি এবং ম্যাকমাস্টার ইউনিভার্সিটির গবেষকরা বিপজ্জনক প্যাথোজেনের বিরুদ্ধে নতুন অ্যান্টিবায়োটিক প্রার্থী শনাক্ত করতে এআই পদ্ধতি ব্যবহার করার কথা জানিয়েছেন। এটি রাতারাতি অ্যান্টিবায়োটিক সংকট সমাধান করবে না, তবে এটি দেখায় যে এই প্রযুক্তির সবচেয়ে স্পষ্ট জনহিতকর মূল্য কোথায় থাকতে পারে।

তবে, এই উত্তেজনা যেন ঝুঁকিগুলোকে মুছে না দেয়। এআই মডেলগুলো এমনভাবে ভুল করতে পারে যা দেখতে বিশ্বাসযোগ্য মনে হয়। এগুলো পুরোনো ডেটাসেটের পক্ষপাতকে আরও বাড়িয়ে তুলতে পারে। যে রোগগুলোর ওপর প্রচুর ডেটা রয়েছে সেগুলোর জন্য এটি ভালোভাবে কাজ করতে পারে, কিন্তু কম গবেষণাকৃত রোগগুলোর ক্ষেত্রে পিছিয়ে পড়তে পারে। নিয়ন্ত্রক সংস্থাও একটি নতুন চ্যালেঞ্জের মুখোমুখি। যদি কোনো কোম্পানি বলে যে একটি এআই সিস্টেম কোনো অণু বেছে নিতে বা ট্রায়ালের ফলাফল অনুমান করতে সাহায্য করেছে, তারপরেও সংস্থাগুলোকে চূড়ান্ত পণ্যটি নিরাপদ এবং কার্যকর কিনা তার স্পষ্ট প্রমাণ দিতে হবে। চিকিৎসাবিজ্ঞানে, গতি তখনই কার্যকর যখন বিশ্বাস বজায় থাকে।

আরেকটি উদ্বেগ রয়েছে যা কম মনোযোগ পায়। যদি এআই আবিষ্কারের কেন্দ্রবিন্দুতে পরিণত হয়, তবে বৈজ্ঞানিক ক্ষমতা অল্প কয়েকটি ধনী সংস্থা এবং গবেষণা প্রতিষ্ঠানের হাতে আরও বেশি কেন্দ্রীভূত হতে পারে। যেসব দেশ ও কোম্পানির কাছে সেরা ডেটা, শক্তিশালী কম্পিউটিং পরিকাঠামো এবং সবচেয়ে বড় পেটেন্ট পোর্টফোলিও রয়েছে, তারা তাদের আধিপত্য আরও বাড়াতে পারে। এটি শুধু কারা লাভবান হবে তাই নয়, কোন রোগগুলো মনোযোগ পাবে তাও নির্ধারণ করবে। নিম্ন-আয়ের দেশগুলোর মানুষ প্রায়শই এই ধারা আগে দেখেছে। তাদের ওপর বোঝা হয়ে থাকা রোগগুলো সবসময় বিনিয়োগকারীদের পছন্দের বাজারের সাথে মেলে না।

এর সেরা প্রতিক্রিয়া বিজ্ঞানকে ধীর করে দেওয়া নয়, বরং একে ভালোভাবে পরিচালনা করা। সরকারি অর্থায়ন সংস্থাগুলোর উচিত উন্মুক্ত বায়োলজিক্যাল ডেটাবেস, যৌথ প্রোটিন গবেষণা এবং এমন ট্রায়াল ডিজাইনকে সমর্থন করা যা নিরাপত্তার নিয়ম শিথিল না করেই নতুন যৌগ দ্রুত পরীক্ষা করতে পারে। শুধু বড় কোম্পানি নয়, বিশ্ববিদ্যালয় এবং অলাভজনক ল্যাবগুলোরও কম্পিউটিং সম্পদে প্রবেশাধিকার থাকা উচিত। নিয়ন্ত্রকদের উচিত ডেভেলপারদের কাছে জানতে চাওয়া যে এআই টুলগুলো কীভাবে ব্যবহার করা হয়েছিল এবং সেগুলোর সীমাবদ্ধতা কোথায়। এবং স্বাস্থ্য ব্যবস্থাগুলোর এখন থেকেই একটি মৌলিক রাজনৈতিক প্রশ্নের জন্য পরিকল্পনা শুরু করা উচিত: যদি এআই প্রাথমিক আবিষ্কারের খরচ কমিয়ে দেয়, তবে সেই সঞ্চয়ের সুবিধা কার পাওয়া উচিত?

সুতরাং, ২০২৬ সালের সম্ভাব্য আবিষ্কারটি হয়তো মানুষের প্রত্যাশিত নাটকীয়তার সাথে আসবে না। এটি হয়তো কোনো দোকানের তাক বা রাস্তায় চলবে না। এটি হয়তো একটি ক্লিনিক্যাল পেপার, একটি নিয়ন্ত্রক সংস্থার ফাইলে বা একটি ট্রায়ালের ফলাফলে প্রকাশিত হবে যা দেখায় যে মেশিনের সাহায্যে পাওয়া একটি অণু বাস্তব রোগীদের চিকিৎসা করতে পারে। এটি একটি গৃহস্থালি রোবটের চেয়ে কম সিনেম্যাটিক। কিন্তু এটি অনেক বেশি প্রভাবশালী।

বিজ্ঞানের ভবিষ্যৎকে প্রায়শই চোখ ধাঁধানো প্রদর্শনী বলে ভুল করা হয়। বাস্তবে, এটি প্রায়শই পুরোনো মানবিক সংগ্রামের জন্য একটি উন্নত হাতিয়ার। ২০২৬ সালে, সবচেয়ে গুরুত্বপূর্ণ আবিষ্কারটি হয়তো এমন একটি হবে যা গবেষকদের দ্রুত ঔষধ খুঁজে পেতে, ধারণাগুলোকে আরও স্মার্টভাবে পরীক্ষা করতে এবং রোগীদের নতুনত্বের চেয়েও মূল্যবান কিছু দিতে সাহায্য করবে: সময়ের একটি বাস্তব সুযোগ।