આર્ટિફિશિયલ ઇન્ટેલિજન્સની મદદથી હવે એવી દવાઓ પણ બની, જે ખતરનાક બીમારીને મટાડી શકે છે, કોને ફાયદો થશે?

    • લેેખક, જેમ્સ ગૅલેઘર
    • પદ, સ્વાસ્થ્ય અને વિજ્ઞાન સંવાદદાતા

આર્ટિફિશિયલ ઇન્ટેલિજન્સે બે નવી ઍન્ટિબાયોટિક દવા વિકસાવી છે. જે રોગપ્રતિકારકતા વિકસાવી ચૂકી હોય એવા ગોનોરિયા અને એમઆરએસએ સુપરબગને ખતમ કરી શકે છે.

સંશોધકોના મતે એઆઈ(AI)એ આ દવાઓ ડિઝાઇન કરી છે અને આ દવાઓ પ્રયોગશાળામાં તેમજ પ્રાણીઓ પર કરવામાં આવેલાં પરીક્ષણોમાં તે સુપરબગ્સને મારવામાં સફળ રહી છે.

આ બે સંયોજનોને હજુ ઘણાં વર્ષો સુધી શુદ્ધ કરવામાં આવશે અને તેનું સતત પરીક્ષણ પણ કરવામાં આવશે. ત્યાર બાદ જ તેનો ઉપયોગ સામાન્ય લોકો દ્વારા થઈ શકશે.

પરંતુ આની પાછળ કામ કરતી ટીમ મૅસેચ્યુસેટ્સ ઇન્સ્ટિટ્યૂટ ઑફ ટૅક્નૉલૉજી (MIT) કહે છે કે AIએ ઍન્ટિબાયોટિક્સની શોધ બાબતે "બીજો સુવર્ણ યુગ" શરૂ કરી શકે છે.

પ્રતિકારક શક્તિ વિકસાવી દેનારા સંક્રમણનો ઉપચાર

ઍન્ટિબાયોટિક્સ બૅક્ટેરિયાનો નાશ કરે છે. જો કે હવે ઍન્ટિબાયોટિક્સ સામે પ્રતિકાર વિકસાવનારા ચેપ (બૅક્ટેરિયા) ના કારણે દર વર્ષે દસ લાખથી વધુ લોકો મૃત્યુ પામે છે.

નિષ્ણાતો માને છે કે ઍન્ટિબાયોટિક્સનો વધુ પડતો ઉપયોગ બૅક્ટેરિયાને દવાઓની અસરોથી બચવા માટે પોતાને બદલવામાં મદદ કરે છે.

છેલ્લા ઘણા દાયકાઓથી નવી ઍન્ટિબાયોટિક્સની અછત ઉભી થઇ છે.

અગાઉ, સંશોધકોએ હજારો ઉપલબ્ધ રસાયણો શોધવા માટે AIનો ઉપયોગ કર્યો હતો, જેથી એવા રાસાયણિક સંયોજનો શોધી શકાય જેમાં નવી ઍન્ટિબાયોટિક્સમાં રૂપાંતરિત થવાની ક્ષમતા હોય.

હવે એમઆઈટીની ટીમ આ દિશામાં એક પગલું આગળ વધી છે અને આ ટીમે ઍન્ટિબાયોટિક્સ ડિઝાઇન કરવા માટે જનરેટિવ AIનો ઉપયોગ કર્યો છે.

આ ઍન્ટિબાયોટિક્સ શરૂઆતમાં જાતીય રીતે સંક્રમિત રોગ ગોનોરિયા અને જીવલેણ બની શકે એવા મેથિસિલિન-રેજિસ્ટંટ સ્ટેફાયલોકોકસ ઑરિયસ એટલે કે MRSA માટે બનાવવામાં આવી હતી.

સંશોધકોનો અભ્યાસ 'સેલ' નામના જર્નલમાં પ્રકાશિત થયો છે.

આ સંશોધનમાં 3.6 કરોડ સંયોજનોની તપાસ કરવામાં આવી હતી. જેમાં ઘણાં એવાં સંયોજનોનો સમાવેશ થાય છે જે કાં તો અસ્તિત્વમાં નથી અથવા હજુ સુધી શોધાયાં નથી.

પ્રયોગશાળા અને ઊંદર પરનાં પરીક્ષણો સફળ

AIને તાલીમ આપવા માટે વૈજ્ઞાનિકોએ તેને હાલમાં ઉપલબ્ધ સંયોજનોની રાસાયણિક રચના અને સંબંધિત ડેટા આપ્યો જેથી તેઓ જાણી શકે કે આ સંયોજનો બૅક્ટેરિયાની વિવિધ પ્રજાતિઓના વિકાસની ગતીને ધીમી કરે છે કે નહીં.

આ પછી AIએ જોયું કે કાર્બન, ઑક્સિજન, હાઇડ્રોજન અને નાઇટ્રોજન જેવા અણુઓથી બનેલા વિવિધ પરમાણુનાં માળખાં બૅક્ટેરિયા પર શું અસર કરે છે.

આ પછી AIની સાથે નવી ઍન્ટિબાયોટિક્સ ડિઝાઇન કરવા માટે બે પદ્ધતિઓ અપનાવવામાં આવી. પ્રથમ પદ્ધતિમાં, ઍન્ટિબાયોટિક્સ ડિઝાઇન કરવા માટે પ્રારંભિક બિંદુ નક્કી કરવા માટે આઠ થી 19 અણુઓ સુધીના લાખો રાસાયણિક ટુકડાઓની લાઇબ્રેરીમાં શોધ કરવામાં આવી અને ત્યાંથી આગળ પછી ડિઝાઇન તૈયાર કરવામાં આવી.

તેની બીજી પદ્ધતિમાં AIને શરૂઆતથી જ સંપૂર્ણ સ્વતંત્રતા આપવામાં આવી હતી.

આ ડિઝાઇન પ્રક્રિયામાં એવાં સંયોજનોને બાકાત રાખવામાં આવ્યાં હતાં જે હાલની ઍન્ટિબાયોટિક્સ સાથે સમાનતા ધરાવતાં હતાં.

આમાં એ પણ સુનિશ્ચિત કરવામાં આવ્યું કે AI દવા જ બનાવે છે, બીજું કંઈક નહીં. તેથી એવાં સંયોજનોને પણ બાકાત રાખવામાં આવ્યાં હતાં, જે મનુષ્યો માટે ઝેર સાબિત થઇ શકે.

વૈજ્ઞાનિકોએ ગોનોરિયા અને MRSA માટે ઍન્ટિબાયોટિક્સ બનાવવા માટે AIનો ઉપયોગ કર્યો. સામાન્ય રીતે આ બંને પ્રકારના બૅક્ટેરિયા ત્વચા પર જોવા મળતા હોય છે.

જોકે તે હાનિકારક નથી હોતો પરંતુ જો તે શરીરમાં પ્રવેશ કરે તો ગંભીર ચેપનું કારણ બની શકે છે.

દવાઓ બનાવ્યા પછી પ્રયોગશાળામાં બૅક્ટેરિયા અને ચેપગ્રસ્ત ઊંદરો પર સૌથી યોગ્ય ડિઝાઇનનું પરીક્ષણ કરવામાં આવ્યું. આનાથી બે નવી સંભવિત ઍન્ટિબાયોટિક્સનો વિકાસ થયો.

માનવ પરીક્ષણ માટે રાહ જોવી પડશે

MIT પ્રોફેસર જેમ્સ કૉલિન્સે બીબીસીને જણાવ્યું, "અમે આ અંગે ઉત્સાહિત છીએ કારણ કે અમે બતાવી રહ્યા છીએ કે જનરેટિવ AIનો ઉપયોગ કરીને સંપૂર્ણપણે નવી ઍન્ટિબાયોટિક્સ ડિઝાઇન કરી શકાય છે."

"AI આપણને ઝડપથી સસ્તા પરમાણુઓ શોધવામાં મદદ કરી શકે છે અને આમ આપણી દવાઓનો સ્ટોક વધારી શકે છે. આ આપણને સુપરબગ જનીન સામેના આ યુદ્ધમાં એક ધાર આપી શકે છે."

જોકે, આ દવાઓ હજુ સુધી સામાન્ય પરીક્ષણ માટે તૈયાર નથી. પહેલા તેમને વધુ શુદ્ધ કરવામાં આવશે, જેમાં બે વર્ષ લાગી શકે છે. આ પછી જ માનવો પર તેમનું પરીક્ષણ કરવાની લાંબી પ્રક્રિયા શરૂ કરી શકાશે.

ફ્લૅમિંગ ઇનિશિયેટિવ અને ઇમ્પિરિયલ કૉલેજ, લંડનના ડૉ. ઍન્ડ્રુ ઍડવર્ડ્સે કહ્યું કે આ કાર્ય "ખૂબ જ ખાસ" છે અને તેમાં "વિશાળ સંભાવના" રહેલી છે કારણ કે તે "નવી ઍન્ટિબાયોટિક્સ શોધવાની નવી રીત પ્રદાન કરે છે."

જોકે તેમણે એમ પણ ઉમેર્યું કે, "AI દવાઓની શોધ અને વિકાસમાં મોટો સુધારો કરી શકે છે, પરંતુ આપણે હજુ પણ સલામત અને અસરકારક પરીક્ષણના સંદર્ભમાં સખત મહેનત કરવી પડશે."

આ એક લાંબી અને ખર્ચાળ પ્રક્રિયા હોઈ શકે છે અને કોઈ ગૅરેંટી નથી કે દવાઓ આખરે દર્દીઓને આપવામાં આવશે.

આર્થિક પડકારો

કેટલાક નિષ્ણાતો AI નો ઉપયોગ કરીને દવાની શોધમાં મોટા પાયે ફેરફાર કરવાની હાકલ કરી રહ્યા છે.

"લૅબમાં દવાઓ કેટલી સારી રીતે કાર્ય કરે છે અને શરીરમાં તેમની અસરોની વધુ સારી આગાહી કરી શકે તેવાં મૉડેલોથી આગળ લઇ જાય એવા વધુ સારાં મૉડેલોની આપણને જરૂર છે," પ્રોફેસર કૉલિન્સ કહે છે.

AI દ્વારા ડિઝાઇન કરેલી દવાઓનું ઉત્પાદન પણ એક પડકાર છે.

ગોનોરિયા માટે સૈદ્ધાંતિક રીતે રચાયેલી 80 સૌથી આશાસ્પદ સારવારમાંથી ફક્ત બે જ દવાઓ તરીકે વિકસાવવામાં આવી છે.

વૉરવિક યુનિવર્સિટીના પ્રોફેસર ક્રિસ ડૉસને આ અભ્યાસને "શાનદાર" ગણાવ્યો અને કહ્યું કે ઍન્ટિબાયોટિક શોધ માટે AIનો ઉપયોગ કરવાની દિશામાં તે એક મહત્ત્વપૂર્ણ પગલું છે.

તેઓ એમ પણ કહે છે કે દવાઓ સામે પ્રતિકાર વિકસાવતા જોખમને ઘટાડનાર રીતે પણ આ એક "મહત્ત્વપૂર્ણ પગલું" છે.

જોકે, તેઓ નિર્દેશ કરે છે કે આ દવા-પ્રતિરોધક સંક્રમણમાં એક આર્થિક સમસ્યા પણ છે - "તમે એવી દવાઓ કેવી રીતે બનાવશો જેનું કોઈ વ્યાપારી મૂલ્ય ના હોય?"

જો નવી ઍન્ટિબાયોટિક વિકસાવવામાં આવે તો મુખ્ય શરત એ છે કે તેનો ઉપયોગ ઓછામાં ઓછો કરવામાં આવે જેનાથી તે વધુ અસરકારક બની રહેશે.

ઓછા ઉપયોગનો અર્થ ઓછું વેચાણ પણ થાય છે અને કોઈપણ માટે નફો કમાવવો મુશ્કેલ બનશે.

બીબીસી માટે કલેક્ટિવ ન્યૂઝરુમનું પ્રકાશન