منشیات کی دریافت کے ابتدائی مراحل میں AI کو لاگو کرنے کا ایک بڑا فائدہ یہ ہے کہ AI بڑے پیمانے پر ورچوئل اسکریننگ کر سکتا ہے، یا بیک وقت متعدد تجربات کر سکتا ہے، اس طرح اسکریننگ مرکبات کے پیمانے میں اضافہ اور ممکنہ مرکبات کو سیسہ کے مرکبات میں آگے بڑھا سکتا ہے۔ امیدواروں کے علاج کی رفتار۔ MIT کے پروفیسر ڈاکٹر جم کولنز نے WuXi AppTec مواد کی ٹیم کے ساتھ ایک انٹرویو میں کہا کہ محققین AI ماڈلز کو چھوٹے پیمانے پر کمپاؤنڈ لائبریریوں کے ساتھ تربیت دے سکتے ہیں اور پھر ان ماڈلز کو وسیع کیمیائی جگہوں کو تلاش کرنے کے لیے استعمال کر سکتے ہیں۔ یہ ان کی ٹیم کو چند دنوں میں اربوں مرکبات پر مشتمل ورچوئل کمپاؤنڈ لائبریری کی اسکریننگ مکمل کرنے کی اجازت دیتا ہے۔ یہ روایتی تجربات سے حاصل نہیں کیا جا سکتا۔
لینٹرن فارما کے سی ای او مسٹر پنا شرما نے نیچر کینسر کے ساتھ ایک انٹرویو میں کہا کہ کمپنی کے اینٹی کینسر ریسرچ اینڈ ڈیولپمنٹ پروجیکٹ، ابتدائی AI جنریٹڈ ہول سے لے کر پہلے ہیومن کلینیکل ٹرائل میں داخل ہونے تک، روایتی حکمت عملیوں کا نصف وقت لگتا ہے۔ اور اخراجات کو 80% تک کم کر سکتا ہے۔ دوسری کمپنیاں جو منشیات کی نشوونما کے لیے AI کا استعمال کرتی ہیں، جیسے Recursion اور Insilico Medicine، کے بھی ایسے ہی تجربات ہیں۔ اگرچہ مصنوعی ذہانت فی الحال تجربات کی جگہ نہیں لے سکتی، لیکن یہ محققین کو درست تجربات کو تیزی سے مکمل کرنے کے قابل بناتی ہے، اس طرح کامیابی کی شرح میں بہتری آتی ہے۔
کینسر کے علاج پر مصنوعی ذہانت کے ابتدائی اثرات میں سے ایک ناکام یا متروک ادویات کے دوبارہ استعمال سے ظاہر ہو سکتا ہے۔ لالٹین کو مثال کے طور پر لیتے ہوئے، اس کا مصنوعی ذہانت کا پلیٹ فارم آنکولوجی سے متعلق اربوں ڈیٹا پوائنٹس اکٹھا کرتا ہے۔ یہ اعداد و شمار سائنسی تحقیق، کلینیکل ٹرائلز اور ڈیٹا بیس سے آتے ہیں۔ امیدواروں کی دوائیوں کے بارے میں مریضوں کے ردعمل کی پیشن گوئی کرنے کے لیے مشین لرننگ کا استعمال کرتے ہوئے، مصنوعی ذہانت تیزی سے پہلے دریافت نہ ہونے والے نئے اشارے تلاش کر سکتی ہے یا کینسر کی نئی ذیلی اقسام اور ان کے بائیو مارکر کی شناخت کر سکتی ہے جن کی ابھی تک مکمل خصوصیات نہیں ہیں۔
منشیات کے موثر امتزاج کی نشاندہی کرنا مصنوعی ذہانت کی ایک اور سمت ہے۔ فی الحال، دواؤں کے امتزاج کی جانچ کرنا مشکل اور وقت طلب دونوں ہے، جبکہ مصنوعی ذہانت تمام طبی آزمائشوں کے ڈیٹا کا تجزیہ کرکے زیادہ تیزی سے اندازہ لگا سکتی ہے کہ کون سی دوائیوں کے امتزاج زیادہ موثر ہیں۔
مخصوص علاج کے اثرات کو حاصل کرنے کے لیے مخصوص ہدف کی خصوصیات پر مبنی نئے مالیکیولر ڈھانچے کو اپنی مرضی کے مطابق بنانے کے لیے جنریٹو اے آئی کی صلاحیت اس کے حامیوں کے لیے خاص طور پر دلچسپ ہے۔ فی الحال، جنریٹو AI نے ابتدائی تحقیق میں ہدف کی خصوصیات کی بنیاد پر شروع سے نوول پروٹین یا چھوٹے مالیکیول مرکبات کو ڈیزائن کرنے کی صلاحیت کا مظاہرہ کیا ہے۔ مثال کے طور پر، پروفیسر ڈیوڈ بیکر کی ٹیم، ایک نوبل انعام یافتہ، نے سائنس کے جریدے میں ایک مقالہ شائع کیا جس میں پروٹین سمولیشن ٹول RoseTTAFold All Atom اور پروٹین ڈیزائن ٹول RFdiffuion All Atom متعارف کرایا گیا ہے۔ RoseTTAFold تمام ایٹم سائنسدانوں کو پروٹین اور دیگر بائیو مالیکیولز کے درمیان تعاملات کی نقالی کرنے کی اجازت دیتا ہے۔ RFdiffuion All Atom سائنسدانوں کو اس قابل بناتا ہے کہ وہ مکمل طور پر نئے پروٹینز کو شروع سے ڈیزائن کرنے کے قابل بناتا ہے جو کہ مخصوص مرکبات سے منسلک ہوتے ہیں، ممکنہ طور پر درست علاج کے ڈیزائن کے لیے راہ ہموار کرتے ہیں۔
دوسری طرف، موجودہ کلینیکل ریسرچ اور ڈیولپمنٹ پائپ لائن میں AI کے ذریعے پیدا ہونے والے زیادہ تر بائیو مالیکیولز اب بھی موجودہ مالیکیولز سے ملتے جلتے ہیں، جنہیں ان کی سلیکٹیوٹی کو بہتر بنانے یا غیر ہدف کے زہریلے پن کو کم کرنے کے لیے ایڈجسٹ کیا گیا ہے۔
امیدواروں کی دوائیوں کو اب بھی انسانوں میں اپنی افادیت کا مظاہرہ کرنے کی ضرورت ہے، جو کلینیکل ٹرائلز کے بغیر حاصل نہیں کی جا سکتی۔ ادویات کی نشوونما کے عمل میں، کلینکل ٹرائلز تحقیق اور ترقی کے زیادہ تر لاگت اور وقت پر قابض ہوتے ہیں، اس لیے کارکردگی میں معمولی بہتری بھی بہت بڑا اثر ڈال سکتی ہے۔
Recursion مصنوعی ذہانت کے ماڈلز پر مبنی ٹیمپس جیسے پیشہ ورانہ ڈیٹا اکٹھا کرنے والے اداروں کے کلینیکل اور ملٹی اومکس ڈیٹا کا استعمال کرتا ہے تاکہ ان مریضوں کی شناخت کی جا سکے جو بہترین ردعمل پیش کر سکتے ہیں۔ مریضوں کی اسکریننگ کو بہتر بنانے کا مطلب نہ صرف چھوٹے پیمانے پر ٹرائل ہوتا ہے بلکہ نظریاتی طور پر کامیابی کی شرح میں بھی اضافہ ہوتا ہے۔
مصنوعی ذہانت کا استعمال موزوں مریضوں کو دریافت کرنے اور بہترین آزمائشی مقام کا تعین کرنے کے لیے بھی کیا جا سکتا ہے، اس طرح مریضوں کی بھرتی کی رفتار کو زیادہ سے زیادہ کیا جا سکتا ہے۔
