ఏఐ ఉంటే.. ఔషధం ఇట్టే ఆవిష్కారం

 కొత్త సాంకేతికతతో ఫార్మాలో అనూహ్య వృద్ధి
2030 నాటికి 150 బిలియన్‌ డాలర్ల స్థాయికి
ఈనాడు - హైదరాబాద్‌

కృత్రిమ మేధ (ఏఐ), మెషీన్‌ లెర్నింగ్‌ (ఎంఎల్‌), డేటా అనలిటిక్స్‌... కేవలం ఐటీ సేవల్లోనే కాదు.. ఔషధ రంగంలోనూ విప్లవాత్మకమైన మార్పులకు శ్రీకారం చుట్టబోతున్నాయి. పరిశోధన-అభివృద్ధి కార్యకలాపాలను సమర్ధంగా నిర్వహించటానికి, క్లినికల్‌ పరీక్షలను వేగంగా పూర్తిచేసి కొత్త మందులను ఆవిష్కరించడానికి కృత్రిమ మేధ(ఏఐ), మెషీన్‌ లెర్నింగ్‌ ఎంతగానో దోహదపడతాయని కన్సల్టెన్సీ సేవల సంస్థ ఎర్నెస్ట్‌ అండ్‌ యంగ్‌ అభిప్రాయపడింది. ‘ఫ్రమ్‌ వాల్యూమ్‌ టు వాల్యూ: ఇండియన్‌ ఫార్మా‘స్‌ ట్రాన్స్‌ఫర్మేషన్‌ విత్‌ డేటా అండ్‌ ఏఐ’ అనే పేరుతో బయోఏషియా- 2024 సందర్భంగా ఒక నివేదికను తెలంగాణ రాష్ట్ర ప్రభుత్వంతో కలిసి ఈ సంస్థ రూపొందించింది.

50 బి. డాలర్ల నుంచి 150 బి. డాలర్లకు...

మన దేశంలో ఫార్మా పరిశ్రమ పరిమాణం ప్రస్తుతం 50 బి. డాలర్లు కాగా, 2030 నాటికి ఇది 130 బి. డాలర్లకు విస్తరిస్తుందని అంచనా. దీన్ని సాధించాలనే లక్ష్యాన్ని అటు ప్రభుత్వం, ఇటు పరిశ్రమ నిర్దేశించుకున్నాయి. ప్రధానంగా జనరిక్‌ ఔషధాలు, ఓటీసీ మందులు, బల్క్‌ ఔషధాలు, టీకాలు, బయోసిమిలర్స్‌, బయోలాజిక్స్‌ను ఫార్మా కంపెనీలు ఉత్పత్తి చేస్తున్నాయి. ఇవేే కాకుండా కాంట్రాక్టు పరిశోధన- ఉత్పత్తి (సీడీఎం) సేవలను పెద్దఎత్తున అందిస్తోన్న విషయం విదితమే. గత కొంతకాలంగా దేశీయ ఫార్మా పరిశ్రమ వార్షిక వృద్ధి రేటు సగటున 6.5-7 శాతం వృద్ధి నమోదవుతోంది. ఇదే స్థాయి వృద్ధితో 2030 నాటికి 150 బి. డాలర్ల స్థాయికి చేరుకోవడం కష్టసాధ్యం. అయితే సత్వర వృద్ధి సాధనకు కొత్త మందులను ఆవిష్కరించటం ఎంతో అవసరం. అది కూడా ఎంతో తక్కువ సమయంలో తీసుకురావాలి. ప్రస్తుత పరిస్థితుల్లో ఒక కొత్త మందును మార్కెట్‌కు తీసుకురావటానికి 5-10 ఏళ్ల వరకూ పడుతోంది. పరిశోధన-అభివృద్ధి దశ నుంచి రోగికి ఔషధాన్ని అందుబాటులోకి తీసుకువచ్చేంత వరకు ప్రతిదశలో ఎన్నో ఇబ్బందులను అధిగమించాల్సి ఉంటుంది. దీనికి ఎంతో సమయం, ఖర్చు అవుతుంది. కానీ ఏఐ, ఎంఎల్‌ పరిజ్ఞానాన్ని అందిపుచ్చుకుంటే ఈ మొత్తం వ్యవహారాన్ని తక్కువ సమయంలో పూర్తిచేయవచ్చని ఎర్నెస్ట్‌ అండ్‌ యంగ్‌ నివేదిక స్పష్టం చేసింది.

ఎలా అనుకూలం?

కొత్త సాంకేతిక పరిజ్ఞానాన్ని అందిపుచ్చుకోవటం ద్వారా బయోలాజిక్స్‌, బయోసిమిలర్స్‌, యాంటీ బాడీ డ్రగ్‌ కంజుగేట్స్‌ (ఏడీసీ) లింకేజ్‌ ప్రోడక్ట్స్‌, అత్యంత సమర్ధమైన ఏపీఐ (యాక్టివ్‌ ఫార్మా ఇన్‌గ్రేడియంట్స్‌) మందులు తీసుకువచ్చే అవకాశం ఉంటుందని అంచనా. ఎలా అంటే...

• జనరేటివ్‌ ఏఐతో ఔషధ పరిశోధనా కార్యకలాపాలు ఎంతో వేగవంతం అవుతాయి. బయోయాక్టివిటీ, టాక్సిసిటీ, ఫిజికోకెమికల్‌ ప్రాపర్టీస్‌లను జనరేటివ్‌ ఏఐ ఎంతో వేగంగా అంచనా వేస్తుంది. మాలిక్యులార్‌ కలయికలను ఎంతో అధికంగా, సులువుగా గుర్తించగలదు. ఔషధ పరిశోధనలో వైఫల్యాలనూ సత్వరం పసిగట్టే సత్తా వీటికి ఉంటుంది.
• కృత్రిమ మేధ, మెషీన్‌ లెర్నింగ్‌ వల్ల క్లినికల్‌ పరీక్షలను క్రమపద్ధతిలో సమర్ధంగా నిర్వహించవచ్చు.
• డేటా అనలిటిక్స్‌ సాంకేతిక పరిజ్ఞానంతో మార్కెట్లో మందులకు గిరాకీని అంచనా వేయటం, సరఫరా వ్యవస్థలను బలోపేతం చేయడంతో పాటు రోగుల అవసరాలను సమర్ధంగా గుర్తించవచ్చు.
• జబ్బును గుర్తించి దానికి మందు ఇవ్వటం కాకుండా రోగి శారీరక, మానసిక స్థితిగతులను విశ్లేషించి, దాని ప్రకారం మందులు తయారు చేసి ఇచ్చే అవకాశం కూడా ఈ కొత్త సాంకేతికతతో  సాధ్యమని అంచనా వేస్తున్నారు. ఏఐ, బ్లాక్‌ చైన్‌, డిజిటల్‌ ట్విన్స్‌ పరిజ్ఞానాన్ని వినియోగిస్తే అత్యుత్తమ నాణ్యత సాధించటంతో పాటు సమర్ధత, పారదర్శకత సాధించటానికి వీలుకలుగుతుందని ఈ నివేదిక విశ్లేషించింది.

ఖర్చులు బాగా తగ్గుతాయి...

ఔషధ పరిశోధన ఎంతో ఖర్చుతో కూడుకున్న వ్యవహారం. దీనికి తగినంతగా నిధులు కేటాయించలేక పరిశోధనలను విస్తృత స్థాయిలో చేపట్టటానికి కంపెనీలు వెనుకంజ వేస్తుంటాయి. వైఫల్యాలు కూడా అధికం. అయిదారేళ్ల పాటు పరిశోధన నిర్వహించి, ఎంతో ఖర్చు చేసి ఒక కొత్త ఫార్ములాను ఆవిష్కరిస్తే... ఆ తర్వాత క్లినికల్‌ పరీక్షల్లో అది విఫలం కావచ్చు. పెట్టిన ఖర్చు తిరిగిరాకపోయినా తట్టుకోగల సత్తా ఉంటేనే ఫార్మా కంపెనీలు పరిశోధనా కార్యకలాపాలు పెద్దఎత్తున చేపట్టగలుగుతాయి. ఇప్పటి వరకూ ఇదొక ప్రధాన అవరోధంగా ఉంది. కానీ కొత్త సాంకేతికతతో పరిశోధనా వ్యయాలు సగానికి సగం తగ్గే అవకాశం ఉందని ఈ నివేదిక పేర్కొంది. మరోపక్క దేశీయ ఫార్మా ఇప్పటి వరకూ జనరిక్‌ ఔషధాల మీద అధికంగా దృష్టి పెట్టింది. భారీగా మందులు ఉత్పత్తి చేయగలుగుతోంది. కానీ అధిక ధర లభించే కొత్త మందులను తీసుకురాలేకపోతోంది. దీనికి కూడా ఏఐ, ఎంఎల్‌, డేటా అనలిటిక్స్‌ సాంకేతిక పరిజ్ఞానం తగిన పరిష్కారాలు చూపగలుగుతుందని భావిస్తున్నారు.

అవరోధాలు అధిగమించవచ్చు

ఒక ఔషధాన్ని అభివృద్ధి చేసి, దానికి ప్రాథమిక స్థాయి క్లినికల్‌ పరీక్షలను నిర్వహించేందుకు ఏళ్లకు ఏళ్లు పడుతుంది. ఎంతో పెట్టుబడీ అవసరం అవుతుంది. ఈ సమస్యకు పరిష్కారంగా ఒక ఔషధాన్ని అభివృద్ధి చేసిన వెంటనే దాని పనితీరు ఎలా ఉండబోతోంది అనేది కృత్రిమ మేధ సహాయంతో విశ్లేషించవచ్చు. దీనివల్ల ఒక ఔషధాన్ని అభివృద్ధి చేసే సమయాన్ని పదేళ్ల నుంచి రెండేళ్లకు తగ్గించే అవకాశం ఉంది. ఈ కొత్త సాంకేతికతను నియంత్రణ సంస్థలూ గమనిస్తున్నాయి. కొత్త మందులపై క్లినికల్‌ పరీక్షలు నిర్వహించే దశ వరకూ రావటానికే కొన్ని కోట్ల రూపాయల ఖర్చు చేయాల్సి ఉంటుంది. కృత్రిమ మేధ సహాయంతో ఖర్చు తగ్గించవచ్చు. క్లినికల్‌ పరీక్షల్లో వైఫల్యం అవకాశాలు చాలా తక్కువగా ఉంటాయి. మానవ కణాన్ని పోలిన కృత్రిమ చిప్‌ను రూపొందించి ప్రయోగాలు చేసేందుకు ఏఐ, ఎంఎల్‌ వీలు కల్పిస్తాయి.

 వెంకట్‌ మట్టెల, సీఈఓ, వ్యవస్థాపకుడు, సెరిమార్ఫిక్‌