Vivodyne نامی ایک بایوٹیک اسٹارٹ اپ کا کہنا ہے کہ AI منشیات کی دریافت کی صنعت میں ڈیٹا کا مسئلہ ہے، اور اس نے اسے ٹھیک کرنے کے لیے ایک مشین بنائی ہے۔
HIVE، ماڈیولر روبوٹک لیبز جو کمپنی کی طرف سے بنائی گئی ہیں، 20 قسم کے انسانی بافتوں کو اگا سکتی ہیں، پھر خود مختاری سے ان کی خوراک اور نگرانی کر سکتی ہیں، جس طرح کے کارآمد حیاتیاتی ڈیٹا کو پیدا کیا جا رہا ہے جو آج کے AI ماڈلز غائب ہیں — ڈیٹا جو آج زیادہ تر جانوروں کی جانچ، یا واحد خلیات یا پروٹین کے مطالعے سے آتا ہے، زندہ بافتوں سے نہیں۔
"غیر حاضر انسانی جانچ، یہ [AI] ماڈل کیا کرنے جا رہے ہیں؟" Vivodyne کے CEO اور شریک بانی، Andrei Georgescu سے پوچھتا ہے۔ "وہ چوہوں میں کینسر کا علاج کرنے جا رہے ہیں۔"
یہاں تک کہ اینتھروپک کے سی ای او ڈاریو آمودی نے ہفتے کے آخر میں لکھا جس میں یہ دعویٰ کیا گیا ہے کہ AI کینسر کا علاج کرے گا قابل اعتبار سے زیادہ کلیچ بن گیا ہے - "جو چیز کام کرے گی وہ دراصل کینسر کا علاج ہے،" جیسا کہ اس نے کہا۔
منصفانہ طور پر، یہ خیال کہ AI کینسر کا علاج کرے گا وہ کچھ ہے جو خود آمودی نے پچھلے مضامین میں پھینک دیا ہے۔ سیم آلٹمین نے بار بار کینسر کے علاج کو اوپن اے آئی کے AGI کی طرف دھکیلنے کے جواز کے طور پر اور ہمیشہ سے بڑے کمپیوٹ بلڈ آؤٹس کا حوالہ دیا ہے۔ اور گوگل ڈیپ مائنڈ کے ڈیمس ہاسابیس نے پچھلے سال کہا تھا کہ اے آئی ممکنہ طور پر ایک دہائی کے اندر تمام بیماریوں کا علاج کر سکتا ہے۔
اصل نتائج واضح رہے ہیں۔ AI کی تیار کردہ مٹھی بھر دوائیں انسانی آزمائشوں میں آگے بڑھی ہیں - ایک جہاں تک مرحلہ III، وسیع پیمانے پر انسانی جانچ - لیکن حقیقت یہ ہے کہ رکاوٹیں ضروری نہیں کہ وہ آج AI حل کر سکے۔
نوبل انعام یافتہ الفافولڈ زندگی کے بنیادی حصوں کو سمجھنے کے لیے ایک بڑی پیشرفت تھی، لیکن اس نے ابھی تک ایک نئی دوا تیار کرنا ہے۔ Isomorphic Labs، جس کی بنیاد الفافولڈ پر بنائی گئی ہے، اس سال کے آخر تک اپنے پہلے ٹرائلز کی توقع کر رہی ہے، جو اصل میں 2025 کے لیے منصوبہ بندی کی گئی تھی۔ فروری میں، کمپنی نے لکھا کہ منشیات کی حقیقی دریافت کے لیے "بائیو کیمیکل خصوصیات اور تعاملات کی ایک وسیع رینج میں، انتہائی درست پیش گوئی کرنے والے ماڈلز" کی ضرورت ہوگی۔
جارجسکو کا کہنا ہے کہ اس جگہ کو "ایک سنٹی چیک" کی ضرورت ہے - کہ موجودہ ماڈلز کے پاس انسانی حیاتیات کی پیچیدگی کو پکڑنے کے لیے ڈیٹا نہیں ہے۔ یہ ایک چیلنج ہے جو پہلے ہی دواسازی کی صنعت کو درپیش ہے، جہاں 90% ادویات جو جانوروں کی جانچ میں کلینکل ٹرائلز میں داخل ہونے کے لیے موثر ہیں انسانوں کے لیے ریگولیٹری منظوری حاصل نہیں کرتی ہیں۔
Vivodyne کا منصوبہ مختلف ہے۔ Vivodyne کو 2021 میں یونیورسٹی آف پنسلوانیا سے نکال دیا گیا، جب جارجسکو نے وہاں بائیو انجینیئرنگ میں پی ایچ ڈی کی ڈگری حاصل کی۔ کمپنی کا کہنا ہے کہ اس کے ٹشوز حقیقی انسانی اعضاء کے رویے سے بہت قریب سے میل کھاتے ہیں — کہ اس کے جگر کے خلیات زہریلے ہونے کی جانچ کرنے والے انسانی آزمائشوں کے مقابلے میں 94 فیصد پیش گوئی کی درستگی رکھتے ہیں، اس کے ایئر وے ٹشو 96 فیصد وقت میں حقیقی انسانی ٹشو کے رویے سے میل کھاتا ہے، اور اس کے بون میرو نے دوائیوں کے مختلف ٹیسٹوں میں 100 فیصد موافقت حاصل کی ہے۔
پچھلے ہفتے، کمپنی، جس نے کھوسلا وینچرز کی سربراہی میں دو راؤنڈز میں صرف 80 ملین ڈالر سے کم رقم اکٹھی کی ہے، اسے سان فرانسسکو کے بالکل باہر دنیا کا سب سے بڑا "ہیومن ڈیٹا سینٹر" کہا جاتا ہے، اور جارجسکو کا کہنا ہے کہ ان کی ٹیم پہلے ہی امریکہ میں ہونے والے جانوروں کے تمام ٹرائلز سے دوگنا کامیابی حاصل کر رہی ہے۔
خیال یہ ہے کہ کلینیکل ٹرائل کے اخراجات سے گزرنے سے پہلے کیا کام کرے گا اس کے بارے میں بہتر خیال رکھتے ہوئے منشیات کے امیدواروں کے راستے کو تیز کرنا ہے، جس پر عام طور پر لاکھوں ڈالر کی لاگت آتی ہے۔ اگرچہ وہ اپنے شراکت داروں کا نام عوامی طور پر نہیں بتائے گا، Vivodyne کا کہنا ہے کہ وہ متعدد بڑی فارما کمپنیوں کے ساتھ مل کر اس مسئلے کو حل کرنے کے لیے کام کر رہی ہے جس کا جورجسکو آٹوموٹیو کریش ٹیسٹوں سے موازنہ کرتا ہے: ایک کار ساز کو عام طور پر یقین ہوتا ہے کہ اس کی کار ٹیسٹ کرنے سے پہلے NHTSA کی ضروریات کو پورا کر لے گی، لیکن ڈرگ سازوں کو شاذ و نادر ہی ایسا اعتماد ہوتا ہے جہاں FDA کی بڑی کامیابی حاصل ہوتی ہے۔ منظوری
لیکن ایک بڑا نقطہ نظر ہے: جارجسکو اپنی خودمختار حیاتیات کی لیبز کو اس قسم کے کازل ڈیٹا تیار کرنے کی کلید کے طور پر دیکھتا ہے جسے انسانی حیاتیات پر نئے ماڈلز کی تربیت کے لیے استعمال کیا جا سکتا ہے۔ وہ پچھلے مہینے نیچر میتھڈز میں شائع ہونے والے اس طرح کے مطالعے کی طرف اشارہ کرتا ہے، جس میں موجودہ سیلولر ڈیٹا پر جنریٹیو AI ماڈلز کی تربیت کرتے وقت ڈیٹا اسکیلنگ کے کوئی واضح قوانین نہیں ملتے ہیں۔
جارجسکو نے TechCrunch کو بتایا کہ "تمام تربیت ان سیلز کے سٹیٹک سنیپ شاٹس پر کی جاتی ہے، اور ماڈلز بالکل بھی اس بات سے مشروط نہیں ہوتے کہ سیل اس حالت میں کیسے آیا،" جارجسکو نے ٹیک کرنچ کو بتایا۔ "دوسرے لفظوں میں، ماڈل سیکھتا ہے کہ 'یہ سیل اسٹیٹ A ہے،' 'یہ سیل اسٹیٹ B ہے'، لیکن کبھی بھی 'سیل اسٹیٹ B سیل اسٹیٹ A کو سوجن کا اثر نہیں ہے۔' Vivodyne کی HIVE مشینیں، تاہم، لاکھوں جاری تجربات کا سراغ لگا رہی ہیں جہاں بیمار بافتوں کو کچھ محرکات کا سامنا کرنا پڑتا ہے، جس سے Georgescu توقع کرتا ہے کہ وہ اس قسم کی کمک سیکھنے کی سہولت فراہم کرے گا جو ایسے AI ماڈلز تیار کرے گا جو انسانی حیاتیات کو صحت کی دیکھ بھال میں زیادہ بامعنی پیش رفت کرنے کے لیے کافی سمجھتے ہیں۔
جارجسکو کا خیال ہے کہ یہ نہ صرف آج کے ادویاتی چیلنجوں کے لیے اہم ہوگا، بلکہ ایک ایسے مستقبل کے لیے بھی جہاں پیچیدہ امراض کو دوائیوں کی ضرورت ہوتی ہے، جو کہ آج دستیاب اکثریت کے برعکس، متعدد راستوں کو نشانہ بناتی ہے۔
انہوں نے TechCrunch کو بتایا، "اگر ہم امتزاج کے علاج چاہتے ہیں، تو جس جگہ کو تلاش کرنا ہے وہ پھٹ جاتا ہے- یہ تجرباتی نقطہ نظر نہیں ہو سکتا،" انہوں نے ٹیک کرنچ کو بتایا۔ "آپ کو یہ کہنا پڑے گا، 'میں چاہتا ہوں کہ یہ اثر ہو، تو میں کس وجہ سے درخواست کروں؟' انسانی حیاتیات میں وجہ کو قائم کرنا ان سب کی بنیاد ہے۔"
