AI ची कमाल: ‘क्लिनिकल ट्रायल’ला मिळणार नवी गती

Image Source: Getty Images

कृत्रिम बुद्धिमत्ता (AI) जागतिक औषध शोध क्षेत्रात आमूलाग्र बदल घडवत आहे. चीन या क्षेत्रात वेगाने पुढे जात आहे, अमेरिकेने आपली रचना बदलायला सुरुवात केली आहे, आणि आता भारतासमोर मोठी संधी आहे. आपल्या प्रतिभावान वैज्ञानिकांचा आणि प्रचंड आरोग्यविषयक डेटाचा उपयोग करून औषध नवकल्पना वाढवण्याची. सध्या जागतिक औषध उद्योग एका निर्णायक टप्प्यावर आहे. पारंपरिक औषध शोध प्रक्रियेला खूप वेळ, प्रचंड खर्च आणि अनिश्चित परिणाम यांचा सामना करावा लागतो. एखाद्या नव्या औषधाच्या विकासासाठी साधारण 10–15 वर्षे लागतात आणि संशोधन व विकासावर (R&D) किमान ₹20,875 कोटी खर्च होतो. त्यामुळे औषध शोध प्रक्रियेला वेग देण्यासाठी AI वापरण्याची कल्पना पुढे आली आहे. AI च्या साहाय्याने औषधांचे गुणधर्म ओळखणे, क्लिनिकल चाचण्या सुधारित करणे, आणि वैयक्तिक रुग्णांसाठी औषधनिर्मिती करणे शक्य होत आहे. चीन या क्षेत्रात मोठी झेप घेत असताना आणि अमेरिका आपल्या रचना बदलत असताना, भारतासाठी ही वेळ आहे की तो आपली तांत्रिक क्षमता, रुग्णांची माहिती व जैवतंत्रज्ञान धोरणांचा वापर करून AI-आधारित औषध शोध क्षेत्रात जागतिक नेतेपदाकडे वाटचाल करावी. “जगाचे औषधनिर्मिती केंद्र” या ओळखीपासून “नवकल्पनाधारित औषध शक्ती” या दिशेने.

औषध शोधात AI ची भूमिका

नवीन आजार, औषधांवरील प्रतिकारशक्ती आणि वाढत्या आरोग्याच्या गरजांमुळे औषध शोध अधिक महत्त्वाचा बनला आहे. एखाद्या संशोधन संस्थेसाठी किंवा कंपनीसाठी एखादा औषध उमेदवार (drug candidate) Phase I क्लिनिकल चाचणीपर्यंत पोहोचवणे हे मोठे यश असते. पण सुमारे 90% औषध उमेदवार या चाचण्यांमध्ये अपयशी ठरतात. विशेषतः Phase I मध्येच बहुतेक औषधे विषारी परिणाम (toxicity) आणि कार्यक्षमतेच्या (efficacy) समस्येमुळे थांबतात. त्यामुळे योग्य औषध ओळखण्यासाठी अत्यंत अचूक आणि काटेकोर प्रक्रियेची गरज असते.

AI आधारित तंत्रज्ञान या समस्येवर उपाय ठरू शकते. कारण हे मोठ्या प्रमाणावर आरोग्यविषयक डेटा वेगाने विश्लेषण करू शकते, नवीन औषधांच्या गुणधर्मांचा अंदाज बांधू शकते, आणि क्लिनिकल चाचण्यांच्या रचनेत सुधारणा करून त्यांची परिणामकारकता वाढवू शकते.

जागतिक औषध बाजारात 2027 पर्यंत 1.9 ट्रिलियन अमेरिकन डॉलर्सहून अधिक खर्च होण्याचा अंदाज आहे, कारण वृद्ध लोकसंख्या वाढते आहे आणि आजारांचे ओझेही वाढत आहे. औषध शोधाची प्रक्रिया गुंतागुंतीची, वेळखाऊ आणि महागडी असते, अनेकदा trial and error यांवर आधारित असते. त्यामुळे AI या प्रक्रियेत गती आणि अचूकता आणणारे प्रभावी साधन ठरू शकते.

AI आणि जीवनविज्ञान (life sciences) क्षेत्रात खरी क्रांती 2018 मध्ये DeepMind च्या AlphaFold मुळे झाली, जे अमिनो आम्लांच्या अनुक्रमावरून प्रथिनांची रचना (protein structure) अचूक ओळखू शकते. यानंतर COVID-19 महामारी दरम्यान mRNA लसींच्या संशोधनातही AI चा वापर झाला. 2023 मध्ये मल्टी-ओमिक्स (multi-omics) डेटासह AI वापरून वैयक्तिक औषधनिर्मिती (personalised medicine) सुरू झाली. यामुळे औषध कंपन्या आणि तंत्रज्ञान कंपन्यांमध्ये मोठे सहकार्य निर्माण झाले. उदाहरणार्थ, Eli Lilly आणि Novartis यांनी Isomorphic Labs सोबत Google DeepMind च्या Alphafold तंत्रज्ञानासाठी भागीदारी केली. EvolutionaryScale या AI बायोलॉजी स्टार्टअपने 2024 मध्ये ₹1,183 कोटी निधी उभारला आणि Amazon Web Services व NVIDIA सोबत संशोधनासाठी भागीदारी केली. तसेच, Sanofi ही कंपनी BenchSci च्या Ascend या जनरेटिव्ह AI प्लॅटफॉर्मचा वापर जागतिक संशोधन केंद्रांमध्ये करत आहे.

2024 मध्ये भारतातील Aurigene या कंपनीने AI/Machine Learning (ML) आधारित औषध शोध प्लॅटफॉर्म सुरू केला, ज्यामुळे औषध विकास प्रक्रियेला 35% वेग मिळाला. हे भारतीय औषध उद्योगासाठी एक ऐतिहासिक पाऊल ठरले.

जगातील पहिले पूर्णपणे कृत्रिम बुद्धिमत्तेच्या (AI) साहाय्याने शोधलेले औषध “Rentosertib” हे Insilico Medicine या कंपनीने विकसित केले आहे. या कंपनीने पूर्णपणे AI-आधारित औषध शोध प्रणाली (drug discovery platform) तयार केली आहे, जी संभाव्य औषध उमेदवारांची निवड (screening) करते आणि त्यांच्या कार्यक्षमतेचे विश्लेषण करते. 2024 मध्ये भारतातील Aurigene कंपनीने AI आणि Machine Learning (ML)-आधारित औषध शोध प्रणाली विकसित केली. या नवीन तंत्रज्ञानामुळे औषध विकासाचा कालावधी 35 टक्क्यांनी कमी झाला, ज्यामुळे भारताने या क्षेत्रात एक महत्त्वपूर्ण टप्पा गाठला आहे. हे तंत्रज्ञान केवळ वेग वाढवते असे नाही, तर ते संशोधनाची अचूकताही सुधारते.

प्रसिद्ध औषधनिर्माता कंपनी AstraZeneca नेही BenevolentAI या प्लॅटफॉर्मच्या मदतीने आपल्या औषध संशोधन प्रक्रियेचा कालावधी मोठ्या प्रमाणात कमी केला आहे. त्याचप्रमाणे, Roche या आंतरराष्ट्रीय कंपनीने Food and Drug Administration (FDA) Modernisation Act 2.0 चा वापर करून non-animal model-based testing सुरू केली आहे. त्यांनी organoid-on-chip आणि AI प्रणाली यांचा वापर करून औषधांच्या विषारी परिणामांचा (drug toxicity) अभ्यास करण्यास सुरुवात केली आहे.

जागतिक शर्यत: चीन, अमेरिका आणि भारत

जीवनविज्ञान (life sciences) क्षेत्रात चीनने “DeepSeek moment” अनुभवला आहे आणि आता तो जागतिक स्तरावर स्पर्धक म्हणून उदयास येत आहे. सध्या, चीन AI-आधारित औषध शोध पेटंट्समध्ये जगात अग्रगण्य आहे. जगातील प्रमुख औषध कंपन्या - Sanofi, Pfizer, AstraZeneca आणि Eli Lilly यांनी चिनी AI जैवतंत्रज्ञान कंपन्यांबरोबर केलेल्या हजारो कोटी रुपयांच्या करारांमुळे चीनची औषध शोध क्षमता प्रचंड वाढली आहे. यामुळे देशात केवळ जनरिक औषधनिर्मितीवरून नवीन औषध संशोधनाकडे झुकाव दिसू लागला आहे. चीनच्या या वेगवान प्रगतीमागे सरकारी आणि खाजगी क्षेत्रातील मोठ्या गुंतवणुका, जीवनविज्ञान संशोधनासाठी (R&D) खास धोरणे, AI ला 2025 च्या पंचवार्षिक योजनेत सर्वोच्च प्राधान्य, आणि प्रशिक्षणासाठी रुग्णांचा प्रचंड डेटा यांचा मोठा वाटा आहे. तसेच, “K Visa” सारख्या brain gain धोरणांमुळे परदेशात गेलेले संशोधक पुन्हा चीनमध्ये येत आहेत. देशातील स्टार्टअप संस्कृती आणि राष्ट्रीय वेंचर कॅपिटल फंड यामुळे चीन आता AI-सहाय्यित औषध संशोधनात एक शक्तिशाली खेळाडू बनला आहे.

सध्या चीन AI-आधारित औषध शोध पेटंट्समध्ये जगात आघाडीवर आहे. Sanofi, Pfizer, AstraZeneca आणि Eli Lilly सारख्या जागतिक औषध कंपन्यांनी चिनी AI जैवतंत्रज्ञान कंपन्यांसोबत केलेल्या अब्जावधी रुपयांच्या करारांमुळे चीनची औषध शोधक्षमता अधिक मजबूत झाली आहे. हे परिवर्तन चीनला पारंपरिक औषधनिर्मितीवरून नवकल्पनाधारित संशोधनाकडे नेत आहे.

दुसरीकडे, जीवनविज्ञान क्षेत्रातील जागतिक नेते असलेले अमेरिका सध्या अशा रचनात्मक बदलातून जात आहे ज्यामुळे AI आणि औषध नवकल्पना यांच्यातील संबंध कमजोर होऊ शकतात. अमेरिकेच्या National Institutes of Health आणि National Science Foundation या संस्थांच्या निधीत कपात झाली आहे. तसेच कडक व्हिसा नियम, आणि अनेक औषधांच्या पेटंट्स संपल्यामुळे कंपन्यांचे राजस्व कमी होण्याचा धोका वाढला आहे. या सगळ्याचा परिणाम अमेरिकेच्या नवकल्पनात्मक वेगावर होत आहे.

भारतासाठी AI ची सुवर्णसंधी

चीनची झपाट्याने वाढती AI क्षमता भारतासाठी आव्हान आणि संधी दोन्ही घेऊन येते. जगातील औषध आणि तंत्रज्ञान कंपन्या जेव्हा नवीन गुंतवणुकीच्या संधी शोधत आहेत, तेव्हा भारताने आपले मानवी भांडवल, रुग्ण डेटा आणि BioE3 सारखी धोरणे वापरून या क्षेत्रात मजबूत स्थान निर्माण करणे आवश्यक आहे.

भारताने AI आणि जीवनविज्ञानाचे एकत्रीकरण करण्याचे महत्त्व ओळखले आहे. याच दिशेने, ऑगस्ट 2025 मध्ये IISc येथे झालेल्या Genomics India Conference दरम्यान भारताने पहिल्यांदा AI-बायोलॉजी परिषद आयोजित केली. त्यानंतर, Bio Asia 2025 मध्ये AI ला प्रमुख स्थान देण्यात आले. Department of Biotechnology (DBT) आणि BIRAC यांनी Bio-AI कार्यशाळा घेऊन भारताच्या BioE3 धोरणाला पुढे नेले. आता भारतातील Global Capability Centres (GCCs) औषध विकासात AI वापरणार आहेत, आणि Special Economic Zones (SEZs) व Biotech Parks संशोधनासाठी आवश्यक सुविधा पुरवतील. कर्नाटक आणि तेलंगणा ही राज्ये जीवनविज्ञान संशोधन केंद्रे बनवण्यासाठी पुढे येत आहेत. Hyderabad मधील Novartis Biome AI चा वापर औषध संशोधनात करते, तर Bristol Myers Squibb ने ₹830 कोटी गुंतवणूक करून AI Drug Discovery GCC स्थापन केले आहे. याशिवाय, Alphabet (Google ची कंपनी) ने ₹1,24,500 कोटी गुंतवणूक करून Visakhapatnam मध्ये AI Hub सुरू करण्याची घोषणा केली आहे, जे देशभरातील AI नवकल्पनांना चालना देईल. भारताकडे सध्या दुसऱ्या क्रमांकाचे सर्वात मोठे GenAI Startup Ecosystem आहे. त्यामुळे AI चा वापर जीवनविज्ञानात मोठ्या प्रमाणावर वाढेल. तसेच, फेब्रुवारी 2026 मध्ये होणाऱ्या AI Impact Summit मुळे भारत AI आणि औषध शोध क्षेत्रात जागतिक पातळीवर अग्रणी ठरेल, अशी शक्यता आहे.

जसे चीन आपल्या AI-आधारित औषध शोध क्षमतांना (AI-driven drug discovery capabilities) अधिक बळकट करत आहे आणि जगभरातील तंत्रज्ञान कंपन्या व औषधनिर्माता उद्योग नव्या गुंतवणुकीच्या संधी शोधत आहेत, तसेच भारतानेही या स्पर्धात्मक क्षेत्रात आपले स्थान टिकवण्यासाठी ठोस पावले उचलणे आवश्यक आहे.भारताने आपल्या वैज्ञानिक धोरणांचा (science policies) योग्य वापर करणे गरजेचे आहे - विशेषतः BioE3 सारख्या उपक्रमांद्वारे जेणेकरून तो AI-सहाय्यित औषध शोध क्षेत्रात (AI-assisted drug discovery landscape) जागतिक स्तरावर स्पर्धात्मक राहू शकेल.

आव्हाने आणि प्रशासनाची गरज

AI-आधारित औषध शोध प्रक्रियेत काही महत्त्वाच्या मर्यादा आणि धोके आहेत. या प्रक्रियेसाठी मोठ्या प्रमाणावर दर्जेदार आणि सुसंगत डेटा आवश्यक असतो. जर काही लोकसंख्या गट या डेटामध्ये कमी प्रमाणात दर्शवले गेले, तर औषधांचे परिणाम सर्वांवर सारखे लागू होत नाहीत, ज्यामुळे आरोग्य असमानता वाढू शकते. अपूर्ण किंवा विसंगत डेटामुळे AI चुकीचे निष्कर्ष (hallucinations) देऊ शकते, ज्यामुळे निर्णय प्रक्रियेत चुका होऊ शकतात. AI मधील “blackbox problem” म्हणजेच निर्णय कसा घेतला जातो हे पूर्णपणे समजत नाही, हीदेखील एक मोठी समस्या आहे. यामुळे AI वर विश्वास आणि पारदर्शकता यावर प्रश्नचिन्ह उभे राहते. याशिवाय, adversarial attacks म्हणजे प्रशिक्षण डेटामध्ये चुकीची किंवा फसवणूक करणारी माहिती टाकून AI चा निकाल बदलण्याचा धोका वाढत आहे.

या सगळ्या समस्यांबरोबरच, आरोग्य क्षेत्रात AI चा वापर नैतिक, कायदेशीर आणि सामाजिक जबाबदाऱ्यांसोबत येतो. त्यामुळे, AI-आधारित औषध संशोधनासाठी मजबूत नियामक चौकट आणि जबाबदारीची प्रणाली आवश्यक आहे, जी सुरक्षित, नैतिक आणि प्रभावी परिणाम देईल. भारतासाठी ही वेळ निर्णायक आहे, कारण जर योग्य धोरण, नवकल्पना आणि नियंत्रण यांचा समतोल राखला, तर भारत जगात AI-सक्षम औषध संशोधनात अग्रस्थान मिळवू शकतो आणि औषधनिर्मितीच्या नव्या युगात नेतृत्व करू शकतो.

भारताचा नियामक तुटवडा (India’s Regulatory Gap)

जगभरात कृत्रिम बुद्धिमत्ता (AI) संदर्भातील नियामक चौकट (regulatory frameworks) विकसित होत आहेत, परंतु AI आणि जीवनविज्ञान (life sciences) यांच्या एकत्रिकरणासाठी सखोल आणि सर्वसमावेशक नियमावली अजून मर्यादित आहे. युरोपियन युनियन आणि जपान यांनी AI विकास आणि वापरासाठी विशिष्ट कायदे तयार केले आहेत, तर अमेरिकेच्या FDA (Food and Drug Administration) ने AI-आधारित वैद्यकीय उपकरणे आणि औषधे व जैविक उत्पादने यांसाठी मार्गदर्शक तत्त्वे (guidelines) जारी केली आहेत.

AI च्या मदतीने औषध शोध (drug discovery) अधिक वेगवान आणि परिणामकारक होऊ शकतो, पण त्यासाठी नियमन आणि जबाबदारीची स्पष्ट चौकट आवश्यक आहे. या चौकटीशिवाय, AI चा वापर पूर्णपणे सुरक्षित, नैतिक आणि परिणामकारक पद्धतीने राबवणे शक्य नाही. उद्दिष्ट हे असावे की, रुग्णांच्या आरोग्य परिणामात सुधारणा करताना सुरक्षा आणि पारदर्शकतेची हमी दिली जावी.

भारताने AI साठी राष्ट्रीय धोरण (National Strategy for AI for All), Digital Personal Data Protection Act, 2023, आणि Ayushman Bharat Digital Mission यांसारख्या उपक्रमांद्वारे काही प्रगती साधली आहे. परंतु, AI आणि जीवनविज्ञानाच्या संगमासाठी स्वतंत्र चौकट अजून तयार झालेली नाही. या चौकटीची गरज अत्यंत महत्त्वाची आहे, कारण ती भारताला जागतिक नियामक मानकांशी (global benchmarks) सुसंगत ठेवेल आणि भारतातील AI-आधारित औषध शोध उपक्रम स्पर्धात्मक, नवकल्पनात्मक आणि नैतिकदृष्ट्या मजबूत बनवेल.

निष्कर्ष (Conclusion)

AI आणि औषध शोध यांचा संगम भारतासाठी एक अद्वितीय संधी आहे, ज्याद्वारे देश आपल्या औषधनिर्मिती क्षेत्राचे पुनर्मूल्यांकन करू शकतो. चीन सध्या सरकारी आणि खाजगी गुंतवणुकींच्या (investment) जोरावर वेगाने प्रगती करत आहे, आणि अमेरिका संरचनात्मक अडचणींशी झुंजत आहे, अशा वेळी भारताकडे स्वतःचे तंत्रज्ञान कौशल्य, संशोधन क्षमता, आणि आंतरराष्ट्रीय भागीदारी यांचा मोठा फायदा आहे. भारताकडे बायोटेक धोरणे, संशोधनातील नवकल्पना आणि कुशल मानवी संसाधनांचा विशाल साठा आहे. पण या ताकदीला जागतिक स्पर्धेत टिकवण्यासाठी भारताने जागतिक मानकांशी सुसंगत, मजबूत आणि पारदर्शक नियामक प्रणाली उभारणे अत्यावश्यक आहे. AI आणि शासन (governance) यांचा समतोल साधून भारत केवळ औषध शोध प्रक्रियेला गती देऊ शकतो असे नाही, तर तो समान आरोग्य सेवा (equitable healthcare) आणि सुरक्षित औषध विकास यांचेही नेतृत्व करू शकतो. यामुळे भारताला जागतिक जीवनविज्ञान क्षेत्रात एक स्पर्धात्मक आणि विश्वासार्ह स्थान मिळू शकेल.

लक्ष्मी रामकृष्णन ह्या ऑब्झर्वर रिसर्च फाउंडेशनच्या सेंटर फॉर न्यू इकॉनॉमिक डिप्लोमसीच्या असोसिएट फेलो आहेत.

• Healthcare
• India
• AI drug discovery
• biotechnology policies
• clinical trials optimization
• generative AI
• global pharma
• Healthcare
• India
• India life sciences
• personalized medicine
• pharmaceutical innovation

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.

PREV NEXT