ایک AI کے ماہر نے کہا کہ 5 سے 10 سال میں زیادہ تر بیماریاں شفا یافت ہو جائیں گی، لیکن برنستین کہتے ہیں کہ انتظار کریں۔ 26 اگست کو، برنستین نے امریکی بائیوفارماسیٹیکل صنعت کی رپورٹ جاری کی، جس میں AI کے دوا ترقی میں حقیقی پیش رفت کا جائزہ لیا گیا: تقریباً 70 AI ماخذ کے منصوبے اب کلینیکل پائپ لائن میں داخل ہو چکے ہیں، لیکن زیادہ تر ابھی ابتدائی مراحل میں ہیں، اور حقیقی ٹیسٹ آنے والے 3 سے 5 سال میں ہوگا۔
ڈیپ مائنڈ کے سی ای او ڈیمس ہیسابس کہتے ہیں کہ "شاید 10 سال میں AI تمام بیماریوں کا علاج کر سکتا ہے"، جبکہ اینتھروپک کے سی ای او داریو ایموڈی کا کہنا ہے کہ "5 سے 10 سال میں اکثر انسانی بیماریوں کا علاج ہو جائے گا"۔ برنستین کا خیال ہے کہ یہ دعوے AI کی معاشرتی قدر کے لیے دفاع کے زیادہ مشابہ ہیں، نہ کہ دوائوں کے ترقی کے عمل پر مبنی۔ ٹارگٹ کی دریافت سے لے کر بالائی تجربات تک، اور پھر طبی نظام کی تسلیم کرنے کی صلاحیت تک، ہر سطح ایک رکاوٹ ہے۔ AI کچھ مراحل کو تیز کر سکتا ہے، لیکن زندگی کا عمل آخرکار انسانی جسم میں تصدیق ہوگا، اور یہ رفتار الگورتھم سے دبائی نہیں جا سکتی۔
کامیابی کی شرح میں اضافہ، رفتار بڑھانے سے زیادہ قیمتی ہے
برنشٹائن کے مطابق، کامیابی کی شرح میں 20 فیصد کی اضافہ سے حاصل ہونے والا ریسرچ اور ترقی کا ریٹ، اتنے ہی فیصد کے وقت اور لاگت بچانے سے زیادہ ہوتا ہے۔ ناکامی کی قیمت آخری مراحل میں مرکوز ہوتی ہے، اور عمل کو تیز کرنے کے بجائے ناکامی سے بچنا زیادہ قیمتی ہے۔
AI کی کامیابی کی شرح پر اس بات کا اثر ہوتا ہے کہ یہ کس مسئلے کو حل کر رہا ہے۔ اگر AI کا استعمال صرف معلوم ٹارگٹس کے لیے مولیکیولز کو بہتر بنانے کے لیے کیا جائے، تو کامیابی کی شرح بڑھ سکتی ہے، لیکن اس قسم کے "آسان مسائل" کی قیمت محدود ہوتی ہے۔ اگر AI کا استعمال ایسی مشکل بیماریوں کو حل کرنے کے لیے کیا جائے جن کی حیاتیاتی سمجھ اب تک ناکافی ہے، تو چاہے کل کامیابی کی شرح کم ہو، لیکن اس سے زیادہ قیمتی اقدار پیدا ہوتے ہیں۔
برنستائن نے ایک غیر متوقع نتیجہ اٹھایا: جتنا زیادہ AI استعمال کیا جائے، اتنی ہی زیادہ نمکین تجربات کی ضرورت ہو سکتی ہے۔ سب سے مشکل مسائل کا سامنا تربیتی ڈیٹا کی سب سے کم دستیابی کے ساتھ ہے، اور نئے ڈیٹا کی تخلیق کے لیے بہت زیادہ تجرباتی شراکت درکار ہوتی ہے۔ AI اور نمکین تجربات مکمل طور پر مکمل کرنے والے ہیں۔ ایک بعد کے ناکام منصوبے کی تھوڑی سی لاگت سے ایک مزید نمکین تجربہ کرنا بہت کم لاگت والا ہے۔
فارما کمپنیوں کا AI ایکسپانشن: لیلی سب سے وسیع، آمجن سب سے گہرا، اور روش کے پاس سب سے زیادہ کمپوٹیشنل پاور
برنستائن نے 15 بڑی فارما کمپنیوں کے 183 AI ڈرگ ڈسکوری تعاونوں کا احصاء کیا۔ ان کی حکمت عملیوں میں کافی فرق ہے۔
لیلی کے بیرونی تعاون کا نیٹ ورک سب سے وسیع ہے، 2019 سے اب تک کل 25 معاہدے ہوئے ہیں، جن کا ابتدائی ادائیگی کا مجموعی رکھا 353 ملین امریکی ڈالر ہے۔ تعاون کرنے والے فریقین میں انفلیسو میڈیسن، پروفلوئنٹ، ورجز جینومکس، جینسس تھراپیوٹکس شامل ہیں۔ لیلی کے پاس NVIDIA Co-Innovation AI Lab بھی موجود ہے، جس سے بیرونی وسعت اور اندر کی کمپوٹیشنل طاقت کا سب سے متوازن امتزاج ہوتا ہے۔
روش دوسرے نمبر پر 20 تعاونوں کے ساتھ، جس میں سرطان (8) اور نیورو سائنس (4) پر واضح توجہ مرکوز ہے۔ جینٹیک کا مخلوط AI فیکٹری برنسٹین کے مطابق "صنعت کا اب تک کا سب سے بڑا مقامی GPU ڈیپلومنٹ" ہے۔ ریکرسیون کا 1.2 ارب ڈالر کا تعاون سب سے بڑا ایکل تعاون ہے۔
انجن میں بیرونی تعاون کم سے کم (5) ہے، جبکہ اندر کا AI اور کمپوٹیشنل پاور کا ایجادی تصور سب سے زیادہ منفرد ہے۔ 2012 میں خریدی گئی deCODE Genetics صنعت کے لیڈنگ انسانی جینوم انجن فراہم کرتی ہے، جو ہدف کو ترجیح دینے کے لیے بیماری سے متعلق وراثتی تبدیلیوں کو پہچاننے اور تصدیق کرتا ہے۔ انجن نے اپنے مقامی DGX SuperPOD پر پانچ ملکی اینٹی باڈی زبان کے ماڈلز تربیت دیے ہیں، جس کا ڈیٹا کا دفاعی حصار واضح ہے۔
اےزیای کے 19 ٹریڈ، جبکہ مالیاتی توجہ سی ایس پی فارماسیوٹیکل گروپ کے تین معاہدوں پر مرکوز ہے، جو ان کی اعلان شدہ ابتدائی ادائیگیوں کا اکثریتی حصہ ہیں۔
نوونورڈ کے 10 تعاونات تمام 2022 کے بعد مرکوز ہیں، جن میں سے 7 دلی اور میٹابولک اور گردہ بیماریوں پر ہیں، جو علاج کے شعبے میں سب سے زیادہ مرکوز بڑی دوا کمپنی ہیں۔
فائلز کے ساتھ سب سے زیادہ پلیٹ فارم بنیادی تعاون (9 معاہدے مکمل پائپ لائن کے دائرہ کار میں)، AI بنیادی ماڈل کا تعلق 2016ء کے IBM Watson تک جا چکا ہے، مخصوص کمپوٹیشنل کوئی تعاون نہیں پایا گیا۔
برنستائن نے زور دیا کہ یہ سب باہری نقطہ نظر کے ججمنٹ ہیں، اصلی معیار اور اندر کے ثقافتی تبدیلی کو ماسٹر کرنا مشکل ہے۔
AI بائیو ٹیکنالوجی: کلینیکل ایسٹس حقیقی ٹیسٹ ہیں
لگभگ 70 AI ماخذ منصوبے، جو زیادہ تر عوامی کمپنیوں پر مرکوز ہیں، ان کی تعریفیں بہت مختلف ہیں، جو AI دوا کے دوبارہ ہدف بنانے سے لے کر AI ہدف کی دریافت اور AI مولیکیولر ڈیزائن تک پھیلی ہوئی ہیں۔
انسیلیکو کا رینٹوسرٹیب AI سے دوا کے لیے ایک مکمل نمونہ ہے۔ AI پلیٹ فارم PandaOmics نے TNIK کو ایدیوپیتک پلمنری فائبروسس کا ہدف پہچان لیا، Chemistry42 کے جنریٹو AI نے مولیکیول کا ڈیزائن کیا، اور ہدف کی فرضیہ سے قبل ا临床 کے امیدوار تک صرف 18 ماہ لگے۔ یہ دوا اب III مرحلے میں ہے، اور 2029ء کے اکتوبر میں اہم اختتامی نتائج کا انتظار ہے، جو AI دوا کے شعبے میں سب سے اہم ڈیٹا پوائنٹس میں سے ایک ہے۔
ریکورژن سیل امیجنگ اور ملٹی-اومیکس کے ذریعے ٹارگٹ کی دریافت کرتا ہے اور روچ،拜耳، اور سینوفی کے ساتھ تعاون کرتا ہے۔
بائیومیڈسینز کو تیار کریں، پروٹین دواوں کی ڈیزائن کریں، GB-0895 (TSLP اینٹی باڈی) III مرحلے میں داخل ہو چکا ہے تاکہ AI ڈیزائن کردہ پروٹین کو فرق کرنے والے دوا دینے کے منصوبوں میں تبدیل کیا جا سکے۔
ریلے تھراپیوٹکس پروٹین کی حرکت کے ماڈلنگ کے ذریعے دواوں کا ڈیزائن کرتی ہے، اور زوگلیلیسیب (PI3Kα انہائیبریٹر) III مرحلہ میں ہے، جس میں ترتیب کے انتخاب کے ذریعے علاج کے ونڈو کو بہتر بنانے کی کوشش کی جا رہی ہے۔
شرونڈنگر فزیکل کمپیوٹیشن کو ترجیح دیتا ہے، زاسو سٹینیب (TYK2 انہبیٹر) کے لیے مارکیٹ کے لیے درخواست جمع کر دی گئی ہے۔ اس ٹارگٹ کے لیے BMS کا دیوکراو سٹینیب پہلے سے کلینیکل تصدیق شدہ ہے، اس لیے اسے کمپیوٹیشنل ایڈڈ آپٹیمائزیشن کا کامیاب کیس سمجھنا چاہیے، جہاں AI کا نیا ٹارگٹ دریافت کرنے میں کوئی طرزِ تبدیلی نہیں دکھائی دی۔ ٹارگٹ کے انتخاب سے لے کر کلینیکل ٹیسٹ تک 8 سے 10 سال لگتے ہیں، جو صنعت کی معیاری مدت کو مختصر نہیں کرتا۔
FDA کی منظوری کے ڈیٹا میں AI کا اثر ابھی ظاہر نہیں ہوا ہے
ایف ڈی اے نے پچھلے پانچ سالوں میں فی سال اوسطاً 48.5 نئی دواوں کو منظور کیا، جو 1985 سے 2025 تک کی اوسط 33.8 سے تقریباً 43 فیصد زیادہ ہے۔ برنسٹین کا خیال ہے کہ یہ زیادہ تر نگرانی کی جدیدیت، زندہ دواوں کے ابھار اور گزشتہ تحقیق و ترقی کے سرمایہ کاری کے جمع اثرات کو ظاہر کرتا ہے، جبکہ AI اب تک منظوری کے ڈیٹا پر کوئی واضح اثر نہیں ڈالا ہے۔ AI کے ذرائع کے محدود سائز اور کلینیکل تصدیق کے لیے وقت کی ضرورت کو مد نظر رکھتے ہوئے، یہ صورتحال قریبی مستقبل میں نہیں بدلے گی۔
برنستائن کے نتائج عملی ہیں۔ AI نے مولیکیولر ڈیزائن، ورچوئل سکریننگ اور ٹارگٹ کی دریافت میں کردار ادا کیا ہے، اور کچھ ابتدائی منصوبے مراحل بالا کلینکل ٹرائل تک پہنچ چکے ہیں۔ "تمام بیماریوں کا علاج" زندگی کی سمجھ، کلینکل ٹرائلز، ریگولیٹری منظوری اور صحت کے نظام کی صلاحیت جیسے کئی رکاوٹوں کو پار کرنے کے قابل ہے، اور یہ ایک الگورتھم کے ترقی کا مسئلہ نہیں ہے۔ AI کا دوائوں کے شعبے میں اہمیت شاید عمل کو تیز کرنے کے بجائے بہتر فیصلوں کو فروغ دینے میں ہے۔ اصل جواب 3 سے 5 سال تک انتظار کرنا پڑے گا۔
عہد نامہ کی عدم ذمہ داری
یہ مضمون چاؤ شانگ ریسرچ کی طرف سے تیسری پارٹی بروکر کی رپورٹ (برنستین، 26 اگست 2026) کو اکٹھا کرنے اور اس کی وضاحت کرنا ہے، جس میں عوامی مارکیٹ کی معلومات کو بھی شامل کیا گیا ہے۔ اس مضمون میں نقل کی گئی ریٹنگ، ہدف قیمت، منافع کے تخمینے اور متعلقہ ججمنٹس صرف اس بروکر کے تجزیہ کاروں کے خیالات ہیں، جو صرف ان کے ادارے کی پوزیشن کو ظاہر کرتے ہیں، چاؤ شانگ ریسرچ کے خیالات کو ظاہر نہیں کرتے اور کوئی سرمایہ کاری کی تجویز نہیں دیتے۔
بازار میں خطرہ ہے، فیصلہ خود کریں۔ یہ مضمون کسی بھی سکیورٹی کے خریداری یا فروخت کا مبنی نہیں ہونا چاہئے۔
لکھنے والی: ریتا