अल्ज़ाइमर के लिए AI

अल्ज़ाइमर बीमारी चिकित्सा के सबसे कठिन अनसुलझे समस्याओं में से एक है, और सबसे विनाशकारी भी. यह लाखों लोगों की जान लेती है, परिवारों पर भारी बोझ डालती है, और आज की चिकित्सा की सीमाओं को चुनौती देती रहती है. OpenAI Foundation में, हम एडवांस्ड AI का उपयोग करके बीमारी की रोकथाम और इलाज से जुड़ी साइंस को तेज़ करना चाहते हैं.^1⁠ पहले कदम के रूप में, हम इस महीने छह रिसर्च संस्थानों में $100 मिलियन (₹83 करोड़ से अधिक) के ग्रांट्स को अंतिम रूप देने पर काम कर रहे हैं, ताकि अल्ज़ाइमर रिसर्च को सपोर्ट और तेज किया जा सके—नया डेटा तैयार करना, नई दवाओं के डिज़ाइन में मदद करना, और इलाज के नए रास्तों का विस्तार करना.

ये ग्रांट्स हमारे काम की शुरुआत हैं; अभी बहुत कुछ करना बाकी है. हमें उम्मीद है कि 2026 और उसके बाद भी हम और अल्ज़ाइमर ग्रांट्स देंगे, अधिक वैज्ञानिकों और रिसर्च संस्थानों को, ताकि मिलकर हम आखिरकार अल्ज़ाइमर बीमारी को रोक और उसका इलाज कर सकें.

अल्ज़ाइमर पर फोकस क्यों करें?

हमारा मिशन है कि AGI पूरी मानवता के लिए फायदेमंद हो. अल्ज़ाइमर एक बड़ी समस्या है, जो आबादी के उम्र बढ़ने के साथ और बढ़ रही है, और इस बीमारी की जटिलता AI के लिए उपयुक्त है.

अल्ज़ाइमर सिर्फ लाखों प्रभावित लोगों को ही नहीं, बल्कि उनके जीवनसाथी, बच्चों और उनकी देखभाल करने वाले अन्य लोगों को भी प्रभावित करता है. यह बीमारी परिवारों पर भारी भावनात्मक और आर्थिक दबाव डालती है.

पिछले कुछ दशकों में मानवता ने चार बड़े घातक कारणों में से तीन—हृदय रोग, संक्रामक रोग और कुछ कैंसर—के खिलाफ प्रगति की है, जिससे किसी भी उम्र में मृत्यु का जोखिम कम हुआ है:

हालांकि, चौथे बड़े घातक कारण—न्यूरोडीजेनेरेटिव बीमारियां, जैसे अल्ज़ाइमर—के लिए प्रभावी इलाज विकसित करना अब तक काफी हद तक जटिल और कठिन साबित हुआ है, मानवता के श्रेष्ठ वैज्ञानिकों के प्रयासों के बावजूद:

इसका कारण यह है कि अल्ज़ाइमर किसी एक कारण से नहीं, बल्कि जेनेटिक जोखिम कारकों, प्रोटीन मिसफोल्डिंग, सूजन, सिनेप्टिक डिसफंक्शन और अन्य कई कारकों के आपसी प्रभाव से होता है—जो दशकों तक पर्यावरणीय कारकों के साथ मिलकर काम करते हैं और मस्तिष्क में विकसित होते हैं, जो एक ऐसा अंग है जिसे समझना और उसमें दवाएं पहुंचाना मुश्किल है. पारंपरिक अनुसंधान तरीकों को इसे समझने में काफी कठिनाई हुई है.

AI इस जटिलता का सामना करने के लिए विशेष रूप से उपयुक्त है. विभिन्न प्रकार के डेटा—जैसे मरीजों के क्लिनिकल लक्षण, बीमारी के जैविक संकेतक, दवा उम्मीदवारों की स्क्रीनिंग और अन्य—पर तर्क करने की इसकी क्षमता एक बिल्कुल नया तरीका देती है, जिससे यह समझा जा सके कि ये कारक कैसे परस्पर क्रिया करते हैं, सही दवा लक्ष्य पहचाने जा सकें, और मरीजों के लिए दशकों पहले कार्रवाई योग्य जोखिमों का निदान किया जा सके.

हमारा लक्ष्य वैज्ञानिकों को नए उपकरण विकसित करने में मदद करना है ताकि अंततः अल्ज़ाइमर की रोकथाम और इलाज किया जा सके. चूंकि यह लक्ष्य अब तक हासिल करना इतना कठिन रहा है, हम इसे मानव स्वास्थ्य में क्या संभव है इसे बदलने की AI की क्षमता की स्पष्ट परीक्षा मानते हैं. हमारा उद्देश्य अल्ज़ाइमर के जोखिम में रहने वाले लोगों और उनके परिवारों के लिए सार्थक बदलाव लाना है.

हमारी शुरुआती रणनीति

हम बाहरी वैज्ञानिक समीक्षकों से मिले सहयोग के लिए आभारी हैं, जिन्होंने हमारी शुरुआती रणनीतियों को दिशा देने में मदद की. हालांकि हम इन सभी क्षेत्रों को लेकर बेहद उत्साहित हैं, हम यह उम्मीद नहीं करते कि Alzheimer’s की रोकथाम और इलाज का लक्ष्य अचानक हासिल हो जाएगा. कुछ प्रयोग नकारात्मक परिणाम देंगे, और इस प्रक्रिया में बाधाएं भी आएंगी. यही विज्ञान की प्रकृति है—और हम जितनी जल्दी हो सके सीखेंगे और परिणामों के अनुसार अपनी रणनीति अपडेट करेंगे.

शुरुआत में, हमारे पास शुरुआती परिकल्पनाएं हैं कि हम अनुसंधान पारिस्थितिकी तंत्र को इस तरह कैसे समर्थन दे सकते हैं जो मौजूदा प्रयासों के पूरक हों और AI के साथ अब जो संभव है उसका लाभ उठाएं. मिलकर, यह अग्रणी अनुसंधान संस्थानों में गतिविधियों का एक “पांच लेयर स्टैक” तैयार करता है:

1. AI का उपयोग करके अल्ज़ाइमर का “कारणात्मक मानचित्र” तैयार करना, ताकि हस्तक्षेप के लक्ष्यों को सत्यापित किया जा सके. अब यह स्पष्ट है कि अल्ज़ाइमर के कई कारण हैं, सिर्फ एक नहीं. इसका मतलब है कि हमें कारणात्मक कारकों के पूरे नेटवर्क का मानचित्र बनाना चाहिए, ताकि अलग-अलग लोगों के लिए सबसे प्रभावी उपचार हस्तक्षेप बिंदुओं की पहचान की जा सके. Arc Institute⁠ जैसे बायोलॉजी में AI के अग्रणी शोधकर्ताओं के साथ सहयोग करके, हम यह समझने का लक्ष्य रखते हैं कि मॉडल ब्रेन “ऑर्गेनॉइड्स” जेनेटिक और पर्यावरणीय जोखिम कारकों के अलग-अलग संयोजनों पर कैसे प्रतिक्रिया देते हैं. ऐसे बड़े पैमाने के प्रयोगात्मक डेटा का उपयोग AI मॉडल्स को ट्रेन करने में किया जा सकता है, जो भविष्य के प्रयोगों को दिशा दें. इस हाइब्रिड इंजन के साथ, शोधकर्ता अपने निष्कर्ष साझा कर सकते हैं ताकि अन्य लोग उस पर आगे काम कर सकें, और आगे परीक्षण के लिए तंत्र-आधारित दवा लक्ष्यों की पहचान कर सकें.

अल्ज़ाइमर इलाज का विरोध करता रहा है, आंशिक रूप से क्योंकि यह एक अत्यंत जटिल बीमारी है. यह सैकड़ों जेनेटिक और पर्यावरणीय जोखिम कारकों के दशकों तक विभिन्न सेल प्रकारों में आपसी प्रभाव का परिणाम है. Arc में, हम उन इंटरैक्शन्स को बड़े पैमाने पर मैप करने के लिए प्रयोगात्मक और कम्प्यूटेशनल टेक्नोलॉजीज़ बना रहे हैं.

—Patrick Hsu, PhD, Arc Institute के को-फाउंडर और कोर इन्वेस्टिगेटर

हम ऐसे पर्टर्बेशन्स ढूंढना चाहते हैं जो एक सेल को बीमार अवस्था से वापस स्वस्थ अवस्था में ले जा सकें. इसके लिए, हम एक एक्टिव लर्निंग साइकिल चलाते हैं: हम मरीज डेटा के आधार पर मानव टिशू मॉडल्स में व्यवस्थित रूप से बदलाव करते हैं, क्या होता है इसे मापते हैं, और इन नतीजों का उपयोग करके अपने अल्ज़ाइमर AI मॉडल्स को इटरेटिव तरीके से बेहतर बनाते हैं. हर साइकिल हमें यह समझने में और स्पष्टता देती है कि बीमारी के पाथवे कहाँ मिलते हैं और कहाँ हस्तक्षेप करना चाहिए.

—Silvana Konermann, PhD, Arc Institute की को-फाउंडर और एग्जीक्यूटिव डायरेक्टर

2. AI की मदद से नई दवाएं डिज़ाइन करना और उन्हें लैब में टेस्ट करना – Institute for Protein Design⁠ जैसे सहयोगियों के साथ, और अन्य रिसर्च संस्थानों के प्रमुख न्यूरोलॉजिस्ट्स और न्यूरोसाइंटिस्ट्स के साथ मिलकर. 2000 से अब तक 100 से अधिक अल्ज़ाइमर दवाओं का क्लिनिकल ट्रायल में परीक्षण हुआ है, लेकिन लगभग सभी या तो काम नहीं कर पाईं या उनके अनचाहे साइड इफेक्ट्स थे. हमारा मानना है कि AI बायोलॉजी टूल्स की मदद से डिज़ाइन किए गए मॉलिक्यूल्स की सफलता की संभावना समय के साथ अधिक होगी. लेकिन यह तय करने के लिए कि यह सही है या नहीं, शोधकर्ताओं को पहले अपने डिजिटल निर्माणों को सेल्स, टिशू और जानवरों में सत्यापित करना होगा.

UW Medicine Institute for Protein Design में, हम सहयोगी पाइपलाइन्स बनाने के लिए प्रतिबद्ध हैं, जिनका उद्देश्य वैश्विक कल्याण पर अधिकतम सकारात्मक प्रभाव डालना है. अपने नवीनतम AI-ड्रिवन प्रोटीन डिज़ाइन मॉडल का उपयोग करके, हमने ऐसे मॉलिक्यूल्स सफलतापूर्वक तैयार किए हैं जो अल्ज़ाइमर बीमारी की प्रगति के लिए महत्वपूर्ण टार्गेट्स को सक्रिय, संशोधित और नष्ट करते हैं. इस टूलकिट का विस्तार करना, उसे बेहतर बनाना और न्यूरोसाइंटिस्ट्स के साथ साझा करना, जो हमारे डिज़ाइन किए गए प्रोटीन का उपयोग करके न्यूरोडीजेनेरेशन की भविष्यवाणी और समाधान कर सकें, हमारी सबसे बड़ी प्राथमिकताओं में से एक है.

—David Baker, PhD, नोबेल लॉरेट और University of Washington में Institute for Protein Design के डायरेक्टर

3. दवा की एक्टिविटी का अनुमान लगाने और इंटरवेंशन के साथ और बिना बीमारी की प्रगति को ट्रैक करने के लिए ओपन डेटा सेट्स को सपोर्ट करना. इसमें अल्ज़ाइमर से जुड़े नए ओपन डेटा सेट्स बनाना शामिल है, Focused Research Organisation जैसे नॉनप्रॉफिट्स के साथ, जैसे EvE Bio⁠. इसमें मौजूदा लॉन्गिट्यूडिनल और एपिडेमियोलॉजिकल डेटा सेट्स के विस्तार को सपोर्ट करना भी शामिल है, साथ ही बायोटेक कंपनियों द्वारा एकत्र किए गए मौजूदा डेटा सेट्स को जिम्मेदारी से ओपन करने के अवसर भी जो सभी शोधकर्ताओं के लिए फायदेमंद हो सकते हैं.

4. बीमारी के लिए नए बायोमार्कर्स स्थापित करना, डायग्नोसिस और क्लिनिकल ट्रायल्स के संचालन को बेहतर बनाना, UCSF जैसे सहयोगियों के साथ. अल्ज़ाइमर के पहले ब्लड टेस्ट को पिछले साल⁠ मिली मंजूरी से विशेषज्ञ डॉक्टरों को मरीज की स्थिति का आकलन करने के लिए अधिक टूल्स मिलते हैं, वह भी कम इनवेसिव तरीके से. ब्लड और अन्य बायोमार्कर्स शोधकर्ताओं को यह मापने की क्षमता भी देते हैं कि दवाओं का बीमारी की प्रगति पर क्या प्रभाव पड़ता है, क्लिनिकल ट्रायल्स में, जिसमें सेकेंडरी मेज़रमेंट्स भी शामिल हैं, जैसे कार्डियोवैस्कुलर बीमारी पर हालिया ट्रायल⁠ में दिखाया गया है. अब जब AI अधिक जटिल जैविक संकेतों को समझ सकता है, तो आधुनिक प्रोटीओमिक्स और मरीजों से अन्य सैंपलिंग के साथ आगे बढ़ने के और अवसर हैं.

अल्ज़ाइमर चिकित्सा में सबसे तात्कालिक चुनौतियों में से एक बना हुआ है, और प्रगति इस बात पर निर्भर करती है कि वैज्ञानिक प्रगति को मरीजों की देखभाल से कैसे जोड़ा जाए. यह सहयोग हमें विश्व-स्तरीय प्रयासों को जोड़ने में सक्षम बनाता है—प्रोटीन डिज़ाइन में प्रगति से लेकर UCSF में गहरी क्लिनिकल और बायोलॉजिकल समझ तक—ताकि हम बीमारी को बेहतर समझ सकें और इलाज के नए रास्ते पहचान सकें. AI की मदद से इन जानकारियों को जोड़कर और जटिलता को समझकर, हमारे पास ऐसी खोजों को तेज करने का अवसर है जो मरीजों के जीवन में वास्तविक बदलाव ला सकती हैं.

—S. Andrew Josephson, MD, UCSF और UCSF Weill Institute for Neurosciences में न्यूरोलॉजी के प्रोफेसर और चेयर

5. ऑफ-पेटेंट ट्रीटमेंट्स का परीक्षण करना और AI का उपयोग करके अनॉनिमाइज़्ड मरीज डेटा और ऑनलाइन रिपोर्ट किए गए अनुभवों को बेहतर समझना.कई ऐसे इंटरवेंशन्स हैं जहां प्रभाव के संकेत मिलते हैं—जैसे लिथियम ओरोेट⁠ और ऑफ-पेटेंट शिंगल्स वैक्सीन⁠—लेकिन जहां और उच्च गुणवत्ता के प्रमाण की जरूरत है और निजी क्षेत्र क्लिनिकल ट्रायल्स के लिए भुगतान करने के लिए प्रेरित नहीं है.

मेरी आशा है कि फिजियोलॉजिकल डोज़ में लिथियम ओरोेट की क्षमता, जो अल्ज़ाइमर बीमारी के माउस मॉडल्स में पैथोलॉजी को उलटने और याददाश्त बहाल करने में सक्षम है, वह वृद्ध मानव आबादी में भी लागू होगी. लिथियम हमारे फोन, लैपटॉप और इलेक्ट्रिक व्हीकल्स को पावर देता है. मेरा अनुमान है कि मस्तिष्क ने अपनी अनोखी इलेक्ट्रोकेमिस्ट्री का उपयोग हमसे पहले ही किया होगा.

—Bruce Yankner, MD, PhD, Harvard Medical School में जेनेटिक्स और न्यूरोलॉजी के प्रोफेसर और Harvard Glenn Center for Biology of Aging Research के सह-निदेशक

इटरेटिव लर्निंग

हम इन सभी पांच मोर्चों पर एक साथ आगे बढ़ेंगे, ताकि अनुसंधान पारिस्थितिकी तंत्र में अन्य प्रयासों के पूरक बन सकें. हमें उम्मीद है कि जैसे-जैसे हमें रिसर्च कम्युनिटी से और फीडबैक मिलेगा, हम अपने मौजूदा दृष्टिकोणों में और जोड़ते जाएंगे, ताकि मिलकर हम यह समझ सकें कि अल्ज़ाइमर की रोकथाम और इलाज कैसे किया जाए.

अल्ज़ाइमर का सीधे सामना करके, हमारा उद्देश्य न केवल इस बीमारी की दिशा को बदलना है, बल्कि ऐसे टूल्स और ज्ञान बनाना भी है जो कई अन्य बीमारियों के खिलाफ प्रगति को तेज कर सकें.

* * *

अगर आप OpenAI Foundation से अपडेट्स पाना चाहते हैं, तो कृपया यहाँ⁠ सब्सक्राइब करें. अगर आप हमारी जीवन विज्ञान और रोग उपचार टीम से संपर्क करना चाहते हैं, तो [email protected]⁠ पर संपर्क करें.

एकेडमिक आर्टिकल्स के अलावा, हम AI और साइंस पर रिपोर्ट्स, लॉन्गफॉर्म आर्टिकल्स और ब्लॉग पोस्ट्स भी पढ़ते हैं. हालांकि हम इन सभी दावों से सहमत नहीं हैं, इसमें यह National Academies रिपोर्ट⁠, अल्ज़ाइमर दवा पाइपलाइन पर यह समीक्षा लेख⁠, उच्च-स्तरीय चिकित्सा प्रगति के सारांश जैसे हृदय रोग से मृत्यु दर पर यह लेख⁠, यह साइंस ब्लॉग पोस्ट⁠ चिकित्सा में AI की प्रगति में आने वाली कठिनाइयों पर, औरIFP से यह क्लिनिकल डेटा आइडिया⁠.

हम आपको प्रोत्साहित करते हैं कि आप अपने विश्लेषण सार्वजनिक रूप से प्रकाशित करें, और अगर आपको लगता है कि उससे हमें लाभ हो सकता है तो हमें लिंक ईमेल करें.