আপনার নিজের 'ডিজিটাল টুইন'? সর্বাধুনিক প্রযুক্তি যা মাদক পরীক্ষার পদ্ধতি বদলে দেবে (ডিজিটাল টুইন)

আপনি কি কখনো ভেবে দেখেছেন, আজ সকালে আপনার খাওয়া বড়িটি আপনার হাতে পৌঁছাতে কত সময় লেগেছে? প্রথমে, গবেষণাগারে ব্যাপক গবেষণা করা হয়। তারপর প্রাণীদের উপর এর পরীক্ষা চালানো হয়। কিন্তু মানুষের ব্যবহারের জন্য অনুমোদন পাওয়ার আগে, এটি মানুষের উপর পরীক্ষা করতে হয়। একেই আমরা ক্লিনিক্যাল ট্রায়াল বলি। এটি একটি অত্যন্ত জটিল এবং ব্যয়বহুল প্রক্রিয়া।

সহজ কথায়, ক্লিনিক্যাল ট্রায়াল কী?

সহজ কথায়, একটি ক্লিনিক্যাল ট্রায়াল এইভাবে কাজ করে: গবেষকরা নতুন উদ্ভাবিত ওষুধটির লক্ষ্যবস্তু রোগে আক্রান্ত রোগীদের নিয়োগ করেন। এরপর এই স্বেচ্ছাসেবকদের দৈবচয়নের ভিত্তিতে দুটি দলে ভাগ করা হয়।

১. প্রথম দলটিকে পরীক্ষার জন্য নতুন ঔষধটি দেওয়া হয়।

২. দ্বিতীয় দলটিকে , অর্থাৎ “নিয়ন্ত্রণ দল”-কে, একটি প্ল্যাসিবো দেওয়া হয়, যাতে কোনো সক্রিয় উপাদান নেই এবং যা দেখতে হুবহু ঔষধটির মতো। আমরা একে “প্ল্যাসিবো” বলি।

যদি এই পরীক্ষার শেষে নতুন ওষুধ গ্রহণকারীদের লক্ষণগুলো প্ল্যাসিবো গ্রহণকারীদের তুলনায় বেশি উন্নত হয়, তাহলে এটি প্রমাণ করে যে নতুন ওষুধটি কার্যকর।

এই ধরনের একটি গবেষণার অন্যতম বড় চ্যালেঞ্জ হলো, গবেষণার জন্য একেবারে উপযুক্ত পর্যাপ্ত সংখ্যক রোগী খুঁজে বের করা। কখনও কখনও চিকিৎসকরাও জানেন না যে কোন গবেষণাটি তাদের রোগীদের জন্য সঠিক। এছাড়াও, অংশগ্রহণ করতে ইচ্ছুক রোগীদের বৈশিষ্ট্যগুলো গবেষণার প্রয়োজনীয়তার সাথে নাও মিলতে পারে। তবে, কৃত্রিম বুদ্ধিমত্তা (এআই) এই কাজটি অনেক সহজ করে তুলতে পারে।

আপনার 'ডিজিটাল টুইন'-এর সাথে দেখা করুন

কল্পনা করুন যে আপনার নিজের একটি কম্পিউটার মডেল আছে, অর্থাৎ আপনারই একটি ডিজিটাল প্রতিরূপ। একেই বলা হয় “ডিজিটাল টুইন”। এগুলো আসলে এক ধরনের “কম্পিউটার মডেল” যা কম্পিউটারে কোনো বাস্তব বস্তু বা সিস্টেমকে অনুকরণ করে। কিন্তু সংখ্যাগতভাবে দেখলে, এগুলো ঠিক আসল জিনিসটির মতোই আচরণ করে। এর সেরা উদাহরণ হলো, যখন অ্যাপোলো ১৩ মহাকাশযানের একটি অক্সিজেন ট্যাঙ্ক বিস্ফোরিত হয়েছিল, তখন নাসা পৃথিবীতে তৈরি একই মহাকাশযানের একটি “ডিজিটাল টুইন” দিয়ে সেটি মেরামত করতে সাহায্য করেছিল।

এখন বিজ্ঞানীরা পর্যাপ্ত ‘ডেটা’ পেলে একজন মানুষের ‘ডিজিটাল টুইন’ তৈরি করতে পারেন। এতে ‘মেশিন লার্নিং’ নামক একটি কৃত্রিম বুদ্ধিমত্তা প্রযুক্তি ব্যবহার করা হয়। সহজ কথায়, এর জন্য একটি কম্পিউটার প্রোগ্রামকে প্রচুর পরিমাণে ডেটা দিয়ে তা থেকে শিখতে দেওয়া হয়।

পূর্ববর্তী ক্লিনিক্যাল ট্রায়ালের ডেটা এবং প্রতিটি রোগীর ব্যক্তিগত মেডিকেল রেকর্ড ব্যবহার করে এই মেশিন লার্নিং মডেলগুলোকে প্রশিক্ষণ দিয়ে রোগীদের ডিজিটাল টুইন তৈরি করা হয়। এরপর মডেলটি ভবিষ্যদ্বাণী করতে পারে যে, ট্রায়াল চলাকালীন কোনো রোগীকে প্ল্যাসিবো দেওয়া হলে তার স্বাস্থ্যের কী পরিবর্তন হবে।অর্থাৎ, সেই একই রোগীর জন্য একটি কম্পিউটার-সৃষ্ট নিয়ন্ত্রণ গোষ্ঠী (সিমুলেটেড কন্ট্রোল গ্রুপ) তৈরি করা হয়।

এবার দেখা যাক এটা কীভাবে কাজ করে। ধরা যাক, ‘সমাধি’ নামের একজনকে নতুন একটি ওষুধ গ্রহণকারী দলে নির্বাচিত করা হলো। সমাধির ‘ডিজিটাল টুইন’, অর্থাৎ একটি কম্পিউটার মডেল, নিয়ন্ত্রণ দলে রয়েছে। মডেলটি ভবিষ্যদ্বাণী করে যে, আসল ওষুধের পরিবর্তে সমাধিকে একটি ‘প্লেসবো’ দেওয়া হলে কী ঘটবে। পরিশেষে, ওষুধটির প্রতি সমাধির প্রকৃত প্রতিক্রিয়া এবং ‘প্লেসবো’ গ্রহণ করলে যা ঘটবে বলে মডেলটি ভবিষ্যদ্বাণী করেছিল, তার মধ্যকার পার্থক্যই হলো সমাধির জন্য ওষুধটির কার্যকারিতার পরিমাপ।

এই পদ্ধতির অন্যতম প্রধান সুবিধা হলো, ক্লিনিক্যাল ট্রায়ালে অংশগ্রহণকারী প্রায় প্রত্যেকেই নতুন ওষুধটি পাওয়ার সুযোগ পায়, কারণ ‘প্লেসবো’টি তাদের ডিজিটাল টুইনকে দেওয়া হয়।

প্রচলিত কন্ট্রোল টিমের পরিবর্তে ‘ডিজিটাল টুইন’ ব্যবহারের সুবিধাগুলো স্পষ্টভাবে দেখার জন্য আসুন এই সারণিটি দেখি।

এই প্রযুক্তিটি ভালো হওয়া সত্ত্বেও, এতে কি কোনো সমস্যা নেই?

যদিও এই প্রযুক্তি ভবিষ্যতে ব্যাপক সম্ভাবনা রাখে, এটি এখনও ব্যাপকভাবে ব্যবহৃত হয়নি। এর পেছনে ভালো কারণ থাকতে পারে। মেশিন লার্নিং বিশেষজ্ঞ ডঃ ড্যানিয়েল নিল যেমনটা উল্লেখ করেছেন, এই মডেলগুলো বিপুল পরিমাণ তথ্যের উপর নির্ভর করে। এছাড়াও, ব্যক্তিদের কাছ থেকে উচ্চ-মানের তথ্য সংগ্রহ করা খুব কঠিন।

লোকেরা প্রায়শই তাদের খাদ্যাভ্যাস এবং ব্যায়ামের অভ্যাসের মতো বিষয়গুলো সম্পর্কে নিজেরাই তথ্য জানায়। মানুষ সবসময় সত্যি কথা বলে না। তারা সাধারণত তাদের ব্যায়ামের পরিমাণ বাড়িয়ে বলে এবং তাদের খাওয়া জাঙ্ক ফুডের পরিমাণ কমিয়ে বলে।

আরেকটি সমস্যা হলো ওষুধের কারণে সৃষ্ট বিরল ও অপ্রত্যাশিত পার্শ্বপ্রতিক্রিয়া । কন্ট্রোল গ্রুপের জন্য তৈরি মডেলে প্রায়শই এগুলো অন্তর্ভুক্ত থাকে না।

কিন্তু ডক্টর নীলের সবচেয়ে বড় ভয় হলো, এই ভবিষ্যদ্বাণীমূলক মডেলটি ‘স্বাভাবিক কার্যক্রম’-এর ওপর ভিত্তি করে তৈরি। কোভিড-১৯ মহামারীর মতো একটি বড়, অপ্রত্যাশিত ঘটনার কথা ভাবুন, যা প্রত্যেকের আচরণ বদলে দেয় এবং মানুষকে অসুস্থ করে তোলে। তিনি বলেন, “নিয়ন্ত্রণ মডেলগুলো এই বিষয়টিকে আমলে নেয় না।” এরপর, নিয়ন্ত্রণ গোষ্ঠীর আমলে না নেওয়া এই ঘটনাগুলোর কারণে, পরীক্ষাটির চূড়ান্ত ফলাফল সম্পূর্ণ ভিন্ন হতে পারে।

তাহলে এটা কি সত্যিই ব্যবহার করা যাবে? ভবিষ্যতে কী হবে?

স্বাস্থ্যসেবায় ডিজিটাল প্রযুক্তির ব্যবহার বিশেষজ্ঞ এরিক টোপল মনে করেন, ধারণাটি চমৎকার, কিন্তু সময়টা এখনও উপযুক্ত নয়। “আমার মনে হয় না অদূর ভবিষ্যতে ক্লিনিক্যাল ট্রায়ালে কোনো পরিবর্তন আসবে। কারণ এর জন্য শুধু স্বাস্থ্য রেকর্ডের বাইরেও একাধিক স্তরের ডেটা প্রয়োজন, যেমন জিনোম সিকোয়েন্স, গাট মাইক্রোবায়োম, পরিবেশগত ডেটা।”

এই প্রযুক্তির পথিকৃৎ Unlearn.AI-এর প্রতিষ্ঠাতা চার্লস ফিশারের মতে, ডেটার গোপনীয়তা এবং পক্ষপাতিত্বের সমস্যার সমাধান ইতিমধ্যেই রয়েছে। "গোপনীয়তা রক্ষা করা সহজ। আমরা কেবল সেই ডেটা নিয়েই কাজ করি যা ইতিমধ্যেই বেনামী করা হয়েছে।"

পক্ষপাত নিয়ে কথা বলতে গিয়ে তিনি বলেন যে, যদিও বিষয়টি পুরোপুরি সমাধান হয়নি, তবুও এটি গবেষণার ফলাফলের সাথে প্রাসঙ্গিক নয়। যেহেতু গবেষণাগুলো র‍্যান্ডমাইজড, তাই ডেটাতে কিছুটা পক্ষপাত থাকলেও তা ফলাফলকে প্রভাবিত করে না। তবে, কিছু বিশেষজ্ঞ এই ধারণার সাথে দ্বিমত পোষণ করেন। তারা বলেন,যেহেতু আপনি একজন বাস্তব ব্যক্তির সাথে একটি কম্পিউটার মডেলের তুলনা করছেন, তাই সেই মডেলে কোনো ত্রুটি থাকলে তা সরাসরি ফলাফলকে প্রভাবিত করতে পারে।

তবে, আনলার্ন.এআই ইতিমধ্যেই আলঝেইমার্স, পার্কিনসন্স এবং মাল্টিপল স্ক্লেরোসিসের মতো স্নায়বিক রোগের জন্য ক্লিনিক্যাল ট্রায়াল ডিজাইন করতে ওষুধ কোম্পানিগুলোর সাথে কাজ করছে। তারা এই রোগগুলোকে কাজ শুরু করার জন্য একটি ভালো ক্ষেত্র হিসেবে বেছে নিয়েছে, কারণ অন্যগুলোর তুলনায় এগুলোর ডেটা বেশি। ফিশার বলেন যে, যদি এই পদ্ধতিটি একদিন সমস্ত রোগের ক্ষেত্রে প্রয়োগ করা যায়, তবে এটি নতুন ওষুধ বাজারে আসার সময়কে উল্লেখযোগ্যভাবে কমিয়ে আনতে পারে।