மருந்து தயாரிக்க புது AI கமிட்டி: CDSCO எடுத்த அதிரடி முடிவு!

என்ன நடந்தது?#

நம்ம ஊர்ல பக்கத்துல இருக்கிற மெடிக்கல் ஷாப்பிலோ இல்ல Tata 1mg, Apollo Pharmacy App-லயோ தலைவலிக்கு ஒரு மாத்திரை வாங்குறோம்னு வச்சுப்போம். அந்த மாத்திரை நம்ம கைக்கு வர்றதுக்கு முன்னாடி என்னென்ன நடக்கும்னு யோசிச்சிருக்கீங்களா? விஞ்ஞானிகள் லேப்ல பல வருஷம் ஆராய்ச்சி பண்ணி, விலங்குகள் மற்றும் மனிதர்கள்கிட்ட பல கட்ட கிளினிக்கல் சோதனைகள் நடத்தி, அரசு அனுமதி வாங்கிய பிறகுதான் அது விற்பனைக்கே வரும்.

சாதாரணமாக ஒரு புதிய நோய்க்கான மருந்தை லேப்ல இருந்து மார்க்கெட்டுக்குக் கொண்டு வர 10 முதல் 15 ஆண்டுகள் வரை பிடிக்கும். இதற்காக பல நூறு கோடி ரூபாய் செலவும் ஆகும். ஆனா இப்போ டெக்னாலஜி உலகம் வேற லெவல்ல போயிட்டு இருக்கு. பல வருஷம் இழுத்தடிக்கும் இந்த மூலக்கூறு ஆராய்ச்சிகளை, நவீன AI மாடல்கள் வெறும் சில வாரங்கள்லயே கணிச்சு சொல்லிடுது.

இந்த அபாரமான மாற்றத்தை முறைப்படுத்த இந்திய அரசு இப்போ ஒரு முக்கியமான முடிவை எடுத்திருக்கு. இந்தியாவின் தலைமை மருந்து தரக் கட்டுப்பாட்டு அமைப்பான CDSCO (Central Drugs Standard Control Organisation), மருந்து தயாரிப்பில் AI பயன்பாட்டை நெறிப்படுத்த ஒரு தனி நிபுணர் குழுவை அதிகாரப்பூர்வமாக அமைத்திருக்கிறது. மருந்து தயாரிப்பில் AI மாடல்களை எப்படி பரிசோதிக்க வேண்டும், அவற்றுக்கு எப்படி அரசு தரப்பில் அனுமதி தர வேண்டும் என்பதற்கான சட்ட திட்டங்களை இந்தக் குழு வகுக்கப் போகிறது.

இது எப்படி வேலை செய்யும்?#

ஒரு புதிய நோய்க்கான மருந்தை உருவாக்க விஞ்ஞானிகள் லேப்ல பல லட்சம் கெமிக்கல் மூலக்கூறுகளை (Chemical Molecules) ஒண்ணோட ஒண்ணு சேர்த்து டெஸ்ட் பண்ணுவாங்க. இதுல எக்கச்சக்க பணமும் பல ஆண்டுகால மனித உழைப்பும் செலவாகும். பல சோதனைகள் கடைசியில தோல்வியில்தான் முடியும்.

அதாவது, ஒரு பெரிய நூலகத்துல லட்சக்கணக்கான புத்தகங்கள் அடுக்கி வைக்கப்பட்டிருக்கு. அதுல நமக்குத் தேவையான ஒரே ஒரு குறிப்பிட்ட வரியைத் தேடிக் கண்டுபிடிக்க பல மாதங்கள் ஆகுதுன்னு வச்சுப்போம். அதே வேலையை ஒரு நிமிஷத்துல கம்ப்யூட்டர் சர்ச் பண்ணி எடுத்துக் கொடுத்தா எப்படி இருக்கும்? அதுபோலத்தான் இப்போ AI வேலை செய்யுது.

உதாரணமாக, ஒரு புதிய வைரஸ் அல்லது கேன்சர் செல்களை அழிக்க எந்த கெமிக்கல் ஃபார்முலா சரியா வேலை செய்யும்னு AI அல்காரிதம் சில மணி நேரங்கள்லயே சிமுலேஷன் (Simulation) மூலமாக கணிச்சு சொல்லிடும். கம்ப்யூட்டர் ஸ்கிரீன்லயே 3D வடிவுல அந்த மருந்து எப்படி வேலை செய்யும்னு காட்டிடும். இதனால விஞ்ஞானிகளுக்கு பல ஆண்டுகால நேரமும், மருந்து கம்பெனிகளுக்கு கோடிக்கணக்கான ரூபாய் செலவும் மிச்சமாகுது.

ஆனா இங்கதான் ஒரு பெரிய டெக்னாலஜி சவால் ஒளிஞ்சிருக்கு. லேப்ல வழக்கமா டெஸ்ட் பண்ணும்போது கெமிக்கல் ஃபார்முலா மற்றும் ரத்தப் பரிசோதனை முடிவுகள் நேரடி ஆதாரமா இருக்கும். ஆனா AI ஒரு குறிப்பிட்ட மூலக்கூறை 'இதுதான் சரியான மருந்து'னு சொல்லும்போது, அது எந்தக் காரணத்தால அப்படி முடிவு பண்ணுச்சுன்னு 100% துல்லியமா மனிதர்களால் புரிஞ்சுக்க முடியாது. இத டெக்னாலஜி உலகத்துல 'Black Box AI' பிரச்சனைனு சொல்லுவாங்க.

மருந்து விஷயத்துல மனித உயிர்கள் அடங்கியிருப்பதால், கண்ணை மூடிக்கிட்டு AI சொன்னதை நம்பிவிட முடியாது. அதனால்தான் CDSCO அமைத்திருக்கும் இந்த நிபுணர் குழு, AI சொல்லும் முடிவுகளை எப்படி மனித மருத்துவர்கள் சரிபார்க்க வேண்டும், எந்தெந்த சோதனைகளை கட்டாயமாக்க வேண்டும் என்ற நெறிமுறைகளை உருவாக்கவுள்ளது.

இந்தியாவுல / நம்ம Phone-ல என்ன மாறும்?#

இந்த முடிவு சாதாரண இந்திய மக்களுக்கு என்ன நன்மைகளைத் தரும்னு நீங்க யோசிக்கலாம். முதல் விஷயம், மருந்துகளின் விலை கணிசமாகக் குறையும். ஒரு புதிய மருந்தை உருவாக்க மருந்து நிறுவனங்கள் செலவழிக்கும் ஆயிரக்கணக்கான கோடி ரூபாய்தான் இறுதியில் மருந்துகளின் விலையில் சேர்க்கப்படுகிறது. AI பயன்பாட்டால் ஆராய்ச்சிச் செலவு குறையும்போது, கேன்சர் போன்ற கொடிய நோய்களுக்கான உயிர்காக்கும் மருந்துகளின் விலை பாதியாகக் குறைய வாய்ப்புள்ளது.

இரண்டாவது விஷயம், இந்தியாவில் பரவும் அரிய வகை நோய்களுக்கு மிக வேகமாகக் குறைந்த விலையில் மருந்துகள் கிடைக்கும். வெளிநாட்டு கம்பெனிகளை மட்டுமே நம்பியிருக்காமல், நம் நாட்டு ஆராய்ச்சியாளர்களே சொந்தமாக புதிய மருந்துகளை விரைவாக உருவாக்க முடியும்.

அதேநேரம் நம்முடைய தனிநபர் மருத்துவத் தரவுகள் (Patient Data Privacy) பாதுகாக்கப்படுவதும் இதில் மிக முக்கியம். AI மாடல்களுக்குப் பயிற்சி அளிக்க நோயாளிகளின் எக்ஸ்-ரே, ஸ்கேன் ரிப்போர்ட் மற்றும் மருத்துவ விவரங்கள் பயன்படுத்தப்படும்போது, அவை திருடப்படாமல் இருக்க CDSCO கடுமையான விதிமுறைகளைக் கொண்டு வரவுள்ளது.

நீங்க இப்போ என்ன பண்ணுங்க?#

இப்போதைக்கு சாதாரண மக்களாகிய நாம பயப்பட வேண்டிய அவசியம் எதுவும் இல்லை. AI தானாகவே மருந்துகளைத் தயாரித்து நேரடியாக உங்கள் வீட்டுக்கு அனுப்பிவிடாது. AI பரிந்துரைக்கும் எந்த ஒரு மருந்தாக இருந்தாலும், அது வழக்கம் போல பல கட்ட மனிதப் பரிசோதனைகள் மற்றும் இந்திய அரசின் கடுமையான தரக் கட்டுப்பாட்டுப் பரிசோதனைகளைக் கடந்த பிறகுதான் விற்பனைக்கு வரும்.

ஆன்லைன் மெடிக்கல் ஆப்ஸ்களிலோ அல்லது மருந்தகங்களிலோ மருந்து வாங்கும்போது, மருத்துவரின் பரிந்துரைச் சீட்டு (Doctor's Prescription) இல்லாமல் சுயமாக எந்தப் புதிய ஆன்டிபயாடிக் அல்லது வீரியமிக்க மருந்துகளையும் உட்கொள்ளாதீர்கள். மருந்துத் துறையில் டெக்னாலஜி வளர்வது நல்வாழ்விற்கான மிகப்பெரிய வரப்பிரசாதம், ஆனால் அதை அரசு பாதுகாப்பாக முறைப்படுத்துவது அதைவிட முக்கியம்.

பொதுவாக மக்கள் செய்யும் தவறுகள் என்ன?#

AI மருந்து ஆராய்ச்சினு சொன்னாலே பலரும் இரண்டு தவறான யோசனைக்குள்ள விழுறாங்க. முதல்ல, 'AI உருவாக்கிய மருந்துனா உடனே கடைல கிடைச்சுடும்'னு நினைக்கிறாங்க. உண்மை அப்படி இல்ல. AI molecule design-ஐ வேகமாக்கும்; ஆனா animal testing, Phase 1–3 human clinical trials, CDSCO தரப் பரிசோதனை எல்லாம் இன்னும் கட்டாயம். இரண்டாவது தவறு, YouTube-லயோ WhatsApp forward-லயோ வர 'AI miracle tablet' விளம்பரங்களை நம்பி, prescription இல்லாம வாங்கி சாப்பிடுறது. இது dangerous side effects-ஐ ஏற்படுத்தலாம்; அரசு அனுமதி இல்லாத எந்த மாத்திரையும் நம்ம ஊர் Apollo Pharmacy இல்ல 1mg-ல சட்டப்படி விற்கப்படாது.

மூன்றாவது common mistake, வெளிநாட்டு genetic dataset-ல train ஆன AI model இந்திய / தமிழக நோயாளிகளுக்கும் same accuracy-ல வேலை செய்யும்னு நம்புறது. South Asian genetic diversity, உணவு பழக்கம், diabetes-hypertension mix வேற மாதிரி இருக்கலாம். அதனால algorithmic bias வர வாய்ப்பு இருக்கு. நான்காவது, hospital scan report-ஐ unknown app-ல upload பண்ணி 'AI drug suggestion' வாங்குறது — patient data privacy உடைஞ்சு போகலாம். CDSCO panel இப்படிப்பட்ட liability, bias, privacy கேள்விகளுக்கான guidelines எழுதப்போகுது; அது வரை self-medication மற்றும் unverified AI health advice-ஐ தவிர்ப்பதுதான் பாதுகாப்பான அணுகுமுறை.

அடுத்தடுத்து என்ன நடக்கும்? தமிழக Daily Life-ல எப்படி தெரியும்?#

Step-by-step-ஆ பார்த்தா, முதல் கட்டம் expert committee AI models-ஐ எப்படி document பண்ணணும், validation metrics என்ன, clinical trial application-ல algorithm reasoning-ஐ எவ்வளவு open-ஆ காட்டணும்னு framework போடும். அடுத்த கட்டம் pharma companies pilot submissions கொடுக்கும்; inspectors lab purity report மட்டும் பாக்காம, model training data quality மற்றும் bias checks-ஐயும் பார்ப்பாங்க. அப்புறம் guidance document / draft rules public comment-க்கு வரலாம். இதெல்லாம் overnight ஆகாது — traditional Drugs and Cosmetics Act physical chemistry-க்கு எழுதப்பட்டது; software-invented molecules-க்கு புது playbook தேவை.

தமிழ்நாட்டு daily life example சொல்லணும்னா: Chennai-ல IT park-ல வேலை பாக்கிற ஒருத்தருக்கு rare autoimmune condition இருந்து, இப்போ imported costly medicine-தான் option. AI discovery cycle சுருங்கினா, Indian labs local genetic patterns-ஐ யோசிச்சு candidate molecules வேகமா design பண்ணலாம்; அதனால எதிர்காலத்துல government hospital pharmacy / Jan Aushadhi side-லயும் புது treatment options earlier-ஆ வர வாய்ப்பு. Madurai இல்ல Coimbatore small clinic-ல doctor prescription எழுதும்போது, package insert-ல trial data reference தெளிவா இருக்கும்; patient-ஆ நீங்க 'இது AI suggest பண்ணிச்சு'னு மட்டும் கேக்காம, CDSCO approval mark மற்றும் doctor advice-ஐ confirm பண்ணுங்க.

Comparison-ஆ பார்த்தா, முன்னைப்போல 10–15 வருஷ trial-and-error chemistry மட்டும் இல்ல; computer simulation hours-ல high-probability candidates கொடுக்கும். ஆனா expectation manage பண்ணணும் — விலை 'அடுத்த மாசம் பாதி' ஆகிடாது; research cost குறையும்போது long-term-ல cancer போன்ற critical drugs affordable-ஆக வாய்ப்பு. Liability யாரு மேல — software vendor-ஆ, pharma company-யா, doctor-ஆ —ன்னு panel clarify பண்ணும் வரை, நீங்க trusted hospital, licensed pharmacy, proper prescription மூலமா மட்டுமே புது medicines எடுங்க. Tech வளர்ச்சி நல்லது; regulated path-ல வரட்டும்னு காத்து, fake AI-cure ads-ஐ share பண்ணாதீங்க.