যখন AI আশা আনে: একটি ক্যান্সারের গল্প চিকিৎসার ভবিষ্যৎ সম্পর্কে কী দেখায়

আজ যারা AI সংক্রান্ত খবর অনুসরণ করেন, তারা মূলত দুই ধরনের শিরোনামই বেশি দেখেন: চাকরি হারানোর ভয় এবং অপব্যবহারের ভয়। ডিপফেক, নিরাপত্তা ত্রুটি, গণছাঁটাই, নজরদারি, প্রভাব খাটানো। এসবের অনেকটাই বাস্তব এবং মনোযোগ পাওয়ার যোগ্য। কিন্তু ঠিক সেই কারণেই আরেকটি বিষয় প্রায় আড়ালে চলে যায়: একই প্রযুক্তি জ্ঞানকে ঘনীভূত করতে পারে, ঘর্ষণ কমাতে পারে, এবং কিছু ক্ষেত্রে মানুষকে সেই সময়টুকু ফেরত দিতে পারে যা তাদের সবচেয়ে বেশি দরকার।

আমি এই ব্লগে আগেই আরেকটি লেখায় লিখেছি, এখন সবকিছু কত দ্রুত বদলে যাচ্ছে। এই লেখাটি যেন তার চিকিৎসাবিষয়ক উল্টো পিঠ: কম বাজার, কম হাইপ, বেশি মানুষ।

OpenAI Forum-এর একটি গল্প ঠিক এমনই একটি উদাহরণ। এটি আবেগ-নির্ভর রূপকথা নয়, সহজও নয়, আর কোনোভাবেই অলৌকিক নিরাময়ের প্রতিশ্রুতিও নয়। কিন্তু এটি এমন কিছু দেখায়, যেটা আমরা ভবিষ্যতে আরও অনেক বেশি শুনব, শুধু মিলিয়নেয়ারদের কাছ থেকে নয়।

সংক্ষেপে:

• এই ক্ষেত্রে AI কোনো ডাক্তারকে প্রতিস্থাপন করেনি, বরং বিশ্লেষণ, গবেষণা এবং সমন্বয়কে অনেক দ্রুত করেছে।
• আজও এমন পথ খুব অসমভাবে বণ্টিত, কারণ এর জন্য অর্থ, সময়, যোগাযোগ এবং চিকিৎসাবিজ্ঞানে গভীরভাবে ঢোকার মানসিক শক্তি লাগে।
• কিন্তু অনেক বড় প্রযুক্তিই এভাবেই শুরু হয়, তারপর একসময় অনেক বেশি মানুষের জন্য স্বাভাবিক হয়ে ওঠে।

যারা আসল উপস্থাপনাটি দেখতে চান, তাদের জন্য সেটি এখানে সরাসরি এমবেড করা আছে:

এমন একটি গল্প, যা সহজেই চোখ এড়িয়ে যেতে পারে

গল্পের কেন্দ্রে আছেন GitLab-এর সহ-প্রতিষ্ঠাতা Sid Sijbrandij। তার Osteosarcoma ধরা পড়ে, যা এক ধরনের বিরল ও অত্যন্ত আক্রমণাত্মক হাড়ের ক্যান্সার। Forum-এ তিনি খুব খোলামেলাভাবে বলেছেন, প্রচলিত চিকিৎসা কতটা নির্মম ছিল: অস্ত্রোপচার, মেরুদণ্ডে ফিউশন, রেডিয়েশন, কেমোথেরাপি, রক্ত সঞ্চালন, এবং শারীরিকভাবে প্রায় সম্পূর্ণ ভেঙে পড়া। অনেক মানুষের জন্য শুধু এটুকুই জীবনকে পুরো বদলে দেওয়ার মতো।

তার জন্য একটি গুরুত্বপূর্ণ প্রাথমিক মোড় ছিল তথাকথিত Click Chemistry, অর্থাৎ নোবেলজয়ী সেই পদ্ধতি যার মাধ্যমে কিছু ওষুধ বা অণুকে অত্যন্ত নির্দিষ্টভাবে একত্র করা যায়। Sid-এর কাছে এটি শুধু বৈজ্ঞানিকভাবে আকর্ষণীয় ছিল না, মানসিকভাবেও খুব গুরুত্বপূর্ণ ছিল, কারণ তিনি বুঝতে পেরেছিলেন যে চিকিৎসা সবসময়ই কেবল বড় বড় স্ট্যান্ডার্ড স্টাডির মধ্যে সীমাবদ্ধ নয়। Single-Patient IND-এর মতো পথের মাধ্যমে চরম পরিস্থিতিতে অত্যন্ত ব্যক্তিকেন্দ্রিক চিকিৎসার জন্যও বৈধ ও আনুষ্ঠানিক রাস্তা থাকতে পারে।

এরপর আসে আরও কঠিন অংশ: ক্যান্সার ফিরে আসে। প্রতিষ্ঠিত স্ট্যান্ডার্ড বিকল্প প্রায় ফুরিয়ে যায়। কোনো পরিষ্কার চিকিৎসা-পাইপলাইন নেই। কোনো সহজ পরবর্তী ধাপ নেই। কোনো “এখন আমরা থেরাপি বি করব” ধরনের আরামদায়ক মুহূর্ত নেই। আর ঠিক এই জায়গাতেই নতুন সময়ের একটি গুরুত্বপূর্ণ চিত্র দেখা যায়: তিনি নিজের দিনের চাকরি ছেড়ে তথাকথিত Founder Mode-এ যান, তবে কোনো স্টার্টআপের জন্য নয়, নিজের বেঁচে থাকার জন্য।

প্রথমে শুনতে ব্যাপারটা প্রায় অদ্ভুত লাগে। এক টেক ফাউন্ডার হঠাৎ ক্যান্সারকে ইঞ্জিনিয়ারিং সমস্যার মতো দেখতে শুরু করেন। আর সত্যি বলতে, আমার প্রথম প্রতিক্রিয়াও হতো সংশয়। চিকিৎসাবিজ্ঞান কোনো SaaS প্রোডাক্ট নয়। একটি চ্যাটবট কোনো অনকোলজিস্ট নয়। একটি API কল কোনো থেরাপি নয়।

তবু এই গল্পকে শুধুই Silicon Valley-এর ব্যতিক্রমী ঘটনা বলে উড়িয়ে দেওয়া খুব সহজ হয়ে যাবে। কারণ এখানে যা দেখা যায়, তা “ChatGPT দিয়ে অলৌকিক নিরাময়” নয়, বরং চিকিৎসায় কাজের এক নতুন ধরন: আরও বেশি ডেটা, আরও ভালো প্যাটার্ন শনাক্তকরণ, আরও বেশি সমান্তরালতা, দ্রুততর হাইপোথিসিস, ভালো প্রশ্ন, আর নির্ণয় ও সিদ্ধান্তের মধ্যে ছোট হয়ে আসা দূরত্ব।

এই ক্ষেত্রে AI আসলে কী করেছে

সবচেয়ে গুরুত্বপূর্ণ কথা আগে: AI ক্যান্সার সারিয়ে তোলেনি। এভাবে বলা বিপজ্জনক সরলীকরণ হবে। এখানে সহায়তা এসেছে অনেক কিছুর সমন্বয় থেকে: ডায়াগনস্টিকস, বিশেষজ্ঞ, পরীক্ষামূলক চিকিৎসা, ক্লিনিক্যাল অভিজ্ঞতা, ব্যক্তিগত অধ্যবসায়, আর AI একটি ত্বরক হিসেবে।

উপস্থাপনায় Sid Sijbrandij এবং জেনেটিসিস্ট Jacob Stern ব্যাখ্যা করেন যে তারা Sids ক্যান্সার সম্পর্কে প্রায় ২৫ টেরাবাইট ডেটা সংগ্রহ করেছিলেন। এর মধ্যে single-cell sequencing-ও ছিল। শুধু এই পরিমাণটুকুই অনেক কিছু বলে দেয়: এটি এমন জটিলতা, যা কোনো একক মানুষ সহজে সম্পূর্ণ পড়তে পারে না। আর ঠিক এখানেই AI তার প্রকৃত শক্তি দেখায়।

কিছু নির্দিষ্ট উদাহরণ:

• AI ব্যবহার করা হয়েছে বৈজ্ঞানিক সাহিত্য খুব দ্রুত ছেঁকে দেখা, তুলনা করা এবং অগ্রাধিকার নির্ধারণের জন্য।
• RNA sequencing datasets এবং CSV exports-এর ভিত্তিতে সম্ভাব্য targets খুব দ্রুত সামনে আনা সম্ভব হয়েছে।
• Jacob Stern বলেছেন, কখনও কখনও প্রায় ২০ ডলার API খরচ এবং প্রায় ৩০ মিনিটের কাজ দিয়ে এমন বিশ্লেষণ করা গেছে, যা আগে অনেক বেশি ব্যয়বহুল, ধীর বা বিশেষজ্ঞ-নির্ভর ছিল।
• AI hypotheses তৈরি, পরীক্ষা এবং দ্রুত বাদ দেওয়ার গতি বাড়িয়েছে, অর্থাৎ এক ধরনের দ্রুত biomedical iteration তৈরি করেছে।

আমার কাছে সবচেয়ে শক্তিশালী উদাহরণ হলো Penexin 3। Stern ব্যাখ্যা করেছেন, এই protein Sids ক্যান্সার কোষে সুস্থ টিস্যুর তুলনায় প্রায় ১০,০০০ গুণ বেশি দেখা গিয়েছিল। তবু এটি দীর্ঘদিন অবহেলিত ছিল, কারণ এটি hydrophobic এবং প্রচলিত workflows-এ ভালোভাবে সামনে আসে না। এখানেই AI-এর বিশেষ শক্তি স্পষ্ট: এটি সবসময় নতুন জীববিজ্ঞান তৈরি করে না, কিন্তু “খড়ের গাদায় সূচ” খুঁজে পাওয়ার কাজকে অনেক দ্রুত করতে পারে।

আরেকটি গুরুত্বপূর্ণ বিষয় হলো, এটি শুধু data dump ছিল না। ডেটা থেকে hypothesis বেরিয়েছে, hypothesis থেকে therapeutic options এসেছে, আর চিকিৎসার সম্ভাব্য পথ শূন্য থেকে ৩০টিরও বেশি বিকল্পে পৌঁছেছে। ঠিক এখানেই AI-কে আমি বিশেষভাবে শক্তিশালী মনে করি: জটিলতা কমে না, কিন্তু তা অনেক বেশি ব্যবহারযোগ্য হয়ে ওঠে।

আজও এই পথ কেন খুব অল্প মানুষের জন্য খোলা

এখানে আমাদের সৎ থাকতে হবে। এমন গল্প অনুপ্রেরণাদায়ক ঠিকই, কিন্তু এটি ন্যায়সঙ্গত বাস্তবতার প্রতিচ্ছবি নয়। Sid-এর কাছে সম্পদ ছিল। নেটওয়ার্ক ছিল। সময় বের করার সুযোগ ছিল। তিনি নিজেকে পুরো সময় এই কাজে উৎসর্গ করতে পেরেছিলেন। পৃথিবীর অধিকাংশ মানুষ তা পারে না।

এটি শুধু অর্থের প্রশ্নও নয়। এটি শক্তি, জ্ঞান, ভাষা, পরিচিতি, বিশেষজ্ঞদের কাছে পৌঁছানো, এবং ব্যক্তিগতভাবে টিকে থাকার সক্ষমতার বিষয়ও। যে ব্যক্তি চিকিৎসার মধ্যেই শারীরিক ও মানসিকভাবে ভেঙে পড়েছে, সে হয়তো ২৫ টেরাবাইট ডেটা, regulatory pathways, targeted therapy ideas এবং molecular targets নিয়ে এভাবে কাজই করতে পারবে না।

এ কারণেই আমি এই গল্পকে template হিসেবে দেখি না। প্রত্যেক রোগীকে “নিজের startup mode” চালু করতে হবে, এমন সিদ্ধান্ত সম্পূর্ণ ভুল হবে। অসুস্থতার মাঝখানে “নিজেকেই নিজের research team বানাও” কোনো সামাজিক মডেল হতে পারে না।

কিন্তু উল্টো সিদ্ধান্তটাও ভুল হবে: আজ এই পথ কঠিন ও অসম বলে এর কোনো ভবিষ্যৎ নেই। প্রযুক্তির ইতিহাস সাধারণত উল্টো কথা বলে।

তবুও কেন এটি শুধু মিলিয়নেয়ারদের গল্প নয়

প্রায় সব বড় প্রযুক্তির শুরুতেই বৈষম্য থাকে।

একসময় ব্যক্তিগত স্নানঘর বা গরম পানির সুবিধা শুধু রাজা, অভিজাত বা ধনী পরিবারের জন্য ছিল। আজ তা দৈনন্দিন জীবনের স্বাভাবিক অংশ।

একসময় বিদ্যুতের আলো কোনো সাধারণ অবকাঠামো ছিল না, বরং ছিল এক ধরনের বিলাসিতা। পরে সেটাই পুরো বিশ্বের ভিত্তি হয়ে দাঁড়ায়।

একসময় বিমানযাত্রা ছিল অত্যন্ত ব্যয়বহুল, এক্সক্লুসিভ এবং প্রায় এলিট অভিজ্ঞতা। আজ তা বিশ্বের বহু মানুষের জন্য স্বাভাবিক যাতায়াতের অংশ।

Genome sequencing-এর কথাই ধরা যাক। Human Genome Project ছিল বিলিয়ন ডলারের, বহু বছরের এবং বিশাল আন্তর্জাতিক গবেষণা-অবকাঠামোর একটি প্রকল্প। আজ sequencing-এর খরচ ব্যাপকভাবে কমেছে এবং অনেক বেশি প্রতিষ্ঠানের নাগালের মধ্যে এসেছে।

প্রযুক্তি এভাবেই স্কেল করে। আগে ধীরে। তারপর হঠাৎ।

আজ personalized, AI-assisted medicine এখনও ব্যয়বহুল, খণ্ডিত এবং অনেক সময় ব্যতিক্রমী চিকিৎসা বলে মনে হয়। কিন্তু যদি models আরও ভালো হয়, interfaces সহজ হয়, diagnostic pipelines মানসম্মত হয় এবং regulatory পথ আরও বাস্তবসম্মত হয়, তাহলে এগুলো ধীরে ধীরে সাধারণ চিকিৎসা ব্যবস্থায় ঢুকে পড়বে।

হয়তো ভবিষ্যতে সবাই নিজের ব্যক্তিগত molecular taskforce চালাতে পারবে না। কিন্তু খুবই সম্ভব যে হাসপাতাল, গবেষণা কেন্দ্র বা অনকোলজিস্টদের কাছে এমন system থাকবে, যা rare markers স্বয়ংক্রিয়ভাবে সামনে আনবে, নতুন studies প্রসঙ্গসহ সংক্ষিপ্ত করবে, এবং ব্যক্তিগত রোগীর জন্য আরও সঠিক প্রশ্ন সাজেস্ট করবে।

এই গল্পে আমি কেন আশা দেখি

এই গল্পে আমাকে সবচেয়ে বেশি মুগ্ধ করে, এটি কোনো অলৌকিকতায় নয়, বরং ঘনীভবনে ভর করে।

এখানে AI ঘনীভূত করেছে:

• বিশেষজ্ঞ সাহিত্য
• diagnostics
• pattern recognition
• disciplines-এর মধ্যে communication
• rare cases-কে খুব দ্রুত ছেড়ে না দেওয়ার ক্ষমতা

আর চিকিৎসায় এটাই ভীষণ মূল্যবান। কারণ rare diseases আর unusual clinical courses প্রায়ই তথ্যের অভাবে হারায় না, হারায় কারণ কেউ সবকিছু অর্থপূর্ণভাবে এক জায়গায় টেনে আনার সময় পায় না।

যদি হাজার হাজার পৃষ্ঠার medical history, lab values, scans, RNA data এবং studies মিলিয়ে এমন একটি working model তৈরি করা যায় যেটা দিয়ে কাজ করা সম্ভব, তাহলে তা শুধু ধনী ব্যক্তিদের জন্যই গুরুত্বপূর্ণ নয়। এটি এমন এক চিকিৎসাব্যবস্থার আভাস, যা ভবিষ্যতে আরও নির্ভুল, আরও ব্যক্তিকেন্দ্রিক এবং আশা করি আরও ন্যায্য হতে পারে।

আজ যা ব্যতিক্রমী চিকিৎসা বলে মনে হচ্ছে, কাল তা কিছুটা নরম সংস্করণে স্ট্যান্ডার্ড হয়ে যেতে পারে:

• এমন একটি system যা rare markers স্বয়ংক্রিয়ভাবে highlight করে
• এমন একটি assistant যা ডাক্তার ও রোগীর জন্য relevant studies আগে থেকেই বেছে দেয়
• এমন একটি tool যা সম্ভাব্য treatment paths এবং side-effect profiles আরও স্বচ্ছভাবে দেখায়
• এমন diagnostics যা শুধু standard pathways নয়, individual biology-কেও গুরুত্ব দেয়

আর হ্যাঁ, এ নিয়ে আমরা ভবিষ্যতে আরও অনেক শুনব, শুধু সম্পদশালী founders-এর কাছ থেকে নয়। Tools আরও ভালো হবে। খরচ কমবে। Interfaces সহজ হবে। স্কেলিং সেখান থেকেই শুরু হয়।

আমার উপসংহার

আমি এই গল্পটিকে গুরুত্বপূর্ণ মনে করি, কারণ এটি আমাদের দৃষ্টিকে আবার একটু সোজা করে। AI শুধু ঝুঁকি নয়। শুধু ছাঁটাই নয়। শুধু হাইপ নয়। শুধু নিরাপত্তা-সমস্যাও নয়। এটি এমন একটি tool-ও হতে পারে, যা মানুষকে একটি অসুস্থ, ধীর এবং প্রায়ই অতিভারাক্রান্ত ব্যবস্থার মধ্যে নিজেদের পথ খুঁজে নিতে সাহায্য করে।

অবশ্যই, এর মানে এই নয় যে আমাদের প্রযুক্তি-রোমান্সে ভেসে যেতে হবে। স্বাস্থ্যকর জীবনের ভিত্তি এখনও আশ্চর্যরকম সাধারণ এবং খুবই মানবিক:

• পর্যাপ্ত ঘুম
• নিয়মিত নড়াচড়া
• সঠিক খাবার
• দৈনন্দিন শৃঙ্খলা

এই অংশের বড় অংশ এখনও আমাদের নিজের হাতেই। সেটাই ভিত্তি।

যারা এই বিষয়গুলো নিয়ে আরও ভাবতে চান, তারা ব্লগে আগেই health tracking এবং health data নিয়ে ব্যবহারিক ও ব্যক্তিগত লেখা পাবেন, কিংবা Whoop, recovery, sleep এবং strain নিয়ে।

কিন্তু তার ঠিক পরেই, আমি বিশ্বাস করি, আমাদের AI দরকার হবে। ডাক্তারদের বিকল্প হিসেবে নয়, কোনো জাদুর বোতাম হিসেবে নয়, বরং data, research এবং complexity-এর ওপর একটি দ্বিতীয় intelligence layer হিসেবে।

এবং ঠিক এখানেই Google আমার কাছে গুরুত্বপূর্ণ হয়ে ওঠে। AlphaFold-এর মাধ্যমে Google DeepMind ২০০ মিলিয়নেরও বেশি protein structure-এর পূর্বাভাস উন্মুক্ত করেছে, আর AlphaFold 3-এর মাধ্যমে পরের ধাপ প্রস্তুত করেছে, যেখানে শুধু protein নয়, অন্য molecules-এর সঙ্গে তাদের interaction-ও আরও ভালোভাবে model করা যায়। এটি “সব রোগের ওষুধ” নয়। কিন্তু এটি মৌলিক গবেষণার জন্য এক বিশাল leverage, কারণ এর ফলে biology গবেষকদের কাছে অনেক দ্রুত পাঠযোগ্য হয়ে ওঠে।

তাই আমি আশাবাদী থাকি। সরলভাবে নয়। অন্ধভাবে নয়। কিন্তু আশাবাদী। যদি আমরা lifestyle, prevention, ভালো চিকিৎসা এবং AI-কে পরিষ্কারভাবে একসঙ্গে ভাবতে পারি, তাহলে ভবিষ্যৎ সত্যিই অনেক বেশি মানুষের জন্য আরও বেশি স্বাস্থ্য বয়ে আনতে পারে।

পরবর্তী সময় পর্যন্ত,
Joe