اے آئی کمپنیوں کے اعلانات عموماً نئے ماڈلز کی کارکردگی کے اعداد و شمار کی طرف توجہ دلاتے ہیں۔ لیکن اینتھروپک کے اس اعلان میں کوئی نیا ماڈل شامل نہیں۔ سامنے دو چیزیں آئیں: سائنسدانوں کے لیے ایک ورک بنچ اور ادویات کے امیدوار تلاش کرنے کا ایک اندرونی پروگرام۔ کمپنی خام ذہانت پر نہیں بلکہ اس ذہانت کے استعمال کے طریقے پر مقابلہ کر رہی ہے۔ یہی تنظیمی فیصلہ پڑھنے کے لائق نکتہ ہے۔
01کیا ہوا — ورک بینچ اور دوا کی دریافت کے پروگرام کا بیک وقت آغاز
1 جولائی 2026 کو Anthropic نے محققین اور دواسازی کی صنعت کے لیے باضابطہ طور پر "Claude Science" لانچ کیا۔ TechCrunch نے اسے نئے ماڈل کے بجائے ورک فلو (= کام کے بہاؤ) کے پہلو پر امتیاز پیدا کرنے کی حکمتِ عملی قرار دیا۔ اسی وقت CNBC، Reuters اور Endpoints News نے بائیو فارما کے شعبے میں اندرونی ادویات کی دریافت کے پروگرام کے آغاز کی خبر دی۔ پھر 4 جولائی کو رپورٹ آئی کہ Anthropic ادویات کی تیاری کے کاروبار میں داخل ہونے پر غور کر رہا ہے (The Verge)۔ چند دنوں کے اندر دو اقدامات ساتھ ساتھ سامنے آئے: ٹولز فراہم کرنا، اور براہِ راست شریک کے طور پر داخل ہونے کا امکان۔ اس کے حریف OpenAI نے اسی عرصے میں بائیو اور سائنس کے شعبے کے لیے ایک جانچ کا بینچ مارک "GeneBench-Pro" (= کسی AI کی حیاتیاتی صلاحیتوں کو ناپنے کا پیمانہ) کا اعلان کیا، اور سائنس اگلا بڑا میدانِ مقابلہ بنتی جا رہی ہے۔
02پس منظر — Insilico اور Moderna کا ہموار کردہ راستہ
یہ قدم اچانک سامنے نہیں آیا۔ AI سے دوا کی دریافت کا ایک ریکارڈ پہلے ہی جمع ہو رہا ہے۔ Insilico Medicine (کمپنی کا نام "in silico" (کمپیوٹر پر) سے ماخوذ ہے) کی Rentosertib ادیوپیتھک پلمونری فائبروسس (IPF = ایک لاعلاج بیماری جس میں پھیپھڑے آہستہ آہستہ سخت ہو جاتے ہیں) کا علاج ہے، جس میں ہدف (= جسم میں وہ مالیکیول جس پر دوا اثر کرتی ہے) کی تلاش سے لے کر امیدوار مالیکیولز کے ڈیزائن تک سب کچھ AI نے سنبھالا۔ اس نے 2026 کے اوائل میں Phase IIa (= درمیانے مرحلے کی کلینیکل ٹرائل جو مریضوں میں افادیت کی پہلی بار تصدیق کرتی ہے) مکمل کیا۔ اسے ان ابتدائی مثالوں میں شمار کیا جاتا ہے جن میں AI تلاش سے ڈیزائن تک شامل رہ کر اس مرحلے تک پہنچا۔ اب یہ Phase III (= منظوری سے پہلے کی بڑے پیمانے کی ٹرائل) کی تیاری میں داخل ہو رہا ہے۔ ادھر Moderna نے 2024 سے پوری کمپنی کی سطح پر OpenAI کے ساتھ شراکت کی ہے اور اندرونی کارروائیوں میں AI کو مکمل طور پر تعینات کرنے کی ابتدائی مثال کے طور پر جانی جاتی ہے۔ ہدف کی تلاش سنبھالنے والا AI، اور AI کو پوری کارپوریٹ کارروائی میں گھول دینے والا استعمال — یہ دونوں دھارے موجودہ مرحلے کی بنیاد بناتے ہیں۔
03اعداد و شمار ہماری موجودہ پوزیشن کے بارے میں کیا بتاتے ہیں، اور انہیں کیسے پڑھا جائے
اے آئی کے ذریعے دوا کی دریافت اب کوئی غیر معمولی کوشش نہیں رہی۔ بتایا جاتا ہے کہ 173 سے زائد اے آئی سے حاصل کردہ امیدوار ادویات کلینیکل ٹرائلز میں ہیں (البتہ یہ نوٹ کریں کہ "اے آئی سے حاصل کردہ" کی تعریف — یعنی عمل کے کس مرحلے میں اے آئی شامل تھا — یکساں نہیں ہے)۔ ابتدائی فیز I (= وہ پہلا ٹرائل جس میں دوا پہلی بار انسانوں کو دی جاتی ہے) میں کامیابی کی شرح 80–90% تک پہنچنے کی اطلاع ہے، جو روایتی تقریباً 52% سے زیادہ ہے۔ پھر بھی ان اعداد و شمار کو احتیاط سے پڑھنے کی ضرورت ہے۔ شمار کے لیے استعمال ہونے والا نمونہ چھوٹا ہے، اور تصویر اس بات پر منحصر ہو کر بدلتی ہے کہ کن فیزز کا موازنہ کیا جائے۔ اس کے علاوہ، دوا کی دریافت میں اصل دروازہ حفاظت کو جانچنے والے فیز I میں نہیں بلکہ افادیت کو پرکھنے والے فیز II میں ہے۔ یہ سمجھنا مناسب ہے کہ اے آئی سے ڈیزائن کردہ مالیکیولز کا فیز II میں روایتی طریقوں سے واضح طور پر بہتر کارکردگی دکھانے کا ریکارڈ ابھی محدود ہے۔ زیادہ کامیابی کی شرح میں صرف اے آئی کی ڈیزائن کی صلاحیت ہی نہیں بلکہ اہداف کا قدامت پسندانہ انتخاب بھی شامل ہے، جس سے پہلے سے تصدیق شدہ اہداف چننا آسان ہو جاتا ہے۔ اے آئی سے مخصوص حصے کو اس سے الگ کرنے کی ضرورت ہے۔ تکنیکی بنیاد یقیناً وسیع ہوئی ہے۔ AlphaFold3 (گوگل ڈیپ مائنڈ اور Isomorphic Labs کا تیار کردہ پروٹین کی ساخت کی پیش گوئی کرنے والا اے آئی) نے دوا اور اس کے ہدف کے درمیان بائنڈنگ کی پیش گوئی کو بہت تیز کر دیا۔ کمپنیوں کے باہم جڑنے کے طریقے بھی مختلف ہیں۔ Bayer × Cradle (ایک اے آئی کمپنی) اور Eli Lilly × NVIDIA جیسی کمپنیوں کے درمیان شراکتیں ہیں، اور شراکت سے مختلف نوعیت کے اقدامات بھی ہیں، جیسے Pfizer کا Boltz کو اپنے اندر شامل کرنا، جسے اوپن سورس بتایا جانے والا ساخت کی پیش گوئی کا ماڈل کہا گیا ہے۔ 2025 میں Recursion نے Exscientia کو حاصل کر لیا۔ لیکن اس انضمام کو رفتار کے ثبوت کے بجائے کلینیکل ناکامیوں اور فنڈنگ کی مشکل کے تحت صنعت کی تنظیمِ نو اور بچاؤ کے طور پر زیادہ پڑھا جاتا ہے۔ اسے اے آئی کے ذریعے دوا کی دریافت کو ایک خودمختار کاروبار کے طور پر قابلِ عمل بنانے کی مشکل کی علامت بھی سمجھا جا سکتا ہے۔
04اب کیوں — ساختی دباؤ اور بورڈ کا اقدام
دواساز صنعت شدید دباؤ میں ہے۔ ایک نئی دوا تیار کرنے کی لاگت 20 سال میں $1 ارب سے بڑھ کر $2–3 ارب ہو گئی ہے۔ اس کے اوپر، 2025–2030 پیٹنٹ کلف کے ساتھ ہم وقت ہے (= وہ مدت جب سرکردہ ادویات کے پیٹنٹ بڑی تعداد میں ختم ہوتے ہیں اور فروخت تیزی سے گر جاتی ہے)۔ لاگت بڑھ رہی ہے، اور کمائی کے ستون ختم ہو رہے ہیں۔ تاہم AI جو چیز مختصر کر سکتا ہے وہ بنیادی طور پر تلاش اور پری کلینیکل مراحل ہیں۔ ترقی کی لاگت کا بڑا حصہ بڑے پیمانے کے کلینیکل ٹرائلز پر خرچ ہوتا ہے، اور AI ان پر براہِ راست اثر نہیں ڈالتا۔ کل ترقیاتی لاگت پر اس کے فوری اثر کو محدود سمجھنا چاہیے۔ وقت کے محور پر بھی عدم مطابقت ہے۔ آج AI سے ملنے والا امیدوار زیادہ سے زیادہ جلد اگلی دہائی کے نصف آخر یا اس کے بعد منظوری تک پہنچے گا، اور 2025–2030 کی قریب آتی کلف کو براہِ راست نہیں بچاتا۔ توقع کا اصل مغز اگلی نسل کی پائپ لائن (= زیرِ تکمیل ادویات کا گروپ) کو مضبوط بنانے میں ہے۔ یہاں Anthropic کا اپنا قدم بھی اس سے جڑتا ہے۔ اپریل 2026 میں Novartis کے CEO Vas Narasimhan (پس منظر کے لحاظ سے معالج، 35 سے زائد نئی ادویات کی تیاری میں شامل) Anthropic کے بورڈ رکن بن گئے۔ تقرری کرنے والا ادارہ Long-Term Benefit Trust (LTBT = Anthropic کا اپنا نگران ادارہ جو شیئر ہولڈرز کے مفادات پر انسانیت کے طویل مدتی فائدے کو ترجیح دیتا ہے) تھا۔ یہ ٹرسٹ بورڈ ارکان کو نامزد کرنے کا اختیار رکھتا ہے، اور اس تقرری کے ساتھ ٹرسٹ کے نامزد کردہ ارکان بورڈ کی اکثریت سے بڑھ گئے۔ تفصیلی کوریج ایک پچھلی رپورٹ کے لیے چھوڑی گئی ہے (/journal/novartis-anthropic-board.html)، لیکن دوا کی دریافت کے شریک کو گورننس ڈھانچے کے مرکز میں لانے کی اہمیت معمولی نہیں ہے۔
05Anthropic کی حکمت عملی کو کیسے سمجھا جائے
یہاں سے آگے تشریح ہے۔ اول، Anthropic کسی نئے ماڈل کی کارکردگی پر نہیں بلکہ ورک فلو پر اپنی انفرادیت قائم کرنے کی تیاری میں نظر آتا ہے۔ Claude Science کا کسی نئے ماڈل کے بغیر آنا غالباً اس فیصلے کی علامت ہے کہ ذہانت کی مطلق قدر کے بجائے اس بات پر مقابلہ جیتا جائے کہ وہ تحقیقی میدان میں کتنی اچھی طرح سمائے۔ عمومی مقصد کے ماڈلز آخرکار حریفوں کے برابر آ جاتے ہیں، جبکہ تحقیقی کام سے گہرائی سے جڑی ایک ورک بینچ تبدیلی کی لاگت پیدا کرتی ہے اور وابستگی کو مضبوط کرتی ہے۔ دوم، اندرونی ڈرگ ڈسکوری پروگرام کا آغاز ٹول فراہم کنندہ سے ادویات کی دریافت میں شریک کی طرف ایک قدم سمجھا جا سکتا ہے۔ اگر وہ صرف ٹولز بیچے تو نتائج صارف کے ہوتے ہیں اور AI کا حصہ دیکھنا مشکل ہوتا ہے۔ خود امیدوار تیار کر کے وہ اپنے ریکارڈ کے طور پر دکھا سکتا ہے کہ AI کہاں تک جا سکتا ہے۔ تاہم ادویات کی تیاری کا کاروبار خود محض "زیرِ غور" بتایا گیا ہے۔ اسے بھی اس علامت کے طور پر پڑھا جا سکتا ہے کہ Anthropic خود اندازہ لگا رہا ہے کہ اپنے دوا ساز صارفین سے مقابلہ کرنے کے لیے اسے کتنا فاصلہ طے کرنا ہوگا۔ سوم، LTBT کی جانب سے Narasimhan کی نامزدگی کو گورننس کی طرف سے اس سمت کو سہارا دینے والی بنیاد سمجھا جا سکتا ہے۔ ایک ایسے ٹرسٹ کے لیے جو شیئر ہولڈرز کے مفادات پر طویل مدتی فائدے کو ترجیح دیتا ہے، ادویات کی دریافت کا تجربہ رکھنے والے کسی فرد کو بورڈ میں رکھنا ایسا ڈھانچہ ہے جو نئی دوا کی تیاری کو قلیل مدتی فروخت کے بجائے انسانیت کے لیے فائدے کے طور پر پیش کرنا آسان بناتا ہے۔ پوری پروڈکٹ لائن کے ڈیزائن فلسفے کے لیے سابقہ رپورٹ بھی دیکھیں (/journal/claude-science-pharma-future.html)۔
06دوا ساز صنعت اور فرنٹ لائن کے لیے مضمرات
آگے دیکھیں تو AI رکھنے والوں اور ادویات رکھنے والوں کے درمیان کی حد مزید دھندلی ہو جانے کا امکان ہے۔ اگر شراکت داری سے براہِ راست شمولیت کی طرف بہاؤ آگے بڑھتا ہے تو دوا ساز کمپنیوں کے لیے ایک AI کمپنی بیک وقت ٹولز بیچنے والی اور ممکنہ حریف بن جاتی ہے۔ اس مرحلے میں دوا ساز فریق سب سے پہلے جن عملی مسائل کے لیے تیار ہوگا، میرے خیال میں وہ کئی ہیں۔ پہلا IP (= دانشورانہ املاک) کی ملکیت ہے۔ AI کے تخلیق کردہ مالیکیولز کے حقوق کس کے پاس ہوں گے، اور تربیت کے لیے استعمال ہونے والے ڈیٹا پر اختیار کا کیا ہوگا، یہ ایسے شعبے ہیں جہاں معاہدے اور ادارے ابھی تک تیار نہیں ہوئے۔ دوسرا ریگولیٹرز کا موقف ہے۔ FDA (امریکی فوڈ اینڈ ڈرگ ایڈمنسٹریشن) اور PMDA (جاپان کی ایجنسی برائے ادویات و طبی آلات) AI پر مبنی ترقی کا جائزہ کیسے لیں گے، یہ ابھی طے نہیں ہوا۔ تیسرا یہ کہ جب AI کمپنیاں حریف بنتی ہیں تو ڈیٹا کے تبادلے میں سرد مہری پیدا ہوتی ہے۔ تفصیلی اعداد و شمار ایک سابقہ رپورٹ میں مرتب کیے گئے ہیں (/journal/ai-drug-discovery-2026.html)۔ ایسی تبدیلیاں فرنٹ لائن کے کام تک بھی پہنچتی ہیں۔ مواد کے جائزے (= تشہیری مواد کے ضوابط کے مطابق ہونے کی تصدیق کا کام) میں اب نئے فیصلے درکار ہیں کہ جس شواہدی ڈیٹا اور ڈیزائن کے عمل میں AI شامل رہا اسے کیسے جانچا جائے، اور کتنی دستاویز بندی کی جا سکتی ہے۔ میڈیکل (= طبی معلومات فراہم کرنے کا ذمہ دار شعبہ) میں AI سے حاصل شدہ امیدوار ادویات کے طریقۂ کار اور ٹرائل کے نتائج کو طبی ماہرین تک درست طور پر پہنچانے کی ذمہ داری مزید بھاری ہو جاتی ہے۔ حفاظت (= مضر اثرات کی نگرانی) کے دائرے میں اس بات پر نظر کی اور بھی زیادہ ضرورت پڑے گی کہ آیا AI سے ڈیزائن کی گئی دوا غیر متوقع انداز میں برتاؤ تو نہیں کرتی۔ اوزار جتنا ذہین ہوتا جاتا ہے، اسے سنبھالنے والے انسانوں کی تصدیقی ذمہ داری ہلکی نہیں ہوتی۔ بلکہ مزید بھاری ہو جاتی ہے۔ میرے خیال میں یہی اس بات کا مرکزی نکتہ ہے کہ فرنٹ لائن کو نئے دور میں AI ڈرگ ڈسکوری کو کیسے اپنانا چاہیے۔