लैब से कंप्यूटर तक: कैसे AI बदल रहा है जान बचाने वाली दवाओं का भविष्य
लैब से कंप्यूटर तक: कैसे AI बदल रहा है जान बचाने वाली दवाओं का भविष्य (AI in Drug Discovery in Hindi)
आसान भाषा में समझिए कि Artificial Intelligence कैसे Drug Discovery को तेज़, सटीक और प्रभावशाली बना रहा है।
📚 Table of Contents
प्रस्तावना
क्या एआई सच में बीमारियों को इतिहास बना देगा?"
आज का युग तेजी से बदलती तकनीक का युग है, जहाँ हर क्षेत्र में Artificial Intelligence (AI) अपनी गहरी छाप छोड़ रहा है। खासकर चिकित्सा (Medical Science) के क्षेत्र में AI ने एक नई क्रांति ला दी है। पहले जहाँ नई दवाओं की खोज में दसको जाते थे, वहीं अब कंप्यूटर और AI की मदद से यह प्रक्रिया तेज, सटीक और अधिक प्रभाशली हो गई है।
लैब से कंप्यूटर तक का यह सफर केवल तकनीकी बदलाव नहीं है, बल्कि यह मानव जीवन को बचाने की दिशा में एक बड़ा कदम साबित हो रहा है। AI अब वैज्ञानिकों को यह समझने में मदद कर रहा है कि कौन-सी दवा किस बीमारी पर सबसे अच्छा काम करेगी, जिससे नई दवाओं का विकास पहले से कहीं अधिक तेज़ से होने लगा है
आज AI की मदद से कैंसर, जैसे दुर्लभ बीमारियों और महामारी जैसी चुनौतियों के लिए नई दवाएं खोजी जा रही हैं। यह तकनीक न केवल समय बचा रही है, बल्कि लाखों लोगों की जान बचाने में भी अहम भूमिका निभा रही है।
इस लेख में हम समझेंगे कि कैसे AI पारंपरिक लैब रिसर्च को बदलकर दवा खोज (Drug Discovery) के भविष्य को नया रूप दे रहा है, और आने वाले समय में यह तकनीक हमारे स्वास्थ्य क्षेत्र को कैसे पूरी तरह बदल कर रख सकती है
समस्या: पारंपरिक तरीका इतना कठिन क्यों है? (The Problem)
दवाओं की खोज (Drug Discovery) का पारंपरिक तरीका सुनने में जितना सरल लगता है, असल में उतना ही जटिल,और महंगा बहोत ज्यादा समय लेने वाला होता है।
यह प्रक्रिया कई चरणों से होकर गुजरती है—
जैसे कि बीमारी को समझना समझ कर , सही टारगेट (प्रोटीन या जीन) को पहचानना, संभावित दवा (मॉलिक्यूल) बनाना, लैब में उसका परीक्षण करना, फिर जानवरों और इंसानों पर प्रयोग ट्रायल करना। इस पूरी प्रक्रिया में कई सालो तो क्या दशक लग जाते हैं, और इसके बावजूद सफलता की कोई गारंटी भी नहीं होती। यही कारण है कि यह तरीका आज के तेज़ दौर में एक बड़ी चुनौती बन गया है।
1. समय और पैसा: सबसे बड़ी बाधा
पारंपरिक दवा खोज की सबसे बड़ी समस्या है—
इसमें लगने वाला अत्यधिक समय और पैसा। किसी एक नई दवा को बाजार तक पहुंचाने में आमतौर पर 10 से 12 साल लग जाते हैं। यह समय इसलिए इतना लंबा होता है क्योंकि हर स्टेप को बहुत सावधानी और सुरक्षा के साथ पूरा करना पड़ता है। पहले वैज्ञानिक हजारों-लाखों मॉलिक्यूल्स बनाते हैं, फिर उन्हें एक-एक करके टेस्ट करते हैं कि कौन-सा मॉलिक्यूल बीमारी पर असर करता है।
इतना ही नहीं, इस पूरी प्रक्रिया में औसतन $2.6 बिलियन (लगभग 20000 करोड़ रुपये) तक का खर्च आता है। इसमें रिसर्च, लैब टेस्टिंग, क्लीनिकल ट्रायल, और अंत में मार्केटिंग तक का खर्च शामिल होता है। अगर दवा किसी भी स्टेज पर फेल हो जाती है, तो पूरा निवेश लगभग बेकार हो जाता है। यही कारण है कि दवा कंपनियां बहुत सोच-समझकर ही रिसर्च में पैसा लगाती हैं।
2. असफलता की दर: सफलता बहुत कम
दूसरी बड़ी समस्या है—
अत्यधिक असफलता की दर। यह जानकर हैरानी हो सकती है कि जो मॉलिक्यूल्स लैब में सफल दिखते हैं, उनमें से लगभग 90% मॉलिक्यूल्स इंसानी ट्रायल (Clinical Trials) में फेल हो जाते हैं। इसका मतलब है कि शुरुआती सफलता के बावजूद, असली परीक्षा में वे काम नहीं कर पाते।
ऐसा इसलिए होता है क्योंकि लैब का वातावरण और इंसानी शरीर का वातावरण पूरी तरह अलग होता है। लैब में मॉलिक्यूल्स को नियंत्रित परिस्थितियों में टेस्ट किया जाता है, लेकिन जब वही मॉलिक्यूल इंसानी शरीर में जाता है, तो वह कई तरह की जैविक प्रक्रियाओं से प्रभावित होता है। कई बार दवा का असर कम हो जाता है, या फिर उसके साइड इफेक्ट्स सामने आने लगते हैं।
इस वजह से बहुत-सी संभावित दवाएं आखिरी चरण में जाकर फेल हो जाती हैं, जिससे न केवल समय और पैसा बर्बाद होता है, बल्कि मरीजों के लिए नई दवाओं की उपलब्धता भी देर से होती है।
3. जटिलता: मानव शरीर को समझना आसान नहीं
तीसरी और सबसे गहरी समस्या है—
मानव शरीर की जटिलता। हमारा शरीर लाखों-करोड़ों कोशिकाओं (Cells) और प्रोटीन्स से बना होता है, जो एक-दूसरे के साथ मिलकर काम करते हैं। हर बीमारी के पीछे कई जैविक कारण हो सकते हैं, और उन्हें समझना आसान नहीं होता।
वैज्ञानिकों को यह पता लगाना होता है कि कौन-सा प्रोटीन या जीन किसी बीमारी के लिए जिम्मेदार है, और फिर ऐसा मॉलिक्यूल बनाना होता है जो उस टारगेट पर सही तरीके से काम करे। लेकिन यह काम इंसान के लिए बहुत धीमा और कठिन होता है, क्योंकि डेटा की मात्रा बहुत ज्यादा होती है।
उदाहरण के लिए,
एक ही बीमारी में सैकड़ों प्रोटीन्स शामिल हो सकते हैं, और हर प्रोटीन का व्यवहार अलग-अलग हो सकता है। इन सभी को मैन्युअली समझना और उन पर प्रयोग करना एक लंबी और जटिल प्रक्रिया बन जाती है।
समाधान: AI कैसे काम करता है? (The AI Solution)
जहाँ पारंपरिक दवा खोज (Drug Discovery) समय, पैसा और असफलता से भरी एक लंबी प्रक्रिया है, वहीं Artificial Intelligence (AI) इस पूरे सिस्टम को तेज़, स्मार्ट और अधिक सटीक बना रहा है। AI इंसानों की तरह थकता नहीं, बल्कि सेकंड्स में लाखों डेटा को पढ़कर निर्णय ले सकता है। यही वजह है कि आज मेडिकल साइंस में AI एक “गेम चेंजर” बन चुका है।
आइए इसे 3 आसान और समझने योग्य पॉइंट्स में समझते हैं
1. Data Crunching: लाखों शोधों को समझने की ताकत
AI की सबसे बड़ी ताकत है—बड़ी मात्रा में डेटा को तेजी से समझना (Data Crunching)। आज दुनिया भर में दवाओं, बीमारियों, प्रोटीन्स और मॉलिक्यूल्स पर करोड़ों रिसर्च पेपर्स और डेटा उपलब्ध हैं। एक इंसान के लिए इन सभी को पढ़ना और समझना लगभग नामुमकिन है, लेकिन AI के लिए यह काम कुछ ही मिनटों का होता है।
AI एल्गोरिदम इन सभी पुराने शोधों, क्लीनिकल ट्रायल्स, केमिकल डेटा और बायोलॉजिकल जानकारी को एक साथ पढ़ता है और उसमें पैटर्न (Patterns) खोजता है। यह देखता है कि कौन-से मॉलिक्यूल्स पहले किस बीमारी में काम कर चुके हैं, कौन-से फेल हुए, और क्यों हुए।
उदाहरण के तौर पर, अगर किसी नई बीमारी पर काम हो रहा है, तो AI पहले से मौजूद समान बीमारियों के डेटा को देखकर यह अनुमान लगा सकता है कि कौन-से मॉलिक्यूल्स उस बीमारी पर असर डाल सकते हैं। इससे वैज्ञानिकों को हजारों मॉलिक्यूल्स में से सही विकल्प चुनने में बहुत मदद मिलती है।
- समय की बचत होती है
- बेकार के एक्सपेरिमेंट कम हो जाते हैं
- सही दिशा में रिसर्च जल्दी शुरू हो जाती है
सीधे शब्दों में कहें तो, AI “अंधेरे में तीर चलाने” की बजाय “सटीक निशाना लगाने” में मदद करता है।
2. Virtual Testing: कंप्यूटर पर ही दवा की जांच
पारंपरिक तरीके में दवा को पहले लैब में टेस्ट किया जाता है, फिर जानवरों पर, और आखिर में इंसानों पर। यह प्रक्रिया न केवल लंबी होती है, बल्कि इसमें रिस्क भी बहुत ज्यादा होता है। लेकिन AI ने इस प्रक्रिया को बदल दिया है, जिसे हम कहते हैं—Virtual Testing (कंप्यूटर पर परीक्षण)।
AI की मदद से वैज्ञानिक अब कंप्यूटर सिमुलेशन (Simulation) के जरिए यह देख सकते हैं कि कोई मॉलिक्यूल इंसानी शरीर में कैसे व्यवहार करेगा। यह सिस्टम दवा और शरीर के प्रोटीन्स के बीच होने वाले रिएक्शन को पहले ही मॉडल कर देता है।
- दवा शरीर में कैसे घुलेगी (Absorption)
- कैसे फैलेगी (Distribution)
- कैसे टूटेगी (Metabolism)
- और क्या साइड इफेक्ट हो सकते हैं
इन सभी चीजों का अनुमान पहले ही लगा लिया जाता है।
उदाहरण के लिए,
अगर कोई मॉलिक्यूल किसी जरूरी प्रोटीन के साथ गलत तरीके से जुड़ रहा है, तो AI तुरंत बता सकता है कि इससे साइड इफेक्ट हो सकता है। इस तरह खराब या खतरनाक मॉलिक्यूल्स को शुरुआत में ही हटा दिया जाता है।
- लैब में जाने से पहले ही 70-80% गलत विकल्प हट जाते हैं
- क्लीनिकल ट्रायल्स का रिस्क कम हो जाता है
- लागत और समय दोनों की बचत होती है
यानि AI एक तरह से “फिल्टर” का काम करता है, जो सिर्फ सबसे अच्छे और सुरक्षित मॉलिक्यूल्स को आगे बढ़ने देता है।
3. Target Identification: बीमारी की जड़ को पहचानना
किसी भी बीमारी का इलाज करने के लिए सबसे जरूरी है उसकी “जड़” को समझना, जिसे वैज्ञानिक भाषा में Target Protein या Biological Target कहा जाता है। पारंपरिक तरीके में इस टारगेट को पहचानना बहुत मुश्किल और समय लेने वाला होता है।
लेकिन AI इस काम को बहुत तेजी और सटीकता से कर सकता है। AI बायोलॉजिकल डेटा, जीन डेटा (Genomics), और प्रोटीन स्ट्रक्चर का विश्लेषण करके यह पता लगाता है कि बीमारी के पीछे कौन-सा प्रोटीन या जीन जिम्मेदार है।
- कैंसर में कौन-सा प्रोटीन असामान्य रूप से बढ़ रहा है
- किसी वायरस में कौन-सा प्रोटीन उसे फैलने में मदद कर रहा है
AI इन सभी चीजों को जोड़कर एक स्पष्ट तस्वीर तैयार करता है कि “असल समस्या कहाँ है”।
जब सही टारगेट मिल जाता है, तो दवा बनाना काफी आसान हो जाता है, क्योंकि अब वैज्ञानिक सीधे उसी प्रोटीन पर काम कर सकते हैं।
- दवा अधिक सटीक (Precise) बनती है
- साइड इफेक्ट कम होते हैं
- इलाज ज्यादा प्रभावी होता है
यानी अब “पूरे शरीर” पर असर डालने की बजाय, दवा सीधे “समस्या की जड़” पर वार करती है।
रियल-लाइफ उदाहरण (Case Studies / Examples)
आर्टिफिशियल इंटेलिजेंस (AI) का असर सिर्फ सिद्धांतों तक सीमित नहीं है, बल्कि यह वास्तविक दुनिया में भी दवा खोज (Drug Discovery) और चिकित्सा विज्ञान को तेजी से बदल रहा है।
पिछले कुछ वर्षों में ऐसे कई उदाहरण सामने आए हैं, जहाँ AI ने वैज्ञानिकों के वर्षों के कठिन काम को आसान बना दिया है और नई दवाओं व वैक्सीन के विकास को अभूतपूर्व गति दी है।
इनमें सबसे चर्चित उदाहरण हैं — DeepMind का AlphaFold और COVID-19 वैक्सीन का तेज़ विकास।
पहला उदाहरण
AlphaFold, जिसे DeepMind ने विकसित किया। वैज्ञानिकों के लिए सबसे बड़ी चुनौतियों में से एक रही है प्रोटीन्स की संरचना (Protein Structure) को समझना। प्रोटीन हमारे शरीर के लगभग हर काम में भूमिका निभाते हैं—चाहे वह बीमारी फैलाना हो या उसे रोकना।
लेकिन किसी प्रोटीन की 3D संरचना को जानना पारंपरिक तरीके से बेहद कठिन और समय लेने वाला काम था। कई बार एक ही प्रोटीन की संरचना समझने में वैज्ञानिकों को वर्षों लग जाते थे।
यहाँ AlphaFold ने क्रांति ला दी। इस AI सिस्टम ने मशीन लर्निंग का उपयोग करके प्रोटीन की संरचना का बहुत ही सटीक अनुमान लगाना शुरू कर दिया। इतना ही नहीं, इसने लगभग 200 मिलियन (20 करोड़) से अधिक प्रोटीन्स की संरचना का डेटाबेस तैयार कर दिया, जिसे आज दुनिया भर के वैज्ञानिक मुफ्त में उपयोग कर सकते हैं। इसका सीधा असर यह हुआ कि अब वैज्ञानिकों को शुरुआत से रिसर्च करने की जरूरत नहीं पड़ती, बल्कि वे सीधे इस डेटा का उपयोग करके नई दवाओं पर काम शुरू कर सकते हैं। इससे न केवल समय की भारी बचत हुई है, बल्कि रिसर्च की गति कई गुना बढ़ गई है।
जहां पहले एक खोज में साल लगते थे, अब वही काम कुछ ही दिनों या हफ्तों में संभव हो रहा है।
यह उदाहरण साफ दिखाता है कि AI कैसे जटिल जैविक समस्याओं को सरल बनाकर विज्ञान को नई दिशा दे रहा है।
दूसरा बड़ा उदाहरण
COVID-19 के दौरान वैक्सीन विकास में AI की भूमिका। जब 2020 में COVID-19 महामारी फैली, तो पूरी दुनिया के सामने एक बड़ी चुनौती थी—जल्दी से जल्दी एक प्रभावी वैक्सीन बनाना। पारंपरिक तरीके से वैक्सीन विकसित करने में आमतौर पर 8-10 साल लग जाते हैं, लेकिन COVID-19 के मामले में यह काम एक साल से भी कम समय में हो गया।
इसमें AI ने महत्वपूर्ण भूमिका निभाई। सबसे पहले, वैज्ञानिकों ने वायरस के जीनोम (Genetic Code) को सीक्वेंस किया, और AI ने इस डेटा का विश्लेषण करके यह समझने में मदद की कि वायरस का कौन-सा हिस्सा सबसे खतरनाक है और किसे टारगेट करना चाहिए। इसके बाद AI मॉडल्स ने यह अनुमान लगाने में मदद की कि कौन-से वैक्सीन डिजाइन सबसे प्रभावी हो सकते हैं। इससे प्रयोगों की संख्या कम हुई और सही दिशा में काम तेजी से आगे बढ़ा।
इसके अलावा, AI का उपयोग क्लीनिकल ट्रायल्स के दौरान भी किया गया, जहाँ यह देखा गया कि वैक्सीन अलग-अलग लोगों पर कैसे असर कर रही है। AI ने डेटा का विश्लेषण करके जल्दी निर्णय लेने में मदद की, जिससे ट्रायल्स की प्रक्रिया भी तेज हुई। इस पूरी प्रक्रिया में AI ने समय की बचत, बेहतर निर्णय और तेज़ परिणाम देने में अहम भूमिका निभाई।
इसके फायदे (Major Benefits)
AI के आने से दवा खोज (Drug Discovery) और स्वास्थ्य क्षेत्र में कई बड़े और सकारात्मक बदलाव देखने को मिल रहे हैं। यह केवल वैज्ञानिकों के काम को आसान नहीं बना रहा, बल्कि आम लोगों के जीवन पर भी सीधा असर डाल रहा है। आइए इन मुख्य फायदों को आसान भाषा में समझते हैं
1. दवाओं की कीमत में कमी
पारंपरिक तरीके में दवा बनाने की प्रक्रिया बहुत महंगी होती है—जिसमें रिसर्च, लैब टेस्टिंग और क्लीनिकल ट्रायल्स पर अरबों रुपये खर्च होते हैं। लेकिन AI इस पूरी प्रक्रिया को तेज और सटीक बना देता है, जिससे बेकार के प्रयोग कम हो जाते हैं और समय भी बचता है। जब कंपनियों का खर्च कम होता है, तो इसका सीधा फायदा आम लोगों को मिलता है, क्योंकि दवाओं की कीमत भी धीरे-धीरे कम होने लगती है। इससे गरीब और मध्यम वर्ग के लोगों के लिए भी अच्छी और आधुनिक दवाएं सुलभ हो जाती हैं।
2. दुर्लभ बीमारियों का इलाज संभव
दुनिया में कई ऐसी बीमारियां हैं जिन्हें “Rare Diseases” कहा जाता है, यानी वे बहुत कम लोगों को होती हैं। पारंपरिक तरीके में इन बीमारियों पर ज्यादा रिसर्च नहीं होती, क्योंकि दवा कंपनियों को इसमें ज्यादा मुनाफा नहीं दिखता। लेकिन AI इस समस्या को बदल रहा है। AI लाखों डेटा को देखकर ऐसे पैटर्न खोज सकता है, जो इंसानों के लिए समझना मुश्किल होता है। इससे वैज्ञानिक दुर्लभ बीमारियों के कारणों को जल्दी समझ सकते हैं और उनके लिए नई दवाएं विकसित कर सकते हैं। इसका मतलब है कि जिन बीमारियों का पहले कोई इलाज नहीं था, अब उनके लिए भी उम्मीद पैदा हो रही है।
3. महामारी के समय तेज़ प्रतिक्रिया
जब कोई महामारी (Pandemic) फैलती है, जैसे कि COVID-19, तब समय सबसे महत्वपूर्ण होता है। पारंपरिक तरीके में नई दवा या वैक्सीन बनाने में कई साल लग जाते हैं, लेकिन AI इस प्रक्रिया को बहुत तेज कर देता है। AI तेजी से वायरस के डेटा का विश्लेषण करता है और यह बताता है कि किस हिस्से को टारगेट करना चाहिए। इससे वैक्सीन और दवाओं का विकास जल्दी शुरू हो जाता है और लोगों तक समय पर इलाज पहुंच पाता है। यही कारण है कि हाल के वर्षों में महामारी से लड़ने में AI एक मजबूत हथियार साबित हुआ है।
चुनौतियाँ और नैतिकता (Challenges & Ethics)
जहाँ एक तरफ AI दवा खोज और चिकित्सा क्षेत्र में क्रांति ला रहा है, वहीं इसके साथ कुछ महत्वपूर्ण चुनौतियाँ और नैतिक (Ethical) सवाल भी जुड़े हुए हैं। अगर इन पर सही समय पर ध्यान नहीं दिया गया, तो यह तकनीक जितनी फायदेमंद है, उतनी ही जोखिम भरी भी बन सकती है। इसलिए AI का उपयोग समझदारी और संतुलन के साथ करना बहुत जरूरी है।
1. क्या हम पूरी तरह मशीन पर भरोसा कर सकते हैं?
AI की सबसे बड़ी ताकत उसकी तेजी और सटीकता है, लेकिन इसका मतलब यह नहीं कि वह कभी गलती नहीं करता। AI सिस्टम पूरी तरह डेटा पर निर्भर होता है—अगर उसे गलत या अधूरा डेटा दिया गया, तो उसका निर्णय भी गलत हो सकता है। खासकर मेडिकल क्षेत्र में, जहाँ एक छोटी सी गलती भी किसी व्यक्ति की जान को खतरे में डाल सकती है, वहाँ केवल मशीन पर पूरी तरह भरोसा करना सही नहीं होगा।
इसलिए जरूरी है कि AI को एक “सहायक” (Assistant) के रूप में इस्तेमाल किया जाए, न कि पूरी तरह निर्णय लेने वाले सिस्टम के रूप में। अंतिम निर्णय हमेशा अनुभवी डॉक्टर और वैज्ञानिकों के हाथ में ही होना चाहिए, ताकि किसी भी संभावित गलती को समय रहते रोका जा सके।
2. डेटा गोपनीयता (Privacy) और नियमों की जरूरत
AI को सही तरीके से काम करने के लिए बहुत बड़ी मात्रा में डेटा की जरूरत होती है—जिसमें मरीजों की Medical हिस्ट्री, जीन डेटा और अन्य संवेदनशील जानकारी शामिल होती है। ऐसे में सबसे बड़ा सवाल उठता है—क्या यह डेटा सुरक्षित है?
अगर यह डेटा गलत हाथों में चला जाए, तो इसका दुरुपयोग हो सकता है। इसलिए डेटा गोपनीयता (Privacy) एक बहुत बड़ा मुद्दा बन जाता है। सरकारों और संस्थाओं को सख्त नियम (Regulations) बनाने होंगे, ताकि मरीजों की जानकारी पूरी तरह सुरक्षित रह सके।
इसके साथ ही, यह भी जरूरी है कि कंपनियां पारदर्शिता (Transparency) बनाए रखें—यानि वे यह साफ बताएं कि डेटा का उपयोग कैसे और क्यों किया जा रहा है। इससे लोगों का भरोसा भी बना रहेगा और तकनीक का सही उपयोग भी सुनिश्चित होगा।
3. इंसानी दिमाग और AI का तालमेल जरूरी
AI चाहे कितना भी उन्नत क्यों न हो जाए, वह इंसानी सोच, अनुभव और नैतिक समझ की जगह नहीं ले सकता। वैज्ञानिकों के पास वर्षों का अनुभव होता है, जबकि AI केवल डेटा के आधार पर निर्णय लेता है। इसलिए दोनों के बीच संतुलन (Balance) बनाना बहुत जरूरी है।
सबसे अच्छा तरीका यह है कि AI और इंसान मिलकर काम करें। AI तेजी से डेटा का विश्लेषण करे और संभावित समाधान बताए, जबकि वैज्ञानिक और डॉक्टर उस जानकारी को समझकर अंतिम निर्णय लें। इस तरह दोनों की ताकत मिलकर बेहतर और सुरक्षित परिणाम दे सकती है।
आप इन पोस्ट को भी पढ़े आसान भाषा में 👇
Neuralink क्या है? Elon Musk की Brain Chip का सच, फायदा और भविष्य
निष्कर्ष -
FAQ Style Section
क्या AI दवा खोज की प्रक्रिया को तेज़ बना सकता है?
हाँ, AI बड़े डेटा को तेजी से पढ़कर सही molecule, target और संभावित दवाओं की पहचान करने में मदद करता है।
क्या AI पारंपरिक drug discovery को पूरी तरह replace कर देगा?
नहीं, AI एक powerful सहायक है, लेकिन अंतिम निर्णय और validation अभी भी वैज्ञानिकों और डॉक्टरों के हाथ में रहना चाहिए।
AI का सबसे बड़ा फायदा क्या है?
समय, लागत और असफल प्रयोगों को कम करना AI का सबसे बड़ा फायदा है।
टिप्पणियाँ
एक टिप्पणी भेजें
आपका सवाल या सुझाव यहाँ लिखें। हम जल्द ही जवाब देंगे 😊