ফার্মার জন্য AI মডারেশন: সোশ্যাল মিডিয়ায় Adverse Drug Reactions (ADR) শনাক্ত করা

একজন রোগী আপনার সর্বশেষ Facebook পোস্টের নিচে একটি কমেন্ট রেখে যান: “আপনাদের সিরাপ খাওয়ার পর আমার ছেলের গায়ে র‍্যাশ উঠেছে আর বমি শুরু হয়েছে।” একজন মার্কেটিং অফিসারের কাছে এটি লুকিয়ে ফেলার মতো একটি অভিযোগ। একজন pharmacovigilance পেশাদারের কাছে এটি সম্পূর্ণ অন্য কিছু — একটি সম্ভাব্য adverse drug reaction (ADR) যা লিপিবদ্ধ ও রিপোর্ট করা প্রয়োজন হতে পারে। এই দুই পাঠের মধ্যেকার ফারাকই ঠিক সেই জায়গা যেখানে ফার্মাসিউটিক্যাল ব্র্যান্ড সোশ্যাল মিডিয়ায় বিপদে পড়ে। আমি ১৮+ বছর ফার্মাসিউটিক্যাল IT-তে কাটিয়েছি, এবং একটি ফার্মা ক্লায়েন্টের জন্য ঠিক এই ধরনের AI মডারেশন সিস্টেমই নিজে বানিয়েছি। এই লেখায় ব্যাখ্যা করব কেন এমন কমেন্ট এখন একটি pharmacovigilance চ্যানেল, নির্মাতার দিক থেকে শনাক্তকরণ pipeline আসলে কীভাবে কাজ করে, এবং যে একটি ওয়ার্কফ্লো নিয়ম আপনাকে ঝুঁকিতে না রেখে কমপ্লায়েন্ট রাখে।

১. Pharmacovigilance মানে কী — এবং কেন একটি Facebook কমেন্টও গণনায় আসে

সহজ ভাষায়, pharmacovigilance (PV) হলো ওষুধ কারখানা ছাড়ার পর মানুষের ওপর আসলে কী প্রভাব ফেলে তা নজরে রাখার চর্চা — পার্শ্বপ্রতিক্রিয়ার রিপোর্ট সংগ্রহ করা, প্যাটার্ন চিহ্নিত করা এবং সে অনুযায়ী ব্যবস্থা নেওয়া। ক্লিনিক্যাল ট্রায়ালে কয়েক হাজার রোগী থাকেন; বাজারে থাকেন লাখ লাখ। বিরল প্রতিক্রিয়া, অন্য ওষুধের সঙ্গে interaction, শিশু বা বয়স্কদের সমস্যা — এগুলো প্রায়ই লঞ্চের পরেই সামনে আসে, একজন রোগী করে করে।

সিস্টেমটি গড়ে উঠেছিল আনুষ্ঠানিক রিপোর্টিংকে ঘিরে: চিকিৎসক, ফার্মাসিস্ট ও রোগীরা একজন নিয়ন্ত্রক বা marketing authorisation holder কোম্পানির কাছে ফর্ম জমা দিতেন। তা এখনও আছে। যা বদলেছে তা হলো, রোগীরা এখন একই কথা পাবলিকলি, রিয়েল টাইমে বলেন — আপনার নিজের Facebook Page-এ, আপনার Instagram পোস্টের নিচে, এবং আপনার WhatsApp ইনবক্সে।

এখানেই অনেক মার্কেটিং টিম যে অংশটি মিস করে: অধিকাংশ pharmacovigilance কাঠামোর অধীনে একটি কোম্পানির কাছে প্রত্যাশা করা হয় যে তারা যেসব adverse event সম্পর্কে সচেতন হয় সেগুলো ধরে রাখবে — আর আপনার কোম্পানির মালিকানাধীন ও পরিচালিত একটি চ্যানেল সাধারণত এমন একটি জায়গা হিসেবেই গণ্য হয় যেখানে সচেতনতা ঘটে। কেউ আশা করে না আপনি পুরো ইন্টারনেট পাহারা দেবেন। আপনার নিজের Page ভিন্ন। একজন রোগী যদি সরাসরি আপনার পোস্টের নিচে একটি প্রতিক্রিয়ার কথা জানান, তবে “আমরা কখনও আমাদের কমেন্ট পড়িনি” একটি দুর্বল আত্মপক্ষ।

বিশ্ব স্বাস্থ্য সংস্থার pharmacovigilance নিয়ে কাজ ঠিক এ কারণেই আছে যে প্রতিটি বিশ্বাসযোগ্য নিরাপত্তা সংকেত গুরুত্বপূর্ণ, তা যেখানেই দেখা দিক। আপনার সোশ্যাল চ্যানেলগুলো নীরবে সেই সংকেত দেখা দেওয়ার একটি জায়গা হয়ে উঠেছে — আপনার দায়িত্বের সঠিক পরিধি নির্ধারণ করেন আপনার স্থানীয় নিয়ন্ত্রক, তাই তা আপনার PV ও রেগুলেটরি পেশাদারদের সঙ্গে নিশ্চিত করুন।

২. একটি কমেন্টে একটি ADR সংকেত দেখতে কেমন

বাস্তবে একটি ADR সংকেত খুব কমই ক্লিনিক্যাল ভাষায় আসে। এটি দেখতে সাধারণ, আবেগপূর্ণ, প্রায়ই দ্বিভাষিক কমেন্টের মতো:

• “এই ট্যাবলেট খাওয়ার পর মাথা ঘোরে আর বমি বমি লাগে” (ট্যাবলেট খাওয়ার পর মাথা ঘোরা ও বমি ভাব)
• “My mother’s blood pressure dropped badly after this medicine.”
• “baccar gaye rash uthse er syrup khawar por” — একজন অভিভাবক সিরাপ খাওয়ার পর র‍্যাশের কথা জানাচ্ছেন।
• “amar mayer presar er oshudh khawar por hat pa kapa shuru hoise” — একজন প্রাপ্তবয়স্ক সন্তান জানাচ্ছেন ব্লাড-প্রেসারের ওষুধ খাওয়ার পর তাঁর মায়ের হাত-পা কাঁপছে।

খেয়াল করুন এগুলোর মধ্যে মিল কোথায়। কেউ “urticaria” বা “hypotension” লেখেন না — লেখেন “rash uthse” আর “presar kome geche”। রিপোর্টকারী প্রায়ই রোগী নিজে নন, একজন স্বজন: amar mayer (আমার মায়ের), amar babar, amar baccha। ওষুধের নাম খুব কমই সঠিকভাবে লেখা হয়; সেটা “your syrup”, “ei tablet”, বা ধ্বনিভিত্তিক বানানে লেখা কোনো ব্র্যান্ড নাম। আর ভাষা একই বাক্যের ভেতরে বাংলা লিপি, রোমানাইজড Banglish আর ইংরেজির মধ্যে বদলায় — এই প্যাটার্ন নিয়ে আলাদা করে লিখেছি বাংলা-ইংরেজি মিশ্র-ভাষা মডারেশন লেখায়।

আমি যখন একটি ফার্মা ক্লায়েন্টের জন্য ADR শনাক্তকরণ বানাই, এটাই ছিল প্রথম শিক্ষা: যে ট্রেনিং উদাহরণগুলো গুরুত্বপূর্ণ সেগুলো পাঠ্যবইয়ের adverse-event রিপোর্ট নয়। সেগুলো ঠিক এই এলোমেলো, আবেগপূর্ণ, তিন-ভাষার কমেন্ট — একটি boosted পোস্টের নিচে শত শত কমেন্টের থ্রেডে চাপা পড়ে থাকা।

একটি কীওয়ার্ড ফিল্টার এখানে টিকতে পারে না। এটি “এই ওষুধ আমাকে মাথাব্যথা দিয়েছে” (একটি সম্ভাব্য ADR) আর “দামটা দেখে আমার মাথাব্যথা হয়” (খরচ নিয়ে অভিযোগ) আলাদা করতে পারে না, আর কীওয়ার্ড তালিকা ইংরেজিতে লেখা হলে “bomi bomi lagtese”-র বিপক্ষে এর কোনো সম্ভাবনাই নেই। এই দ্ব্যর্থতাই মূল চ্যালেঞ্জ — আর এই কারণেই সাধারণ অটোমেশন ঐতিহাসিকভাবে ফার্মায় ব্যর্থ হয়েছে।

৩. কেন মানুষ দিয়েই শুধু কমেন্ট মনিটর করা যায় না?

কারণ কাজের চাপটা অমানবিক। একটি মনিটর করা ফার্মা Page-এর দরকার এমন কেউ যিনি প্রতিটি কমেন্ট ও মেসেজ পড়বেন, চব্বিশ ঘণ্টা, অন্তত তিনটি ভাষারূপে, এবং যিনি একটি নিরাপত্তা সংকেত চিনতেও প্রশিক্ষিত। বাস্তবে কোনো কোম্পানি এই জনবল রাখে না, তাই শুধু-মানুষ মনিটরিং নীরবে হয়ে যায় অফিস-সময়ের, এক-ভাষার, যতটা-পারা-যায় মনিটরিং — আর ফাঁকগুলোই ঠিক সেখানে যেখানে ADR এসে পড়ে।

কাজটি আসলে কী দাবি করে দেখুন:

• ভলিউম। একটি boosted পোস্ট একদিনে শত শত বা হাজারো কমেন্ট টানতে পারে। ADR-টি হলো ৮৪৭ নম্বর কমেন্ট, একটি দামের প্রশ্ন আর একটি স্টিকারের মাঝখানে।
• সময়। মানুষ উপসর্গ নিয়ে তখনই পোস্ট করে যখন উপসর্গ দেখা দেয় — একজন উদ্বিগ্ন অভিভাবক লেখেন রাত ২টায়, আপনার অফিস সময়ে নয়। সোমবার সকালের মধ্যে সেই কমেন্ট চাপা পড়ে গেছে, স্ক্রিনশট হয়ে গেছে, বা শেয়ার হয়ে গেছে।
• ভাষা কভারেজ। আপনার স্ক্রিনারকে বাংলা লিপি, Banglish আর ইংরেজি সমান দক্ষতায় পড়তে হবে — আপনার নিজের ব্র্যান্ড নামের ধ্বনিভিত্তিক ভুল বানানসহ।
• মনোযোগের ক্ষয়। আট ঘণ্টা ধরে কমেন্ট স্ট্রিম পড়া অবশ করে দেওয়া কাজ। মানুষ চোখ বুলায়, আর চোখ বুলানোর ফাঁক দিয়েই এক লাইনের একটি র‍্যাশ রিপোর্ট গলে যায়।
• ভুল মানুষরা পাহারায়। বেশিরভাগ Page চালান একজন মার্কেটিং অফিসার বা একটি এক্সটার্নাল এজেন্সি — যাঁদের কোনো pharmacovigilance প্রশিক্ষণ নেই, যাঁদের মূল্যায়ন হয় engagement দিয়ে, নিরাপত্তা সংকেত ধরার দক্ষতা দিয়ে নয়।

অটোমেশনের আগে আমার ক্লায়েন্টের পেজগুলো দেখতেন সেদিন যিনিই Page ম্যানেজ করছিলেন তিনি। কেউ অবহেলা করেননি; কাজটি মানুষের পরিসরে স্রেফ অসম্ভব ছিল। এখানেই AI-এর পক্ষে সৎ যুক্তিটি — এটি আপনার মানুষদের চেয়ে বুদ্ধিমান বলে নয়, বরং এটি কখনও ঘুমায় না, কখনও চোখ বুলিয়ে যায় না, এবং রাত ২টায়ও দুপুর ২টার সমান মনোযোগে তিনটি ভাষারূপই পড়ে।

৪. কেন আপনি এটি শুধু লুকাতে (বা মুছে ফেলতে) পারেন না

একটি আতঙ্কজনক পাবলিক কমেন্ট লুকিয়ে ফেলার প্রবৃত্তি বোধগম্য, কিন্তু একটি নিয়ন্ত্রিত কোম্পানির জন্য এটি ভুল প্রথম পদক্ষেপ। ধরা ও মূল্যায়ন করার আগে একটি কমেন্ট লুকিয়ে ফেলা একটি নিরাপত্তা সংকেত চেপে দেওয়ার মতো দেখাতে পারে। দায়িত্বশীল ক্রমটি উল্টো: এটি চিনুন, লিপিবদ্ধ করুন, যাঁরা এটি মূল্যায়নে প্রশিক্ষিত তাঁদের কাছে রুট করুন, আর কেবল তখনই এর পাবলিক দৃশ্যমানতা পরিচালনা করুন — মূলটি নথিতে রেখে।

আর এটি পরিষ্কারভাবে বুঝুন: কমেন্ট মুছে ফেলা বাধ্যবাধকতা মুছে দেয় না। দায়িত্ব আসে সচেতনতা থেকে, আর আপনার টিম (বা আপনার সিস্টেম) এটি দেখার মুহূর্তেই সচেতনতা ঘটে গেছে। মুছে ফেলা কেবল একটাই কাজ করে — দায় রেখে প্রমাণ হারায় — সবচেয়ে খারাপ সমন্বয়। Meta-র নিজস্ব মডারেশন টুল (hide, delete, restrict) পরিচালনা করে দৃশ্যমানতা; সেগুলো কখনোই নিরাপত্তা বাধ্যবাধকতা পরিচালনার জন্য বানানো হয়নি, আর এই দুটোকে গুলিয়ে ফেলা চলবে না।

এখানেই সুনাম ব্যবস্থাপনা ও pharmacovigilance ভিন্ন দিকে টানে, আর এ কারণেই সাধারণ ব্র্যান্ডের জন্য তৈরি একটি মডারেশন সিস্টেম ফার্মার জন্য যথেষ্ট নয়। সিস্টেমটিকে বুঝতে হবে যে একটি ADR একটি বিশেষ ক্যাটাগরি যার নিজস্ব নিয়ম আছে।

৫. আমি ADR শনাক্তকরণ pipeline কীভাবে ডিজাইন করেছি

আমি যখন একটি ফার্মাসিউটিক্যাল ক্লায়েন্টের জন্য এটি বানাই, সিস্টেমটি Facebook ও Instagram-এর জন্য Meta-র webhooks এবং WhatsApp Business API-র সঙ্গে যুক্ত ছিল, তাই প্রতিটি ইনকামিং কমেন্ট ও মেসেজ পোস্ট হওয়ার কয়েক সেকেন্ডের মধ্যেই pipeline-এ পৌঁছায়। সেখান থেকে প্রতিটি আইটেম চারটি ধাপ পেরোয় — সঙ্গে একটি চূড়ান্ত নিয়ম।

ধাপ ১ — language detection। Pipeline প্রথমে বের করে এটি কী পড়ছে: বাংলা লিপি, রোমানাইজড Banglish, ইংরেজি, নাকি মিশ্রণ। এটি গুরুত্বপূর্ণ কারণ পরের ধাপের classification prompt প্রতিটিকে আলাদাভাবে সামলায়, এবং কারণ “bomi” আর “vomiting” একই বাক্সে পড়তে হবে। এর কারিগরি দিক আমি মিশ্র-ভাষা মডারেশন লেখায় বিস্তারিত বলেছি।

ধাপ ২ — health-signal classification। প্রতিটি আইটেমের জন্য মডেল যে মূল প্রশ্নের উত্তর দেয়: এটি কি এমন কোনো স্বাস্থ্য প্রভাব বর্ণনা করছে যা একজন ব্যক্তি একটি পণ্য ব্যবহারের পর অনুভব করেছেন? কীওয়ার্ড মেলানো নয় — অর্থ। “Matha ghurtese ei tablet khawar por” একটি হ্যাঁ। “Dam dekhe matha ghurtese” (দাম দেখে মাথা ঘোরে) একটি না। এই পার্থক্যটিই সেই জায়গা যেখানে একটি আধুনিক language model তার মূল্য প্রমাণ করে।

ধাপ ৩ — severity ও priority। সব সংকেত সমান নয়। হাসপাতালে ভর্তি, শিশু, গর্ভাবস্থা, শ্বাসকষ্ট বা জ্ঞান হারানোর উল্লেখ সর্বোচ্চ অগ্রাধিকার পায় এবং সারির সামনে চলে যায়। একটি হালকা “ghum ghum lage” (ঝিমঝিম ভাব) তবুও ফ্ল্যাগ হয়, কিন্তু সাধারণ অগ্রাধিকারে। এই priority স্কোরই ঠিক করে সিস্টেম কতটা জোরে এসকেলেট করবে।

ধাপ ৪ — টাইমস্ট্যাম্পড রেকর্ডসহ escalation। প্রতিটি ফ্ল্যাগ হওয়া আইটেম একটি রেকর্ড তৈরি করে — পূর্ণ মূল টেক্সট, যে পোস্টের নিচে এটি এসেছে, কমেন্টকারীর handle, এবং কখন পোস্ট হলো, কখন শনাক্ত হলো ও কখন এসকেলেট হলো তার টাইমস্ট্যাম্প — সঙ্গে pharmacovigilance টিমের ইনবক্সে একটি তাৎক্ষণিক অ্যালার্ট। PV পেশাদার ঘুম থেকে উঠে পান প্রমাণ, অস্পষ্ট “কেউ কী যেন বলেছে” নয়।

চূড়ান্ত নিয়ম — মেডিকেল কনটেন্টে কখনও auto-reply নয়। সিস্টেমটি স্ট্যাকের অন্যত্র স্প্যাম auto-hide করতে ও দামের প্রশ্নের উত্তর দিতে পারে, কিন্তু স্বাস্থ্য-সম্পর্কিত হিসেবে শ্রেণিবদ্ধ যেকোনো কিছু পায় কোনো স্বয়ংক্রিয় উত্তর নয়, কখনোই নয়। উপসর্গ বর্ণনাকারী একজন রোগীর কাছে একটি ভুল — এমনকি একটি জেনেরিক — স্বয়ংক্রিয় উত্তর এমন ঝুঁকি যা কোনো ফার্মা কোম্পানির নেওয়া উচিত নয়। উত্তর দেন মানুষ, যদি আদৌ কেউ দেন।

বাকি সবকিছু — স্প্যাম লুকানো, স্ক্যাম সরানো, রুটিন প্রশ্ন সামলানো — একই ইভেন্ট স্ট্রিমে চলে, আর এ কারণেই এটি একটি বৃহত্তর মডারেশন সেটআপে স্বাভাবিকভাবে খাপ খায়। সেই বড় চিত্রের জন্য দেখুন AI সোশ্যাল মিডিয়া মডারেশনের সম্পূর্ণ গাইড এবং Facebook কমেন্ট মডারেশনের গভীর আলোচনা।

৬. যে কঠিন অংশগুলোর কথা কেউ আগে থেকে বলে না

ওপরের পরিচ্ছন্ন pipeline-টিকে সৎ করতে সত্যিকারের টিউনিং লেগেছে। তিনটি সমস্যা আমার iteration সময়ের বেশিরভাগ খেয়ে নিয়েছে:

False positive। প্রথম সপ্তাহগুলোতে classifier অস্পষ্টভাবে মেডিকেল সবকিছুই ফ্ল্যাগ করত — কেউ জিজ্ঞেস করছেন গর্ভাবস্থায় একটি ওষুধ নিরাপদ কিনা (একটি প্রশ্ন, কোনো event নয়), রূপক ভাষা, এমনকি প্রশংসাসূচক মন্তব্য (“এটা আমার গ্যাস্ট্রিক সারিয়ে দিয়েছে!”)। আমি ইচ্ছাকৃতভাবে under-flagging নয়, over-flagging-এর দিকে টিউন করেছি, কারণ খরচ দুই দিকে সমান নয়: একটি false positive একজন PV রিভিউয়ারের দুই মিনিট খরচ করে; একটি false negative একটি মিস হয়ে যাওয়া নিরাপত্তা সংকেত। কিন্তু একটি সীমা আছে — PV ইনবক্স ভাসিয়ে দিলে মানুষ অ্যালার্ট পড়া বন্ধ করে দেয়। ফ্ল্যাগ হওয়া আইটেমগুলোকে ফ্ল্যাগ-না-হওয়া নমুনার বিপরীতে সাপ্তাহিক পর্যালোচনা করেই ভারসাম্যটা পাওয়া গেছে।

শ্লেষ ও দ্ব্যর্থতা। “চমৎকার ওষুধ, টানা দুই দিন ঘুমিয়েছি” — একটি sleep aid-এর প্রশংসা, নাকি একটি adverse event? বাংলা শ্লেষ স্কোর করা আরও কঠিন। আমার নিয়ম: মডেল যখন সত্যিই অনিশ্চিত যে কোনো স্বাস্থ্য প্রভাব ঘটেছে কিনা, তখন এটি low confidence নোটসহ ফ্ল্যাগ করে। অনিশ্চিত কেসগুলো মানুষের কাছে যায়; সেগুলো কখনও নীরবে বাদ পড়ে না।

ভুল বানানের ওষুধের নাম। রোগীরা Banglish-এ ব্র্যান্ড নাম ধ্বনি অনুযায়ী লেখেন, আর একটি ব্র্যান্ড আধ ডজন বানানে হাজির হতে পারে। হুবহু নাম মেলানো আশাহীন। Classifier-কে শিখতে হয়েছে যে “apnader oi hexisol er moto ta” (আপনাদের ওই হেক্সিসলের মতোটা) আদৌ একটি পণ্যকেই বোঝায় — আর আমি ব্র্যান্ডপ্রতি পর্যবেক্ষণ করা নামের ভ্যারিয়েন্টের একটি ক্রমবর্ধমান তালিকা রেখেছি, যা context হিসেবে prompt-এ ফেরত যেত।

৭. শনাক্তকরণের পরের কমপ্লায়েন্স ওয়ার্কফ্লো

শনাক্তকরণ কেবল শুরু। ফ্ল্যাগের পরে যা ঘটে, একজন নিয়ন্ত্রক আসলে সেটার ভিত্তিতেই আপনাকে বিচার করবেন। আমি যে ওয়ার্কফ্লো ডিজাইন করেছি তা এই ক্রম বাধ্যতামূলক করে, যাতে একজন ব্যস্ত অফিসার ভুলবশত একটি সংকেত চাপা দিতে না পারেন:

1. Capture। অন্য কিছু ঘটার আগেই মূল কমেন্টটি সম্পূর্ণ সংরক্ষণ করুন — হুবহু টেক্সট, কমেন্টকারীর handle, যে পোস্টের নিচে এটি এসেছে, এবং টাইমস্ট্যাম্প। কমেন্টকারী পরে এটি এডিট বা ডিলিট করলেও আপনার রেকর্ড টিকে থাকে।
2. স্বীকৃতি — সাবধানে। উত্তর দেওয়া উপযুক্ত হলে একজন মানুষ একটি নিরপেক্ষ স্বীকৃতি পোস্ট করেন, ব্যক্তিটিকে একটি অফিসিয়াল রিপোর্টিং চ্যানেলে (একটি হটলাইন, একটি ইমেইল, একটি প্রাইভেট মেসেজ) আমন্ত্রণ জানিয়ে। কোনো চিকিৎসা পরামর্শ নয়, কোনো স্বীকারোক্তি নয়, কোনো অটোমেশন নয়।
3. Document। কমেন্টটি যতটুকু দেয়, ততটুকু নিয়ে কেসটি আপনার PV intake-এ ঢোকান — একজন PV পেশাদারের দরকারি মৌলিক তথ্য: কে আক্রান্ত হয়েছেন, কে রিপোর্ট করেছেন, কোন পণ্য সন্দেহভাজন, এবং কী প্রতিক্রিয়া ঘটেছে।
4. Route। কেসটি যায় আপনার যোগ্য pharmacovigilance responsible person-এর কাছে মেডিকেল মূল্যায়নের জন্য। এই বিন্দুতেই মেশিনের কাজ শেষ হয় এবং প্রশিক্ষিত মানুষের বিচার দায়িত্ব নেয়।
5. আপনার নিয়ন্ত্রকের সময়সীমার মধ্যে রিপোর্ট করুন। PV মূল্যায়ন যদি বলে কেসটি রিপোর্টযোগ্য, তবে তা প্রযোজ্য ডেডলাইনের মধ্যে আপনার স্থানীয় নিয়ন্ত্রকের কাছে যায়। সময়সীমা দেশভেদে ও ঘটনার গুরুত্বভেদে ভিন্ন — সেই সংখ্যাগুলোর মালিক আপনার PV টিম, আপনার মডারেশন সিস্টেম নয়।

লক্ষ করুন দৃশ্যমানতা ব্যবস্থাপনা কোথায় বসে: critical path-এর কোথাও নয়। কমেন্ট লুকানো, আদৌ উপযুক্ত হলে, ঘটে কেবল capture ও escalation-এর পরে — কখনও আগে নয়।

৮. অডিট ট্রেইল — এবং কমপ্লায়েন্সের বাইরের সুবিধাগুলো

একজন নিয়ন্ত্রক বা আপনার নিজের কোয়ালিটি টিম যদি কখনও জিজ্ঞেস করে “সোশ্যাল মিডিয়ার মাধ্যমে আসা নিরাপত্তা রিপোর্ট আপনারা কীভাবে সামলান?”, তবে একটি স্ক্রিনশট কোনো উত্তর নয়। আপনার দরকার একটি রেকর্ড: প্রতিটি ফ্ল্যাগ করা কমেন্ট, এটি আসার টাইমস্ট্যাম্প, PV টিমকে সতর্ক করার সময়, যে অফিসার এটি পর্যালোচনা করেছেন, এবং নেওয়া অ্যাকশন — সবই সংরক্ষিত ও এক্সপোর্টযোগ্য।

একটি উদ্দেশ্যনির্মিত মডারেশন সিস্টেম এই অডিট ট্রেইলটি কাজেরই একটি উপজাত হিসেবে রাখে। এটি একটি অস্বস্তিকর কমপ্লায়েন্স প্রশ্নকে একটি সহজ প্রদর্শনে পরিণত করে: এই যে লগ, এই যে আমাদের দেখা প্রতিটি সংকেতের chain of custody। ফার্মা সিস্টেম অডিটের ভেতর দিয়ে যাওয়া যে-কেউ এর মূল্য জানেন — এটি ফার্মা IT-তে computer system validation-এর পেছনের সেই একই ডকুমেন্টেশন শৃঙ্খলা, একটি নতুন চ্যানেলে প্রয়োগ করা।

আর সুবিধাগুলো কমপ্লায়েন্স ছাড়িয়েও যায়:

• ব্র্যান্ডের প্রতি আস্থা। যে রোগী একটি প্রতিক্রিয়ার কথা জানান এবং দ্রুত, শ্রদ্ধাপূর্ণ একটি মানবিক উত্তরে জানতে পারেন কীভাবে আনুষ্ঠানিকভাবে রিপোর্ট করতে হয় — তা হয়ে ওঠে এমন এক কোম্পানির গল্প যারা নিরাপত্তাকে গুরুত্ব দেয় — পাবলিকলি, যেখানে সবাই পড়ে।
• নকল ও মান-সংক্রান্ত সংকেত। “আমি এটা একটা ফার্মেসি থেকে কিনেছি, প্যাকেজিংটা অন্যরকম লাগছিল, আর এটা খেয়ে আমি অসুস্থ হয়ে পড়েছি” শুধু একটি সম্ভাব্য ADR নয় — এটি একটি নকল বা মান-সংক্রান্ত অভিযোগও হতে পারে। একই pipeline এগুলো আপনার কোয়ালিটি টিমের জন্য ফ্ল্যাগ করে। আমার ক্লায়েন্ট এই ধাঁচের অভিযোগ ধরেছে যেগুলোর জন্য আগে কোনো চ্যানেলই ছিল না।
• প্যাটার্ন দৃশ্যমানতা। আলাদা আলাদা কমেন্ট হলো টুকরো ঘটনা; সেগুলোর একটি লগ হলো ডেটা। একই মাসে একই পণ্যে তিনটি র‍্যাশ রিপোর্ট একটি সিস্টেমে দৃশ্যমান, আর একটি কমেন্ট স্ট্রিমে অদৃশ্য।

৯. বাংলাদেশের ফার্মার জন্য এটি বিশেষভাবে গুরুত্বপূর্ণ কেন

দায়িত্বটা বৈশ্বিক — ওষুধ বিক্রি হয় এমন প্রায় প্রতিটি বাজারেই pharmacovigilance বাধ্যবাধকতা আছে। কিন্তু ঝুঁকিটা বাংলাদেশে অস্বাভাবিকভাবে ঘনীভূত, একটি সহজ কারণে: জনসংখ্যার খুব বড় একটি অংশের কাছে Facebook-ই কার্যত ইন্টারনেট। রোগীরা একটি safety-reporting ফর্ম খোঁজেন না; তাঁরা আপনার Page খুঁজে নেন এবং কমেন্ট বক্সে লিখে ফেলেন।

বাংলাদেশি ফার্মা কোম্পানিগুলো সত্যিকারের বড়, সক্রিয় Page-ও চালায় — স্বাস্থ্য-সচেতনতা পোস্ট, পণ্যের ক্যাম্পেইন, মৌসুমি কনটেন্ট — যার মানে ঠিক সেই মিশ্র বাংলা-Banglish-ইংরেজি ধাঁচে উঁচু কমেন্ট ভলিউম, যা কীওয়ার্ড টুল আর অফিস-সময়ের মনিটরিংকে হারিয়ে দেয়। উঁচু engagement, মিশ্র ভাষা, আর এমন একটি আনুষ্ঠানিক রিপোর্টিং সংস্কৃতি যার কথা অধিকাংশ রোগী কখনও শোনেননি — এই তিনে মিলে নিরাপত্তা সংকেতগুলো কেবল আপনার কমেন্ট থ্রেডেই বাস করার রেসিপি তৈরি হয়।

ঠিক কী রিপোর্ট করতে হবে এবং কখন — তার সুনির্দিষ্ট বিষয়গুলো আসে আপনার স্থানীয় নিয়ন্ত্রকের কাছ থেকে — সেগুলো কোনো ব্লগ পোস্ট নয় (আমারটাসহ), বরং আপনার রেগুলেটরি অ্যাফেয়ার্স ও PV পেশাদারদের সঙ্গে নিশ্চিত করুন। কিন্তু ব্যবহারিক তাৎপর্য সবখানে একই: নিরাপত্তা সংকেত একটি নির্ধারিত প্রক্রিয়ার মাধ্যমে ধরা উচিত, আর সোশ্যাল মিডিয়া আর সেই পরিধির বাইরে নয়।

১০. AI যা করে — আর আপনার নিরাপত্তা সিস্টেমকে যা এখনও নিজের হাতে রাখতে হবে

সীমারেখা সম্পর্কে স্পষ্ট থাকুন। AI একটি দ্রুত, ক্লান্তিহীন প্রথম-ধাপের শনাক্তকারী যা নিশ্চিত করে যে একটি সন্দেহভাজন ADR এমন একজন মানুষের কাছে পৌঁছায় যিনি এটি মূল্যায়নে যোগ্য। এটি pharmacovigilance সিস্টেম নয়, এবং এটি সিদ্ধান্ত নেয় না যে কিছু একটি রিপোর্টযোগ্য প্রতিক্রিয়া কিনা। সেই বিচার প্রশিক্ষিত PV পেশাদার এবং আপনি ইতিমধ্যে চালানো অফিসিয়াল নিরাপত্তা প্রক্রিয়ার হাতেই থাকে।

এভাবে ব্যবহার করলে AI আপনার বাধ্যবাধকতা প্রতিস্থাপন করে না — এটি সেগুলো পূরণে সাহায্য করে, “একজন রোগী উদ্বেগজনক কিছু পোস্ট করেছেন” আর “সঠিক ব্যক্তি এটি সম্পর্কে জানেন”-এর মধ্যেকার অন্ধ জায়গাটি বন্ধ করে। মানুষ, এবং নিয়ন্ত্রিত নিরাপত্তা সিস্টেম, দৃঢ়ভাবে দায়িত্বে থাকে।

১১. নিরাপদে এটি পাইলট করবেন কীভাবে

এটি যোগ করতে আপনি pharmacovigilance নতুন করে গড়েন না — আপনি এটি সম্প্রসারিত করেন। আমি যেভাবে রোলআউট করেছি, এবং যে-কাউকে যেভাবে করার পরামর্শ দেব:

শুরু করুন shadow mode-এ: সিস্টেম ফ্ল্যাগ করে ও অ্যালার্ট দেয়, কিন্তু কোনো পাবলিক অ্যাকশনই নেয় না। প্রথম সপ্তাহগুলোতে এটি যা ধরে তা কেবল তুলনা করা হয় আপনার টিম ম্যানুয়ালি যা ধরত তার সঙ্গে। এটি PV টিমের সঙ্গে আস্থা গড়ে — যাঁদের অ্যালার্টে বিশ্বাস করতেই হবে — এবং কিছু স্বয়ংক্রিয় হওয়ার আগেই আপনাকে একটি পরিমাপকৃত false-positive rate দেয়।

আপনার PV ও কোয়ালিটির মানুষদের প্রথম দিন থেকেই যুক্ত করুন, বিল্ডের পরে নয়। তাঁরাই সংজ্ঞায়িত করেন একটি কাজের অ্যালার্ট দেখতে কেমন, কোন ইনবক্স এটি পাবে, আর এর ওপর অ্যাকশন নেওয়ার দায়িত্ব কার। আমার প্রজেক্টে, responsible person-এর এক নজরে আসলে কী দেখা দরকার তার ভিত্তিতে অ্যালার্ট ফরম্যাটটি নিজেই তিনবার সংশোধিত হয়েছে।

প্রথম দিন থেকেই অডিট লগ চালু রাখুন, এমনকি shadow mode-এও — এটিই সেই অংশ যা আপনার কোয়ালিটি টিম সবচেয়ে বেশি গুরুত্ব দেবে, আর এটি টিউনিং পর্বটিকেও নথিভুক্ত করে। আপনার সবচেয়ে ব্যস্ত চ্যানেলে শুরু করুন (প্রায় সবসময়ই Facebook), ফ্ল্যাগ-হওয়া-বনাম-মিস-হওয়া সাপ্তাহিক পর্যালোচনা করুন, এবং Facebook ওয়ার্কফ্লো প্রমাণিত হলেই কেবল Instagram ও WhatsApp-এ সম্প্রসারণ করুন।

লক্ষ্য নিরাপত্তাকে স্বয়ংক্রিয় করা নয়। লক্ষ্য হলো নিশ্চিত করা যে একটি পাবলিক কমেন্টে বসে থাকা কোনো নিরাপত্তা সংকেত সোমবার সকাল পর্যন্ত অদেখা না থাকে।

সাধারণ জিজ্ঞাসা (FAQ)

সোশ্যাল মিডিয়ায় কোনটি adverse drug reaction (ADR) হিসেবে গণ্য হয়?

যেকোনো কমেন্ট বা মেসেজ যেখানে কেউ একটি ওষুধ ব্যবহারের পর অনুভব করা ক্ষতিকর বা অপ্রীতিকর প্রভাব বর্ণনা করেন — সিরাপের পর র‍্যাশ, ট্যাবলেটের পর মাথা ঘোরা, একজন স্বজন তাঁর মা-বাবার প্রতিক্রিয়ার কথা জানাচ্ছেন। এর জন্য মেডিকেল শব্দভান্ডার বা কার্যকারণের প্রমাণ লাগে না; আপনার পণ্যের সঙ্গে যুক্ত একটি স্বাস্থ্য প্রভাবের বিশ্বাসযোগ্য বর্ণনাই ধরে রাখা এবং আপনার pharmacovigilance টিমের কাছে পাঠানোর জন্য যথেষ্ট।

ফার্মাসিউটিক্যাল কোম্পানিগুলো কি সত্যিই তাদের পেজের কমেন্টের জন্য দায়ী?

অধিকাংশ pharmacovigilance কাঠামোর অধীনে কোম্পানিগুলোর কাছে প্রত্যাশা করা হয় যে তারা যেসব adverse event সম্পর্কে সচেতন হয় সেগুলো ধরে রাখবে — আর নিজেদের মালিকানাধীন ও পরিচালিত চ্যানেলের কমেন্ট সচেতনতা হিসেবেই গণ্য হয়। সঠিক পরিধি ও সময়সীমা দেশভেদে ভিন্ন, তাই সুনির্দিষ্ট বিষয়গুলো আপনার রেগুলেটরি অ্যাফেয়ার্স ও PV পেশাদারদের সঙ্গে নিশ্চিত করুন — কিন্তু “আমরা আমাদের নিজেদের Facebook কমেন্টই পড়িনি”, এমন অবস্থান আপনি রক্ষা করতে চাইবেন না।

AI কি সিদ্ধান্ত নিতে পারে একটি ADR রিপোর্টযোগ্য কিনা?

না, এবং চেষ্টাও করা উচিত নয়। AI-এর কাজ শনাক্তকরণ ও এসকেলেশন: সন্দেহভাজন ADR-টি ফ্ল্যাগ করা, প্রমাণ যুক্ত করা, এবং দ্রুত একজন প্রশিক্ষিত pharmacovigilance পেশাদারের সামনে তুলে ধরা। এটি রিপোর্টিং মানদণ্ড পূরণ করে কিনা, এবং কার কাছে ও কবের মধ্যে রিপোর্ট করতে হবে — এই বিচারগুলো যোগ্য মানুষ ও আপনার অফিসিয়াল নিরাপত্তা প্রক্রিয়ার হাতেই থাকে।

বাংলা বা Banglish-এ লেখা ADR কমেন্টের ক্ষেত্রে কী হবে?

আমার অভিজ্ঞতায় বাংলাদেশে এগুলোই সংখ্যাগরিষ্ঠ, এবং কীওয়ার্ড টুল ঠিক এগুলোই মিস করে। একটি আধুনিক language model বাংলা লিপি, রোমানাইজড Banglish ও মিশ্র বাক্য অর্থ হিসেবে পড়ে, তাই “oshudh khawar por bomi hocche” তার ইংরেজি সমতুল্যের মতোই নির্ভরযোগ্যভাবে ফ্ল্যাগ হয়। কোনো টুলে আস্থা রাখার আগে এটি বিশেষভাবে পরীক্ষা করুন।

একটি ADR কমেন্ট মুছে ফেললে কি বাধ্যবাধকতাও মুছে যায়?

না। বাধ্যবাধকতা আসে সচেতনতা থেকে, কমেন্টটি দৃশ্যমান থাকা থেকে নয়। ধরা ও রুট করার আগে একটি সন্দেহভাজন ADR মুছে ফেলা বা লুকানো পরিস্থিতি আরও খারাপ করে: নিরাপত্তা সংকেতটি হারিয়ে যায়, আর রেকর্ডে দেখা যায় কোম্পানি এটি সরিয়ে ফেলেছে। আগে ধরুন ও নথিভুক্ত করুন; দৃশ্যমানতা পরে পরিচালনা করুন।

AI কি রোগীদের তাঁদের উপসর্গ নিয়ে উত্তর দেবে?

আমি যে সিস্টেম বানাব তার কোনোটিতেই নয়। মেডিকেল কনটেন্টে স্বয়ংক্রিয় উত্তর একেবারেই নিষিদ্ধ — একটি স্বাস্থ্য অভিযোগের জবাবে একটি জেনেরিক স্বয়ংক্রিয় উত্তরও গুরুতর ঝুঁকি। স্বাস্থ্য-সম্পর্কিত হিসেবে শ্রেণিবদ্ধ যেকোনো কিছু মানুষের কাছে এসকেলেট হয়; রোগীকে কোনো স্বীকৃতি জানালে তা একজন মানুষ লেখেন, তাঁকে একটি অফিসিয়াল রিপোর্টিং চ্যানেলে আমন্ত্রণ জানান, এবং কোনো চিকিৎসা পরামর্শ দেন না।

সারকথা

একটি ফার্মাসিউটিক্যাল ব্র্যান্ডের জন্য সোশ্যাল মিডিয়া মডারেশন কেবল সুনাম রক্ষার বিষয় নয় — এটি একটি কমেন্ট থ্রেডে লুকিয়ে থাকা একটি ওষুধ-নিরাপত্তা সংকেত মিস না করার বিষয়। AI এটি বড় পরিসরে ব্যবহারিক করে তোলে: এটি প্রতিটি Facebook, Instagram ও WhatsApp মেসেজ বাংলা ও ইংরেজিতে পড়ে, সন্দেহভাজন adverse drug reaction ফ্ল্যাগ করে, কিছু লুকানোর আগে আপনার pharmacovigilance টিমকে সতর্ক করে এবং একটি সম্পূর্ণ অডিট ট্রেইল রাখে। প্রযুক্তি নজরদারিটা করে; আপনার প্রশিক্ষিত মানুষ ও আপনার অফিসিয়াল নিরাপত্তা সিস্টেম নিয়ন্ত্রণে থাকে। আপনি যদি বাংলাদেশে একটি ফার্মা ব্র্যান্ড চালান, এই সমন্বয়টি দ্রুতই একটি বিলাসিতা নয়, বরং ভিত্তিরেখা হয়ে উঠছে।