التكنولوجيا الحيوية · global
استثمارات تطوير الأدوية بالذكاء الاصطناعي تتجاوز ملياري دولار: هل تطارد الأموال الساخنة مسارا أقصر للبحث والتطوير أم أدلة سريرية أصلب؟
يرسم تقرير صناعي صورة لاكتشاف الأدوية بالذكاء الاصطناعي بوصفه مضمارا ترتفع فيه وتيرة التمويل والكفاءة معا؛ لكن قبل أن تدخل الخوارزميات المسارات السريرية والتنظيمية، يظل المورد النادر حقا هو الأدلة الطبية الحيوية القابلة للتكرار والمراجعة.
تتحول قصة تطوير الأدوية بالذكاء الاصطناعي من سؤال «هل يمكن العثور على جزيئات جديدة؟» إلى سؤال «هل يمكن تغيير الجدول الزمني للبحث والتطوير الدوائي؟». ونقلت Yahoo Finance عن The Pulse Report أن الاستثمارات المرتبطة باكتشاف الأدوية بالذكاء الاصطناعي ارتفعت إلى أكثر من ملياري دولار، وأن التقنيات ذات الصلة يمكن أن تختصر مدة التطوير بنحو 70%. هذه الأرقام تكفي لإظهار خيال أسواق رأس المال، كما تذكّر بأن أغلى عنق زجاجة في تطوير الأدوية لم يكن قط تصميم الجزيئات وحده، بل دفع فرضية ما إلى مستوى الدليل البشري.
تمتد استخدامات الذكاء الاصطناعي التي يصفها التقرير عبر اكتشاف الأدوية، والتعرف إلى المؤشرات الحيوية للأمراض، وتحسين تصميم التجارب السريرية، ودعم القرارات التنظيمية. بعبارة أخرى، لا يُستخدم الذكاء الاصطناعي فقط للبحث عن مركبات مرشحة داخل الفضاء الكيميائي، بل يُنتظر منه أيضا أن يساعد في اختيار فئات المرضى الأنسب، والتنبؤ بإشارات الفاعلية، وتمكين التجارب من استبعاد مخاطر الفشل في وقت أبكر. وإذا أمكن فعلا ربط هذه الحلقات بعضها ببعض، فلن يكون ما يجري توفيره وقت تجربة منفردة، بل تكلفة المحاولة والخطأ المتكررة عبر سلسلة البحث والتطوير بأكملها.
مع ذلك، تأتي هذه الأنباء حاليا في الأساس من تقرير صناعي واحد، ولا يقدم الملخص العلني تفاصيل كافية توضح الفترة الإحصائية التي يغطيها استثمار الملياري دولار، أو نطاق الشركات، أو أنواع التمويل، أو معيار المقارنة وراء اختصار الجدول الزمني بنسبة 70%. وبالنسبة إلى قراء الطب الحيوي، فإن هذه الفجوات حاسمة: فإذا كان الذكاء الاصطناعي يوفر الوقت في مراحل الفرز المبكرة، فهذا يمثل مستوى مختلفا تماما من خفض المخاطر مقارنة بتحسين معدل النجاح في المرحلتين السريريتين الثانية والثالثة.
معدل النجاح السريري مفهوم يحتاج هو الآخر إلى تفكيك. يمكن لنماذج الذكاء الاصطناعي، من خلال دمج الجينوميات، وبنية البروتينات، وبيانات العالم الحقيقي، ونتائج التجارب القائمة، أن تساعد الباحثين على بناء فرضيات مرضية أدق؛ لكن تنبؤات النماذج لا تزال مضطرة إلى الخضوع لاختبارات متتابعة تشمل التجارب الرطبة، والنماذج الحيوانية، والسلامة لدى البشر، ونقاط نهاية الفاعلية. وبالأخص في مجالات شديدة التغاير مثل الأورام، والأمراض التنكسية العصبية، والأمراض المناعية، قد تؤدي انحيازات البيانات وأخطاء تقسيم المرضى إلى فقدان مؤشرات النماذج اللامعة قيمتها سريعا في الممارسة السريرية.
السياق الخلفي
شهدت شركات تطوير الأدوية بالذكاء الاصطناعي في الآونة الأخيرة جولات تمويل مكثفة، ما يشير إلى أن الصناعة انتقلت من استعراض قدرات النماذج إلى مرحلة التعاون مع شركات الأدوية والتحقق السريري. وتعود رغبة شركات الأدوية الكبرى في الاستثمار جزئيا إلى ضغوط هاوية براءات الاختراع وعائدات البحث والتطوير؛ أما الشركات الناشئة فتحاول إثبات أن منصات الذكاء الاصطناعي ليست مجرد أدوات تعهيد، بل يمكنها توليد قيمة قرارية قابلة للتتبع في اختيار الأهداف، وتصميم الجزيئات، واستراتيجيات التجارب.
ستصبح القضايا التنظيمية أيضا أكثر تحديدا مع تعمق دخول الذكاء الاصطناعي في مسار البحث والتطوير. فإذا كان الذكاء الاصطناعي يساعد فقط في اقتراح جزيئات مرشحة، فسيظل تركيز المراجعة منصبا على السلامة والفاعلية التقليديتين للدواء؛ أما إذا شارك الذكاء الاصطناعي في إدخال المرضى إلى التجارب، أو اختيار نقاط النهاية، أو تعديل التجارب، فستحتاج السلطات المختصة إلى فهم كيفية تدريب النموذج، وكيفية تحديثه، وكيفية تجنب تسرب البيانات وانحيازات الفئات السكانية. هذه المتطلبات لن تنخفض بسبب سخونة الاستثمار، بل ستصبح أكثر صرامة مع اقتراب المنتجات من المرحلة السريرية.
لذلك، لا تكمن دلالة موجة التمويل البالغة ملياري دولار في إعلان أن الذكاء الاصطناعي قد أعاد كتابة صناعة الأدوية، بل في دفع الأسئلة إلى مكان أقرب إلى الإجابة. وما سيميز لاحقا بين المنصات الحقيقية والسرديات السوقية هو ما إذا كانت الأدوية المرشحة قادرة على دخول التجارب البشرية، وما إذا كان تصميم التجارب أكثر كفاءة، وما إذا كان الفشل سيترك عند حدوثه أدلة تكفي لتحسين جولة البحث والتطوير التالية. يمكن للذكاء الاصطناعي أن يختصر وقت البحث عن الطريق، لكن الدواء في النهاية لا بد أن يجتاز الحسابين المتوازيين لعلم الأحياء والطب السريري.