التكنولوجيا الحيوية والأدوية · global
هل يمكن للتصنيع الدوائي بالذكاء الاصطناعي أن يفتح مساحة تقييم أوسع لشركة Algorae؟ الإجابة ليست في الخوارزمية نفسها
تركز Kalkine على سردية اكتشاف الأدوية بالذكاء الاصطناعي لدى Algorae Pharmaceuticals؛ وبالنسبة إلى شركات التكنولوجيا الحيوية الصغيرة، فإن ما يمكن أن يتحول فعلا إلى قيمة ليس «استخدام الذكاء الاصطناعي»، بل المرشحون الدوائيون القابلون للتحقق، ومصادر البيانات الواضحة، وانضباط القرار القادر على الوصول إلى المرحلة السريرية.
في أسواق رأس المال، غالبا ما يجري تقديم التصنيع الدوائي بالذكاء الاصطناعي كطريق مختصر لتقليص زمن البحث والتطوير وخفض كلفة الفشل؛ لكن بالنسبة إلى شركة أدوية صغيرة مدرجة في البورصة، إذا أريد لهذه القصة أن تتحول إلى قيمة مؤسسية قابلة للقياس، فلا بد أن تنتقل من المفهوم الجذاب إلى أسئلة أكثر بساطة: ما الجزيئات التي عثرت عليها، وبأي بيانات حكمت عليها، وما التجارب التي تحققت منها، وهل تكفي الخطوة التالية لدعم التطوير السريري أو مفاوضات الشراكة.
في 23 يونيو، تناولت Kalkine شركة Algorae Pharmaceuticals (ASX: 1AI) بوصفها موضوعا للنقاش حول ما إذا كان اكتشاف الأدوية بالذكاء الاصطناعي قد يطلق مزيدا من القيمة للشركة. دخل التقرير من زاوية استثمارية، لكن الملخصات العامة لم تقدم تفاصيل مثل المرشحين الدوائيين المحددين، أو مجالات المرض، أو تصميم النموذج، أو حجم مجموعات البيانات، أو النتائج التجريبية؛ لذلك، من الأنسب حاليا النظر إليه بوصفه مراجعة جديدة لموقع الشركة في البحث والتطوير القائم على الذكاء الاصطناعي في نظر السوق، لا اختراقا جديدا مدعوما بما يكفي من الأدلة الطبية الحيوية.
الاستخدام الفعلي للذكاء الاصطناعي في اكتشاف الأدوية لا يعني عادة أن الآلة «تخترع دواء جديدا» بهذه البساطة. وتشمل الحلقات الأكثر تحديدا فرز جزيئات من قواعد بيانات المركبات قد تصيب الهدف، والتنبؤ بارتباط الأدوية بالبروتينات، وتحسين قابلية ذوبان الجزيئات الشبيهة بالأدوية وخصائصها الأيضية، أو استبعاد البنى التي قد تنطوي على سمية ومخاطر تطوير في المراحل المبكرة. يمكن لهذه الأعمال أن تسرع توليد الفرضيات، لكنها لا تحل محل التجارب الرطبة، أو النماذج الحيوانية، أو تقييمات الحرائك الدوائية والديناميكيات الدوائية، أو التجارب السريرية.
بالنسبة إلى شركات مثل Algorae التي تدخل مجال اهتمام المستثمرين عبر سردية الذكاء الاصطناعي، لا يكمن المفتاح فقط في ما إذا كانت قد أدخلت الخوارزميات، بل في ما إذا كانت الخوارزميات مدمجة في مسار بحث وتطوير قابل للتتبع. إذا دُرب النموذج على بيانات عامة متفاوتة الجودة، فقد يتعلم تحيزات الأدبيات؛ وإذا افتقر إلى تحقق استباقي، فقد لا يكون أداء الاختبار الرجعي قادرا بالضرورة على التنبؤ بنتائج التجارب الحقيقية. وعادة ما يسأل المستثمرون والشركاء: هل أتم المرشح الذي فرزه الذكاء الاصطناعي اختبارات النشاط في المختبر؟ هل أظهر إشارات أولية إلى الانتقائية والسلامة؟ وأين يختلف عن العلاجات القائمة أو خطوط التطوير المنافسة؟
السياق الخلفي
في الآونة الأخيرة، انتقلت موضوعات الطب الحيوي المرتبطة بالذكاء الاصطناعي تدريجيا من مجرد عرض النماذج إلى مقارنات أدلة أكثر صرامة. فمجالات مثل تصميم الأجسام المضادة، ودمج بيانات الطب الانتقالي، والبحث في خطوط تطوير الأدوية، تواجه جميعها العتبة نفسها: يجب أن تكون مخرجات النموذج قابلة للتحقق عبر التجارب، أو مصادر الأدبيات، أو قرارات التطوير السريري. وهذا يجعل منطق تقييم شركات التصنيع الدوائي بالذكاء الاصطناعي يتغير أيضا، إذ لم يعد السوق ينظر فقط إلى الشعارات التقنية، بل يطلب حوكمة بيانات أوضح، ونتائج قابلة لإعادة الإنتاج، واستراتيجية مرضية أكثر تحديدا.
وعلى مستوى الجهات التنظيمية، لا توجد طرق مختصرة كذلك. إذا كان الذكاء الاصطناعي مستخدما فقط في الفرز المبكر، فستظل الجهات التنظيمية في النهاية تراجع جودة المرشح الدوائي نفسه وسلامته وفعاليته؛ أما إذا شارك الذكاء الاصطناعي في تصميم التجارب السريرية، أو تقسيم المرضى، أو قراءة المؤشرات الحيوية، فستصبح نسخة النموذج، وضبط التحيز، وقابلية التفسير مسائل أكثر مباشرة. بعبارة أخرى، يمكن للذكاء الاصطناعي أن يغير سرعة ونطاق المراحل الأمامية من البحث والتطوير، لكنه لن يجعل تطوير الأدوية خارج قواعد الأدلة.
لذلك، إذا كان موضوع اكتشاف الأدوية بالذكاء الاصطناعي لدى Algorae سيبرر قيمة أعلى، فلن تكون الإشارة ذات المعنى التالية مجرد إعلان جديد عن الإمكانات التقنية، بل معالم أكثر تحديدا: استطباب واضح، وجزيئات مرشحة قابلة للاختبار، وبيانات تجريبية، وتحقق عبر شراكة، أو قرار بدخول التطوير قبل السريري. قبل توافر هذه المواد، يمنح الذكاء الاصطناعي مساحة للتخيل؛ أما مع وجود أدلة بيولوجية قابلة للتكرار، فقد يصبح أصلا حقيقيا في البحث والتطوير.