وكلاء الذكاء الاصطناعي في تطوير الأدوية لا يزالون بعيدين عن الحكم المستقل

دخل الذكاء الاصطناعي مجال تطوير الأدوية، لكن الوعد الأكثر جذباً لا يقتصر على البحث عن الجزيئات بسرعة أكبر، بل يتمثل في ما إذا كان قادراً على مساعدة فرق البحث في إصدار أحكام وسط بيانات تجريبية معقدة: هل أصاب مركب معين الهدف فعلاً، وهل تكفي إشارة الفاعلية للمضي قدماً، وهل ظهرت مؤشرات إنذار مبكرة تتعلق بالسلامة. وتذكّر أحدث ورقة أولية منشورة على arXiv بأن هذه القدرة لا يمكن قياسها بالاعتماد على الإجابات السلسة وحدها.

تعرّف هذه الدراسة، التي قدّمها فريق LatchBio، معيار TxBench-PP، وهو معيار لوكلاء الذكاء الاصطناعي مخصص لعلم الأدوية قبل السريري للجزيئات الصغيرة. صمم الباحثون 100 مهمة قابلة للتحقق، بحيث يفحص الوكيل الملفات ويفسر البيانات التجريبية في بيئة تقارب عمل البحث والتطوير الحقيقي، ثم يخرج إجابات منظمة تُقيَّم بعد ذلك بقواعد حتمية.

لا يركز TxBench-PP على أسئلة وأجوبة معرفية من نوع الكتب الدراسية، بل على استدلال البيانات الأقرب إلى ما قد تواجهه برامج الأدوية. تشمل المهام تفسير آلية العمل والديناميكا الدوائية، وارتباط المركبات بالأهداف، والتحقق السببي من الأهداف، وقابلية التحول إلى دواء والسلامة، إضافة إلى الفاعلية الدوائية الانتقالية. بعبارة أخرى، يختبر المعيار ما إذا كان الوكيل يستطيع استعادة استنتاجات معقولة من أجزاء سير العمل، لا استظهار إجابات موجودة في الأدبيات.

كانت النتائج متحفظة إلى حد كبير. حللت الدراسة ما مجموعه 4,800 مسار تنفيذ عبر 16 تركيبة من النماذج وأطر الاختبار؛ وكانت التركيبة الأفضل أداءً Claude Opus 4.8 / Pi، بمعدل نجاح بلغ 59.3% في محاولات نقاط النهاية، مع فاصل ثقة من 51.1% إلى 67.6%. وجاءت بعدها GPT-5.5 / Pi بمعدل نجاح 55.3%. وحتى أعلى الدرجات لم تصل إلى مستوى يبعث على الاطمئنان لتسليم قرارات البحث والتطوير الحاسمة.

تتضح الدلالة العملية لهذه الفجوة على نحو خاص في علم الأدوية قبل السريري. فالتطوير المبكر للأدوية يتطلب غالباً المفاضلة بين بيانات غير مكتملة، عالية الضجيج، ومترابطة؛ وقد يؤدي سوء تقدير مشاركة الهدف، أو الإفراط في تفسير الفاعلية، أو إغفال إشارة سلامة، إلى توجيه الموارد في الاتجاه الخطأ. وإذا كان لوكلاء الذكاء الاصطناعي أن يدخلوا هذا المستوى من العمل، فالمسألة لا تعود فقط إلى «هل يمكنهم الإجابة»، بل إلى ما إذا كانوا مستقرين، وقابلين للتتبع، وقابلين للتدقيق عبر أشكال بيانات وبنى مهام مختلفة.

مع ذلك، لا تزال هذه الدراسة حالياً ورقة أولية لم تخضع بعد لمراجعة الأقران؛ كما أن الملخص العلني لا يقدم السياق الكامل لكل تفاصيل المهام، وتوزيع مصادر البيانات، وأنماط الفشل. لذلك، فإن هذه الأرقام أنسب بوصفها إنذاراً مبكراً بشأن مخاطر النشر، لا حكماً نهائياً على قدرات جميع أنظمة الذكاء الاصطناعي في الطب الحيوي.

قد تكون الخلاصة الأكثر واقعية هي أن وكلاء الذكاء الاصطناعي قد يكونون مفيدين في اكتشاف الأدوية، لكنهم على المدى القصير أنسب لوضعهم في مراحل عمل محدودة وقابلة للفحص، مثل تنظيم البيانات، والمقارنة الأولية، وتوليد الفرضيات، أو التحليل المساند. وعندما تدخل المهمة في أحكام قبل سريرية يمكن أن تؤثر في بقاء الدواء المرشح أو استبعاده، ستظل المعايير، والمراجعة البشرية، وتحليل الأخطاء، وسجلات الامتثال أكثر أهمية من مقاطع العرض التوضيحي الأنيقة.