الأدلة الطبية شديدة التشتت، ووكلاء الذكاء الاصطناعي يريدون تحويل أبحاث الترجمة الطبية إلى تقارير قابلة للتتبع

غالبا ما تكون أصعب لحظات تطوير الأدوية ليست نقص البيانات، بل أن البيانات تتحدث بلغات مختلفة. أسماء الجينات، وتصنيفات الأمراض، وسجلات التجارب السريرية، وخيوط براءات الاختراع، وبيانات الأوميكس المتعددة في خطوط الخلايا، كلها مبعثرة في قواعد بيانات مختلفة؛ وعندما يريد فريق بحثي الإجابة عن سؤال يبدو بسيطا، مثل أي واسم حيوي أو آلية فعل ثانية ينبغي أن تقترن بدواء لنوع معين من السرطان، فإن ما وراء ذلك في الحقيقة هو عملية تنظيم أدلة عابرة للمصادر والمقاييس.

في 7 مايو، عرضت مسودة بحثية نُشرت على arXiv نظام BioResearcher الذي طوره فريق Ingenix.AI. ويصفه المؤلفون بأنه نظام ذكاء اصطناعي متعدد الوكلاء «موجَّه بالسياق»: بعد أن يطرح المستخدم سؤالا في الطب الترجمي، يختار النظام أولا سير عمل بحثيا ذا نسخة محددة، ثم يوزع المهمة على وكلاء فرعيين مختلفين يتولون، على التوالي، التعرف على الكيانات، والبحث في الأدبيات والتجارب، والبحث عن براءات الاختراع، والاستعلام من قواعد البيانات، وتحليلات على مستوى الجينوم يمكن تنفيذها داخل بيئة معزولة.

النقطة الأساسية هنا ليست السرعة فقط، بل قابلية التدقيق. وتقول الورقة إن هدف مخرجات BioResearcher هو تكوين ملف بحثي قابل للمراجعة، يحتفظ بوسوم المصادر مثل PMID، وأرقام التجارب السريرية NCT، وأرقام براءات الاختراع، ويجري قبل التجميع النهائي مقارنة وتسوية متعددة النماذج لكل ادعاء على حدة. وبالنسبة إلى تطوير الأدوية، يحاول هذا التصميم الاستجابة لنقطة ألم عملية: إذا كان الذكاء الاصطناعي لا يقدم إلا استنتاجات أنيقة، من دون أن يوضح من أين جاءت الأدلة وكيف تتعارض فيما بينها، فسيكون من الصعب عليه دخول مسار اتخاذ القرار الحقيقي.

كانت نتائج الاختبار التي أبلغ عنها المؤلفون إيجابية إلى حد كبير. في اختبار من 109 أسئلة أحادية الخطوة، بلغ معدل النجاح الإجمالي لإصدار BioResearcher بإعداد الاستدلال المنخفض 83.49%، مع متوسط درجة 0.892؛ وفي مهام علم الأحياء الحاسوبي ضمن BixBench-Verified-50، بلغت الدقة 89.33%؛ وعلى مسار BaisBench Scientific Discovery، بلغ متوسط الدرجة 0.758. كما وُضعت مجموعة أخرى من 30 سؤالا لمعيار واسمات حيوية سريرية من البداية إلى النهاية، شملت الأسئلة مستويات نضج مختلفة مثل التشخيصات المصاحبة المعتمدة، وخيوط التجارب السريرية، وفرضيات الفتك الاصطناعي، وواسمات الإنذار؛ وبلغت نسبة استرجاع BioResearcher للواسم الصحيح ضمن قائمة العشرة الأوائل 74.7%، فيما بلغت نسبة استبعاد ضوابط سالبة قريبة لكنها خاطئة 96.8%.

تقدم الورقة أيضا سيناريو استخدام أكثر تحديدا: استُخدم النظام لتنظيم فرضيات واسمات حيوية مرتبطة بـ ATR، والتمييز بين إشارات عابرة لأنواع السرطان وإشارات خاصة بأنماط فرعية محددة، ووضع واسمات مرشحة مثل TP53 وATM وAPC وARID1A ضمن درجات مختلفة من قوة الأدلة وسياقات آلية مختلفة. ويبين ذلك أن تموضعه ليس إنتاج توصيات سريرية مباشرة، بل مساعدة الباحثين على بناء قوائم مرشحة قابلة للاستجواب والدحض وإعادة التحليل.

مع ذلك، لا تزال هذه الدراسة حاليا مسودة بحثية، ولم يُعثر على مصادر خارجية موثوقة عن الحدث نفسه يمكن استخدامها للتأكيد المتقاطع. فتصميم المعايير، وطريقة التسجيل، وتركيبة النماذج، وقابلية الوصول إلى البيانات، كلها عوامل ستؤثر في قابلية إعادة إنتاج النتائج؛ كما أن بعض التقييمات يعتمد على إجابات نظمها خبراء وعلى تقييم LLM-as-a-judge. وبالنسبة إلى الاستخدامات الطبية الحيوية الجادة، لا تتمثل الخطوة التالية في خوض مزيد من لوائح الترتيب فحسب، بل في تمكين أطراف ثالثة من إعادة الاختبار على المهام نفسها، وبصلاحيات البيانات نفسها، وقيود التكلفة نفسها.

أما المشكلة الأكبر فتكمن في الحوكمة. إذا دخلت أنظمة الوكلاء هذه إلى شركات الأدوية أو المستشفيات أو وحدات تصميم التجارب السريرية، فإن ما إذا كانت التقارير التي تنتجها تعد مساعدة بحثية، أو برمجيات جهاز طبي، أو أداة دعم قرار، سيؤثر في معايير التحقق، وتحديد المسؤولية، والامتثال المتعلق بالبيانات. الإشارة التي تقدمها مسودة BioResearcher واضحة: الذكاء الاصطناعي في الطب الحيوي ينتقل من الإجابة عن سؤال واحد إلى وكلاء لسير العمل؛ لكن في الطب الترجمي، ستظل إمكانية الوثوق به في النهاية مرهونة بقدرة البشر على إعادة السير في كل سلسلة من سلاسل الأدلة.