شركات الذكاء الاصطناعي الدوائي على قوائم صناديق التحوط: الإشارات العلمية لا تزال بحاجة إلى العودة إلى المختبر

عندما لم يعد الذكاء الاصطناعي في صناعة الأدوية مجرد عرض نماذج داخل المختبر، بدأت وول ستريت أيضا في ترتيب مقاعده. نشرت Insider Monkey في 22 يونيو قائمة بعنوان «أسهم اكتشاف الأدوية بالذكاء الاصطناعي التي تزيد صناديق التحوط مراكزها فيها»، واضعة التركيز على تدفقات رأس المال لا على اختراق سريري واحد. يذكّر هذا المدخل الناس بأن قصة اكتشاف الأدوية بالذكاء الاصطناعي باتت تعيش في مقياسين زمنيين في آن واحد: من جهة حيازات فصلية وسرديات أسعار الأسهم، ومن جهة أخرى تحقق بيولوجي لا تتضح نتائجه إلا بعد سنوات.

عادة ما تقول هذه الشركات إنها تستخدم التعلم الآلي، وتوقع البنى، وبيانات متعددة الأوميكس، أو منصات تجارب مؤتمتة، للمساعدة في العثور على الأهداف، وتصميم الجزيئات، وفرز الأجسام المضادة، أو رفع كفاءة انتقال الأدوية المرشحة إلى مرحلة ما قبل السريرية. وإذا عملت هذه الأدوات كما ينبغي، يمكن للذكاء الاصطناعي أن يختصر جزءا كبيرا من التجربة والخطأ في الاستكشاف المبكر، وأن يوجه الباحثين من وسط كميات هائلة من البيانات الكيميائية والبيولوجية نحو مسارات أكثر احتمالا للنجاح.

لكن حيازات صناديق التحوط ليست في ذاتها دليلا علميا. فهي لا تظهر سوى أن بعض المستثمرين المؤسسيين مستعدون للمراهنة على شركات معينة، ولا تثبت أن الجزيئات التي تحددها النماذج أكثر أمانا أو أكثر فاعلية، كما لا تستطيع أن تعطي جوابا مسبقا عن نتائج التجارب السريرية. وخصوصا في تطوير الأدوية، فإن انتقال المرشح من التنبؤ الحاسوبي إلى الخلايا والحيوانات والبشر ثم إلى المراجعة التنظيمية يمر عبر مراحل يمكن لكل منها أن يعيد كتابة السردية الجميلة للمرحلة السابقة.

وهنا يكمن أحد أكثر مواضع سوء الفهم في اكتشاف الأدوية بالذكاء الاصطناعي. فكثيرا ما يربط السوق بين «العثور على خيوط أسرع» و«إنتاج دواء أسرع»، لكن بين الاثنين تقف قابلية التخليق، والحركية الدوائية، والسمية، والجرعة، وفروق السلامة بين المجموعات السكانية، وتصميم نقاط النهاية السريرية. تستطيع النماذج أن تحسن نقطة البداية، لكنها لا تستطيع إلغاء تعقيد الأنظمة البيولوجية.

**الخلفية**

في الآونة الأخيرة، انتقل النقاش حول الذكاء الاصطناعي في صناعة الأدوية من مجرد الإعجاب بالخوارزميات إلى جودة البيانات والقدرة على التحقق. وسواء تعلق الأمر بتوسع قواعد بيانات التفاعلات الكيميائية، أو بعبور نماذج تصميم الأجسام المضادة عتبات التجارب المبكرة، أو بإدراج شركات منصات البيانات ضمن قوائم أسهم مفهوم الذكاء الاصطناعي الدوائي، فإن السؤال المركزي يصبح تدريجيا واحدا: هل تنتج النماذج فرضيات قابلة للاختبار، أم توفر لسوق رأس المال ملصقا تقنيا يسهل فهمه؟

تقدم مقالة Insider Monkey هذه مقياس حرارة من جانب الاستثمار، لا خلاصة طبية. وبما أن الملخص المتاح حاليا لا يورد قائمة الشركات الكاملة ولا بيانات الحيازات ولا تفاصيل المنهجية، فينبغي التحفظ في أي حكم على خطوط منتجات شركة بعينها أو آفاقها السريرية. وبالنسبة إلى قراء الطب الحيوي، فالسؤال الأهم ليس أي الأسهم جرى شراؤها، بل ما إذا كانت هذه الشركات قادرة، عبر تجارب قابلة للتكرار ومصادر بيانات واضحة ونتائج سريرية صارمة، على إثبات أن الذكاء الاصطناعي غيّر فعلا معدل نجاح تطوير الأدوية.