أصبح تصنيع الأدوية بالذكاء الاصطناعي على قوائم الاستثمار، لكن الأسئلة العلمية لا ينبغي أن تُرتَّب بحسب أسعار الأسهم

لم يكن الجزء الأعلى كلفة في تطوير الأدوية يومًا مجرد العثور على جزيء يبدو جميلًا، بل إثبات أنه قادر على إحداث أثر قابل للتكرار والتفسير، وآمن بما يكفي، داخل بيولوجيا الإنسان المعقدة. وقد رتبت Insider Monkey مؤخرًا، انطلاقًا من حيازات صناديق التحوط، مجموعة من الشركات المدرجة المصنفة ضمن موضوع اكتشاف الأدوية بالذكاء الاصطناعي، ما يُظهر أن أسواق رأس المال لا تزال تؤمن بأن الخوارزميات قادرة على تغيير الجدول الزمني لتطوير الأدوية الجديدة وهيكل تكلفته.

إشارة هذا النوع من القوائم مباشرة إلى حد بعيد: فالمستثمرون يبحثون عن شركات قادرة على تحويل التعلم الآلي، وعلم الأحياء البنيوي، والبيانات الجينومية، وقواعد البيانات السريرية، أو منصات التجارب المؤتمتة إلى قيمة تجارية. قد تكون هذه شركات تقنية حيوية تصمم مباشرة أدوية مرشحة، وقد تكون أيضًا شركات تقدم بيانات أو منصات تحليل أو بنية تحتية للبحث والتطوير؛ ورغم وضعها جميعًا ضمن إطار «تصنيع الأدوية بالذكاء الاصطناعي»، فإن أنشطتها الفعلية قد تختلف اختلافًا كبيرًا.

بالنسبة إلى الطب الحيوي، تشمل الاستخدامات الأساسية لاكتشاف الأدوية بالذكاء الاصطناعي عمومًا تحديد الأهداف، وتوليد الجزيئات، والتنبؤ ببنية البروتينات وتفاعلاتها، وفرز المرشحات، وتصنيف مرضى التجارب السريرية إلى طبقات، والبحث عن أنماط فرعية للأمراض من بيانات العالم الحقيقي. يمكن لهذه الأعمال بالفعل أن تحسن كفاءة البحث في المراحل الأولى من البحث والتطوير، لكنها ليست الفاعلية السريرية نفسها. فالفرضيات التي تطرحها النماذج لا تزال بحاجة إلى المرور عبر تجارب الخلايا والحيوانات والبشر والمراجعة التنظيمية قبل أن تتحول إلى أدوية يمكن للمرضى استخدامها.

وهنا أيضًا يكمن الموضع الذي يسهل أن تُمَوِّهه تصنيفات السوق. فزيادة صناديق التحوط لحيازاتها يمكن أن تعكس تفضيل رأس المال المتخصص لسردية صناعية، لكنها لا تثبت أن هدفًا معينًا قد جرى التحقق منه، أو أن جزيئًا مرشحًا معينًا قد أظهر فاعلية، أو أن منصة معينة باتت قادرة بثبات على رفع معدل النجاح السريري. وخصوصًا أن ملخصات المصادر المتاحة هذه المرة محدودة للغاية، ولا تقدم تفاصيل عن أداء نماذج كل شركة، أو جودة مجموعات البيانات، أو التقدم السريري، أو المقارنات مع الشركات النظيرة؛ لذلك لا ينبغي أكثر من ذلك تفسير قائمة الاستثمار على أنها ترتيب علمي.

**الخلفية والسياق**

في الآونة الأخيرة، غالبًا ما يُناقَش تصنيع الأدوية بالذكاء الاصطناعي كما لو كان ضمن سلة واحدة، لكن داخله يوجد على الأقل نوعان مختلفان من الأعمال: أحدهما شركات تطوير أدوية تدفع خطوطها العلاجية بنفسها وتتحمل مخاطر الفشل السريري؛ والآخر شركات منصات بيانات تحول البيانات الجينومية أو السجلات الطبية أو الصور أو البيانات التجريبية إلى أدوات للبحث والتطوير. النوع الأول ينبغي أن يتحدث عبر الأدوية المرشحة، أما النوع الثاني فعليه أن يثبت أن نطاق تغطية البيانات وجودة التحليل وسير العمل الطبي يمكن أن تدعم فعلًا البحث والتطوير أو القرار السريري.

الأسئلة التي تحتاج فعلًا إلى التحقق لا تختفي بسبب كلمتي الذكاء الاصطناعي. هل تميل بيانات التدريب نحو مجموعات سكانية أو أنواع سرطان معينة؟ هل يستطيع النموذج إعادة إنتاج نتائجه على مجموعات بيانات خارجية؟ هل تقود نتائج التنبؤ إلى آليات بيولوجية قابلة للاختبار؟ وإذا استُخدمت المنصة في تصميم التجارب السريرية أو تصنيف المرضى إلى طبقات، فكيف تُعرَّف حدود المسؤولية ومتطلبات الجهات التنظيمية؟ هذه الأسئلة أبطأ من سخونة سوق الأسهم، لكنها أقرب إلى الشروط الأساسية التي تحدد ما إذا كان الدواء سينجح.

لذلك، تبدو هذه القائمة أقرب إلى خريطة حرارة لسوق رأس المال منها إلى إجابة بيولوجية. فهي تذكّر بأن خيال تصنيع الأدوية بالذكاء الاصطناعي لم ينحسر بعد؛ وفي الوقت نفسه تذكّر الباحثين والأطباء والمستثمرين بأن ما يمكنه حقًا أن يمنح الصناعة أساسًا ثابتًا لا يزال هو البيانات القابلة للفحص العلني، والتصميم التجريبي الواضح، والنتائج التي يمكن إثبات فائدتها في السياقات السريرية.