تصنيع الأدوية بالذكاء الاصطناعي يغادر صالة العرض، والتجارب السريرية تصبح ساحة الاختبار الحقيقية

لم يكن الجزء الأعلى كلفة في تطوير الأدوية مجرد العثور على جزيء يبدو جميلا. فعندما يدخل الدواء المرشح التجارب على البشر، تبدأ السلامة والجرعة وتصنيف المرضى وإشارات الفاعلية في غربلة الافتراضات المفرطة في التفاؤل طبقة بعد طبقة. وقد لخصت AIM Media House هذا التحول بدقة بعنوانها: «2026 هو العام الذي يلتقي فيه اكتشاف الأدوية بالذكاء الاصطناعي مع الواقع السريري»: إذ ينتقل تصنيع الأدوية بالذكاء الاصطناعي من عرض قدرات الخوارزميات إلى الخضوع لاختبار الأدلة الطبية.

وبما أن ملخص ذلك المصدر لم يورد شركات محددة أو أدوية مرشحة أو بيانات سريرية أو حجم المشاركين، فينبغي النظر إلى هذا الحكم بوصفه ملاحظة لاتجاه صناعي، لا تقريرا عن اختراق سريري بعينه. والقراءة الأكثر تحفظا هي أن دور الذكاء الاصطناعي في اكتشاف الأدوية أصبح أكثر تحديدا: إذ يمكن استخدامه لتحديد أهداف الأمراض، وتصميم الجزيئات الصغيرة أو الأجسام المضادة، والتنبؤ بخصائص الأدوية، بل والمساعدة في تصميم التجارب السريرية؛ لكن كل استخدام من هذه الاستخدامات يحتاج إلى مستويات مختلفة من التجارب والبيانات البشرية الداعمة.

ومن الأمثلة التي كثر الاستشهاد بها في السنوات الأخيرة دخول مثبط TNIK، المصمم بمشاركة الذكاء الاصطناعي التوليدي والموجه إلى التليف الرئوي مجهول السبب، إلى دراسة سريرية متوسطة المرحلة. ولا تكمن أهمية مثل هذه الحالات في عبارة «الذكاء الاصطناعي صنع دواء» بحد ذاتها، بل في أنها تصل مخرجات النموذج بفرضية بيولوجية قابلة للتتبع، وتجارب على الحيوانات والخلايا، ثم تقييم لاحق للسلامة البشرية والفاعلية الأولية. وبعبارة أخرى، يجب أن تعبر الجزيئات التي يقترحها الذكاء الاصطناعي العتبات الصارمة نفسها التي يفرضها تطوير الأدوية التقليدي.

وهذا يفسر أيضا لماذا سينصب تركيز عام 2026 على الواقع السريري. فإذا كانت منصات الذكاء الاصطناعي لا تفعل سوى تسريع توليد المرشحات المبكرة، من دون أن ترفع معدل النجاح السريري أو تقصر دورات التجارب أو تحسن اختيار المرضى، فستعاد تسعير قيمتها بالنسبة إلى صناعة الأدوية. وعلى العكس، إذا استطاعت النماذج أن تثبت موثوقيتها مرارا في أمراض محددة، وبجودة بيانات محددة، ومع تغذية راجعة تجريبية واضحة، فقد ترتقي من أداة بحث وتطوير إلى جزء من أساس اتخاذ القرار.

ولا يمكن تجنب المسائل التنظيمية كذلك. فالجهات المختصة تحتاج إلى فهم كيفية تدريب النماذج، وما إذا كانت البيانات منحازة، وكيف يجري التحقق من التنبؤات، وما إذا كان تحديث النموذج يغير تقييم المخاطر الأصلي. وبالنسبة إلى الأدوية، يظل جوهر المراجعة هو منفعة المرضى ومخاطرهم، لا حداثة الخوارزمية؛ فالذكاء الاصطناعي يمكنه المساعدة في طرح الفرضيات، لكنه لا يستطيع أن يحل محل التجارب العشوائية المضبوطة، واليقظة الدوائية، والمتابعة طويلة الأمد.

وسيكون الاختبار المقبل للصناعة أكثر واقعية: ما مجالات الأمراض الأنسب لتدخل الذكاء الاصطناعي، وما مخرجات النماذج التي يمكن التحقق منها بسرعة عبر التجارب الرطبة، وما نقاط النهاية السريرية الحساسة والموثوقة بما يكفي. وإذا أصبح عام 2026 بالفعل فاصلا سريريا في اكتشاف الأدوية بالذكاء الاصطناعي، فقد لا تكون علامته سلسلة من المعالم المبالغ فيها، بل مزيدا من الأدوية المرشحة التي تترك في بيانات البشر أدلة واضحة، وقابلة للتكرار، وقابلة للمراجعة.