حمّى صناعة الأدوية بالذكاء الاصطناعي تنتقل إلى المرحلة التالية: المكلف حقاً ليس الخوارزمية، بل التحقق

عندما دخل الذكاء الاصطناعي مجال البحث والتطوير الدوائي، كان أول ما أثاره من تصورات هو ضغط عملية استكشاف طويلة ومكلفة في بضعة أسطر من النتائج الحسابية: العثور على الأهداف بسرعة أكبر، وتصميم الجزيئات بسرعة أكبر، واستبعاد مسارات الفشل في وقت أبكر. وقد وصفت 24/7 Wall St. هذا الاتجاه مؤخراً بأنه «فرصة التكنولوجيا الحيوية التالية على مستوى تريليون دولار»، ما يعكس أن توقعات أسواق رأس المال تجاه صناعة الأدوية بالذكاء الاصطناعي انتقلت من كفاءة الأدوات إلى إعادة تقييم سلسلة القيمة الصناعية بأكملها.

لكن في الطب الحيوي، لم تكن السرعة يوماً الإجابة الوحيدة. يستطيع الذكاء الاصطناعي البحث في هياكل البروتين الضخمة، وتعبير الجينات، وقواعد بيانات المركبات، والسجلات السريرية عن ارتباطات لا يسهل على البشر رؤيتها، والمساعدة في اقتراح جزيئات مرشحة جديدة أو إعادة توظيف أدوية قائمة؛ كما يمكن استخدامه للتنبؤ بالسمية، وتحسين خصائص الدواء، أو اختيار فئات من المرضى في التجارب السريرية يُرجح أن تستفيد أكثر. والقاسم المشترك بين هذه الاستخدامات هو إبراز ما «قد يكون فعالاً» في وقت مبكر.

أما الجزء الصعب حقاً فيبدأ من هنا. فحتى إذا اقترح الذكاء الاصطناعي جزيئاً مرشحاً، لا يزال عليه أن يخضع لاختبارات الخلايا والحيوانات، وتقييمات الحرائك الدوائية، وبيانات السمّية، واختبارات التجارب السريرية المرحلية. فالأنماط التي يتعلمها النموذج من بيانات التدريب قد لا تتحول بالضرورة إلى فعالية داخل جسم الإنسان؛ وإذا كانت البيانات منحازة نحو أمراض أو فئات سكانية أو ظروف تجريبية محددة، فقد تجعل التنبؤات، رغم مظهرها الدقيق، تحمل نقاطاً عمياء منهجية.

لذلك، فإن ما يسمى بالفرصة الضخمة التالية قد لا يكون مجرد «استخدام الذكاء الاصطناعي لاكتشاف مزيد من الأدوية»، بل بناء بنية تحتية تتيح أن تحظى مخرجات الذكاء الاصطناعي بثقة العلم والجهات التنظيمية. ويشمل ذلك بيانات بيولوجية عالية الجودة وقابلة للتتبع، وإجراءات تحقق تجريبية موحدة، وأدوات قادرة على تفسير أحكام النموذج، وأنظمة أدلة يمكن تصحيحها باستمرار داخل البيئة السريرية. ومن دون هذه الحلقات، يسهل أن تبقى صناعة الأدوية بالذكاء الاصطناعي عند محطات مبكرة جذابة، لكنها تعجز عن عبور أكثر مخاطر المراحل المتأخرة من البحث والتطوير كلفة.

كما ستصبح القضايا التنظيمية أكثر تحديداً تدريجياً. فإذا شارك الذكاء الاصطناعي في اختيار الأهداف، أو تصميم الجزيئات، أو تقسيم المرضى إلى فئات، فسيحتاج المراجعون إلى فهم كيفية استخدام النموذج للبيانات، وكيفية تجنب التسرب أو الانحياز، ومتى تكون إعادة التحقق ضرورية، وكيف تحفظ الشركات سجلات القرارات. أما بالنسبة إلى المرضى، فالنقطة المحورية ليست ما إذا كان الدواء قد صممه الذكاء الاصطناعي، بل ما إذا كانت السلامة والفعالية وحماية المشاركين في التجارب تخضع للصرامة نفسها.

لا تزال المعلومات المتاحة علناً محدودة حالياً، وهذا التقرير الموجه إلى السوق لم يقدم شركات محددة أو أدوية مرشحة أو بيانات سريرية يمكن التحقق منها بنداً بنداً؛ لذلك فإن مساواة صناعة الأدوية بالذكاء الاصطناعي مباشرة بنتائج على مستوى تريليون دولار ينبغي أن تُعد سردية استثمارية لا استنتاجاً مثبتاً سريرياً. والقراءة الأكثر اتزاناً هي أن الذكاء الاصطناعي يغير كفاءة المراحل الأمامية من البحث والتطوير الدوائي، لكن قيمته الاقتصادية ستتوقف على قدرته على الصمود في مراحل التحقق اللاحقة، والمراجعة التنظيمية، والدفع في الرعاية الصحية.

وهذا يجعل المرحلة التالية من صناعة الأدوية بالذكاء الاصطناعي أقل خيالاً علمياً، وأكثر حملاً لثقل الهندسة والمؤسسات. فالشركات القادرة على وصل الخوارزميات، والتجارب الرطبة، وتصميم التجارب السريرية، والملفات التنظيمية في سلسلة موثوقة واحدة، قد تكون أقرب إلى الإجابة التي يريدها قطاع التكنولوجيا الحيوية حقاً من الشركات التي تكتفي بالقول إن نماذجها أكبر وأسرع.