تصنيع الأدوية بالذكاء الاصطناعي ينتقل من العروض التجريبية إلى التوسع، وشركات الأدوية تتساءل عن عنق الزجاجة التالي

عندما لا يعود الذكاء الاصطناعي مجرد أداة تجريبية داخل أقسام البحث والتطوير الدوائي، بل يبدأ بالدخول في تخصيص رأس المال ومسارات البحث والتطوير لدى شركات الأدوية الكبرى، تتغير الأسئلة معه: فما يحتاج القطاع إلى مقارنته ليس من يستطيع تقديم أجمل عرض لنموذج، بل من يستطيع تحويل مخرجات النموذج بصورة مستقرة إلى أدوية مرشحة قابلة للتحقق.

وصفت 《Genetic Engineering and Biotechnology News》 هذه الموجة من المنافسة الصناعية بأنها «تدفق مليارات الدولارات إلى اكتشاف الأدوية وتسابق شركات الأدوية إلى توسيع نطاق الذكاء الاصطناعي». وبسبب محدودية معلومات الملخصات المنشورة حاليا، لا يزال من الصعب تأكيد تفاصيل الصفقات والشركات والمبالغ الواردة في المقال؛ لكنه يشير إلى اتجاه واضح تماما: تصنيع الأدوية بالذكاء الاصطناعي ينتقل من إثبات المفهوم المبكر إلى مرحلة توسع أقرب إلى خطوط البحث والتطوير الأساسية لدى شركات الأدوية.

في سياقات الطب الحيوي، يشمل اكتشاف الأدوية بالذكاء الاصطناعي عادة تحديد الأهداف، والتنبؤ ببنى البروتين ومواقع الارتباط، وتوليد الجزيئات المرشحة، وفحص السمية والحرائك الدوائية، بل وحتى تقسيم مجموعات المشاركين في التجارب السريرية إلى طبقات. وتكمن جاذبيته في تقصير زمن البحث المبكر وتقليل دخول المركبات غير الفعالة إلى مسارات تجريبية مكلفة؛ لكنه لا يستطيع تجاوز التجارب الرطبة، ولا أن يحل محل أدلة السلامة والفعالية في التجارب البشرية.

وهنا يكمن الموضع الذي يسهل فيه إساءة فهم «توسيع النطاق». فالمزيد من القدرة الحاسوبية، وقواعد البيانات الأكبر، والمزيد من تكرارات النماذج، قد تزيد فعلا سرعة العثور على الجزيئات المرشحة؛ غير أن فشل تطوير الأدوية يحدث غالبا عند نقص فهم الآليات الحيوية، أو محدودية تعميم نماذج الحيوانات، أو صعوبة التنبؤ بالسمية لدى البشر، أو عدم كفاية حساسية تصميم نقاط النهاية السريرية. وإذا أريد للذكاء الاصطناعي أن يصبح قوة إنتاجية في البحث والتطوير، لا مجرد غلاف جديد، فعليه أن يقدم في هذه المراحل نتائج قابلة للتكرار والمراجعة.

**السياق الخلفي**

تحول سرد تصنيع الأدوية بالذكاء الاصطناعي في الآونة الأخيرة تدريجيا من «قدرات المنصات» إلى «الطبقة الأساسية للبيانات والتحقق السريري». تشدد بعض الشركات على بنى البيانات الحيوية، محاولة جعل الجينومات والبروتينات والصور ونتائج التجارب قابلة للتنظيم والاستعلام بصورة أكثر موثوقية؛ كما تدفع بعض شركات الأدوية، عبر التعاون أو الترخيص، الأدوية المرشحة المولدة بالذكاء الاصطناعي إلى مواقع أقرب إلى القرار السريري. وتظهر هذه التغيرات أن القطاع ينقل تركيزه من الخوارزميات نفسها إلى جودة البيانات، والحلقة المغلقة للتجارب، ومسؤولية التطوير.

كما ستصبح المسائل التنظيمية أكثر تحديدا مع التوسع. فإذا شارك النموذج في اختيار الأدوية المرشحة، ستحتاج الشركات إلى شرح مصادر بيانات التدريب، وضبط التحيز، وإدارة إصدارات النموذج، وأي القرارات يساعد فيها الذكاء الاصطناعي وأيها لا يزال خاضعا لحكم الباحثين. وبالنسبة إلى جهات المراجعة، يبقى التقييم النهائي منصبا على جودة الدواء نفسه وسلامته وفعاليته؛ يستطيع الذكاء الاصطناعي تسريع طرح الفرضيات، لكنه لا يستطيع خفض معايير الأدلة.

لذلك، لا يعني تدفق الأموال أن تصنيع الأدوية بالذكاء الاصطناعي قد تجاوز بالفعل نقطة تحول صناعية. والتفسير الأكثر معقولية هو أن شركات الأدوية الكبرى تدمج الذكاء الاصطناعي من موقع الابتكار الطرفي في بنية البحث والتطوير التحتية، وتستخدم رأس المال للحصول على سرعة أكبر في التجربة والخطأ. ولن يكون الحد الفاصل في المرحلة المقبلة مجرد من يعلن مزيدا من الشراكات، بل من يستطيع دفع الأدوية المرشحة التي تبدأها النماذج باستمرار نحو نتائج سريرية قابلة للتحقق علنا.