الذكاء الاصطناعي يخرج من اكتشاف الأدوية، والتجارب السريرية تصبح الساحة الحاسمة التالية

غالبا ما تكون المرحلة الأعلى كلفة والأكثر عرضة للفشل في تطوير الأدوية الجديدة ليست لحظة الإلهام داخل المختبر، بل التجارب السريرية الطويلة والمعقدة بعد دخول الدواء إلى جسم الإنسان. وبحسب تقرير «مايل بيزنس»، ينتقل الذكاء الاصطناعي بسرعة من الاستكشاف المبكر للأدوية إلى مراحل أكثر ضمن مسار التجارب السريرية، ما يشير إلى أن دور AI في صناعة الطب الحيوي يتحول من «العثور على الدواء» إلى «المساعدة في إثبات ما إذا كان الدواء فعالا وآمنا».

هذا التحول ليس مجرد توسع في الخريطة التقنية. فالتجارب السريرية تشمل فحص المشاركين، وإدارة مراكز التجارب، وتتبع مؤشرات الفعالية، والتعرف إلى الأحداث الضارة، وتنظيم كميات ضخمة من البيانات. وكل حلقة من هذه الحلقات قد تؤثر في ما إذا كانت الدراسة ستكتمل في موعدها، وقد تحدد أيضا ما إذا كانت النتائج جديرة بالثقة. وإذا استطاع AI تقديم المساعدة في مهام مثل مطابقة بيانات السجلات الطبية، وتفسير الصور أو بيانات الفحوص، وتنظيم إشارات المراقبة عن بعد، فمن الناحية النظرية يمكنه تقليل عبء العمل اليدوي وجعل تصميم التجارب أقرب إلى صورة المرضى الحقيقيين.

لكن المعلومات العامة المتاحة حاليا حول هذا الخبر محدودة للغاية، ولم تقدم بعد شركات محددة، أو أسماء تجارب، أو مجالات مرضية، أو حجم مجموعات بيانات، أو نتائج تحقق. لذلك، فإن القراءة الأكثر حذرا هي أنه يعكس اتجاها صناعيا يتسارع في التشكل، وليس اختراقا منفردا ثبت أنه قادر على تغيير النتائج السريرية. وبالنسبة إلى الطب السريري، لا يمكن الحكم على فائدة أدوات AI من خلال الدقة التي يعلنها النموذج فقط، بل يجب النظر أيضا إلى ما إذا كانت مستقرة في بيئات متعددة المراكز، وبين فئات سكانية مختلفة، وضمن مسارات العمل السريرية الحقيقية.

قد تظهر القيمة الأكثر تحديدا لتطبيقات AI في التجارب السريرية في «العثور على الأشخاص المناسبين» و«اكتشاف المشكلات مبكرا». فعلى سبيل المثال، يمكن للنظام أن يساعد في مطابقة السجلات الطبية الإلكترونية مع معايير الإدراج والاستبعاد لتحديد المرضى الذين قد يكونون مؤهلين؛ كما يمكنه وسم الإشارات غير الطبيعية في بيانات المراقبة المستمرة، أو الصور، أو القيم المختبرية، لتنبيه فريق البحث إلى ضرورة التحقق بشكل إضافي. لكن إذا كان لهذه الوظائف أن تدخل مسار التجارب الرسمي، فيجب توضيح مصادر البيانات، وطريقة تحديث النموذج، ومخاطر الانحياز، ومسؤوليات المراجعة البشرية بوضوح.

ولهذا تصبح مسألة التنظيم أكثر حدة. فجوهر التجارب السريرية ليس جعل العملية أسرع، بل جعل الأدلة أكثر موثوقية؛ وإذا شارك AI في اختيار المشاركين، أو تفسير نقاط النهاية، أو مراقبة السلامة، فيجب أن يكون الباحثون قادرين على إعادة بناء الأساس الذي استند إليه في إصدار حكم عند نقطة زمنية محددة. وإذا كان النموذج صعب التفسير مثل صندوق أسود، أو كان أداؤه غير متسق بين أنظمة معلومات المستشفيات المختلفة، فقد تعوض مخاطر الامتثال مكاسب الكفاءة.

**السياق الخلفي**

في السنوات الأخيرة، غالبا ما تركز الاهتمام في تصنيع الأدوية بالذكاء الاصطناعي على توليد الجزيئات، والتنبؤ ببنى البروتين، وفرز الأدوية المرشحة، لكن الصناعة بدأت تدرك تدريجيا أن عنق الزجاجة المكلف فعلا يوجد غالبا في التطوير السريري. ومن تدفقات عمل اكتشاف الأدوية باستخدام AI القابلة للتدقيق، إلى تصميم التجارب، والتنفيذ عبر جهات خارجية، والتواصل التنظيمي، تتحول المنافسة في AI للطب الحيوي من عرض قدرات النماذج إلى القدرة على الاندماج في سلسلة بحث وتطوير خاضعة للتنظيم.

لذلك، فإن دخول AI إلى التجارب السريرية لا يعني أن الأبحاث على البشر يمكن استبدالها بالأتمتة. والصورة الأقرب في المدى القريب هي أن يصبح AI طبقة مساعدة لفريق البحث: تسريع تنظيم البيانات، والتنبيه إلى المخاطر المحتملة، وتحسين كفاءة التجنيد، وترك سجل لقرارات كانت في الأصل متفرقة. أما ما إذا كان قادرا فعلا على تقصير مسار وصول الأدوية الجديدة إلى السوق، فسيظل مرهونا بالتحقق الصارم، والحوكمة الشفافة، وما إذا كانت الجهات التنظيمية ستقبل الأدلة التي تولدها هذه الأدوات أو تساعد في تنظيمها.