تركيز الذكاء الاصطناعي في التجارب السريرية ينتقل من العثور على الأدوية إلى العثور على المشاركين وبناء الثقة

مع انتقال النقاش حول الذكاء الاصطناعي في الطب الحيوي تدريجياً من سؤال «هل يمكنه تصميم جزيئات جديدة؟» إلى سؤال «هل يمكنه جعل التجارب السريرية أكثر قابلية للتنفيذ؟»، أصبحت المسألة أقرب إلى المرضى. فالتجارب السريرية ليست مجرد هندسة بيانات، بل نظام عالي المخاطر تتشابك فيه أدوار الأطباء والمشاركين والمراجعة الأخلاقية والمتطلبات التنظيمية وقرارات شركات الأدوية؛ وأي خوارزمية تريد الدخول إلى هذا النظام لا بد أن تواجه اختبارات الدليل والشفافية والثقة.

نشرت Applied Clinical Trials Online في 9 يوليو نسخة ACT Brief التي تضع ثلاثة موضوعات جنباً إلى جنب: بنية أنظمة الذكاء الاصطناعي متعددة الوسائط، وتجنيد التجارب القائم على الثقة، وتحول الذكاء الاصطناعي لدى شركات الأدوية الكبرى. وبما أن الملخص العلني لا يقدم تفاصيل تقنية كاملة أو أسماء شركات أو بيانات سريرية محددة، تبدو هذه المعلومة أقرب إلى إشارة قطاعية: دور الذكاء الاصطناعي في التطوير السريري يتوسع من أدوات منفردة إلى بنية تحتية قائمة على سير العمل.

ما يسمى بالذكاء الاصطناعي متعدد الوسائط، في سياق التجارب السريرية، يعني عادة أن النظام لا يقرأ الجداول المنظمة فقط، بل قد يدمج أيضاً نصوص السجلات الطبية، والصور، وقيم الفحوص، ووثائق التجارب، والنتائج التي يبلغ عنها المشاركون. وإذا عملت هذه البنى على نحو سليم، فقد تساعد في فرز المرضى المستوفين للشروط، ورصد الشذوذ في البيانات، وتنظيم وثائق التجارب، أو تمكين فرق البحث من استيعاب إشارات السلامة بسرعة أكبر؛ لكنها ستضخم في الوقت نفسه اختلافات مصادر البيانات، وتراكم الانحيازات، ومشكلات قابلية تفسير النماذج.

تجنيد المشاركين هو على وجه الخصوص أحد السيناريوهات التي يسهل فيها توقع الكثير من الذكاء الاصطناعي، ويسهل فيها أيضاً تجاوز الحدود. لطالما واجهت التجارب السريرية صعوبات مثل نقص التجنيد، وتعقيد الشروط، وضعف تمثيل الفئات السكانية. ويمكن استخدام الذكاء الاصطناعي لمطابقة معايير الإدراج والاستبعاد، والمساعدة في تحديد مرشحين محتملين، بل وتحسين إيصال معلومات التجربة. لكن إذا لم يعرف المرضى كيف تُستخدم بياناتهم، أو إذا استبعد النموذج فئات معينة بشكل منهجي، فقد تأتي الكفاءة على حساب الثقة.

لذلك، فإن «التجنيد القائم على الثقة» ليس عبارة علاقات عامة، بل مجموعة من المتطلبات المحددة: يجب أن يكون استخدام البيانات قائماً على موافقة واضحة وآليات حوكمة، ويجب أن تكون توصيات الفرز قابلة للمراجعة من الباحثين، وألا تضلل رسائل التجنيد المرضى بشأن توقعاتهم للفعالية العلاجية، كما ينبغي اختبار أداء النظام عبر أمراض ومناطق وفئات سكانية مختلفة. وبالنسبة إلى الجهات التنظيمية ولجان الأخلاقيات، لا يقتصر السؤال على ما إذا كان الذكاء الاصطناعي قد زاد سرعة التجنيد، بل يشمل أيضاً ما إذا كان قد غيّر من يستطيع رؤية التجربة، ومن يُدعى إلى المشاركة، ومن يُستبعد.

أما تحول الذكاء الاصطناعي لدى شركات الأدوية الكبرى فيمثل طبقة أخرى من الضغط. فقد جرى إدخال الذكاء الاصطناعي التوليدي والتعلم الآلي في تلخيص الأدبيات، وتقييم الأهداف، وتصميم التجارب، والكتابة الطبية، وإدارة العمليات، لكن جوهر التطوير السريري يظل دليلاً قابلاً للتكرار والتدقيق والقبول التنظيمي. وإذا بقي الذكاء الاصطناعي عند مستوى تحسين الكفاءة الداخلية، فسيكون تأثيره محدوداً؛ أما إذا بدأ يؤثر في تصميم التجارب أو تقسيم المرضى إلى طبقات أو مراقبة السلامة، فسيتعين على الشركات إنشاء أنظمة أشد صرامة للتحقق، وتحديد المسؤولية، والمراجعة البشرية.

**السياق الخلفي**

لم يعد النقاش الحديث حول الذكاء الاصطناعي في الطب الحيوي يدور فقط حول تصور «اكتشاف الأدوية بالذكاء الاصطناعي». فما إذا كان الجزيء المرشح قادراً على الوصول إلى الموافقة لا يزال يعتمد على قدرة التجارب البشرية على إثبات الفعالية والسلامة؛ أما سرعة التجارب السريرية وجودتها وعدالتها، فتصبح الآن ساحة الاختبار التالية والأصعب للذكاء الاصطناعي. ورغم محدودية الملخص، فإن الكلمات المفتاحية التي يطرحها ACT Brief تشير معاً إلى الأمر نفسه: إذا أراد الذكاء الاصطناعي في الطب الحيوي الانتقال من استعراض القدرة إلى تغيير البحث والتطوير الطبي، فعليه أولاً أن يتعلم قبول القيود في الميدان السريري.