→ العودة إلى الصفحة الرئيسية

الذكاء الاصطناعي يدخل تطوير الأدوية الإشعاعية، والعتبة التالية لعلاج السرطان الدقيق هي البيانات

تنقل الأدوية الإشعاعية الإشعاع إلى داخل الخلايا الورمية، بينما يُعوّل على الذكاء الاصطناعي لتقليص المسافة في تصميم الأدوية المرشحة وتقدير الجرعات الشخصية؛ لكن قبل التوسع الحقيقي في الاستخدام السريري، تظل البيانات المعيارية والتحقق والتنظيم محطات حاسمة.

By SURL BioNews

تكمن جاذبية علاج الأدوية الإشعاعية في أنه لا يوجّه الطاقة من خارج الجسم كما تفعل المعالجة الإشعاعية الخارجية التقليدية، بل يسمح لجزيئات مشعة بدخول الجسم والبحث عن خلايا سرطانية محددة، ثم إطلاق إشعاع يدمّر الحمض النووي موضعياً. وهذه الفكرة، أي «نقل القوة النارية إلى قرب الهدف»، تلتقي الآن بموجة تقنية أخرى: استخدام تعلم الآلة لتسريع العثور على الأهداف، وتصميم الجزيئات، وحساب جرعات إشعاعية أكثر ملاءمة لكل مريض.

نشرت 《Journal of Medical Internet Research》 في 9 يوليو مقالة ضمن News and Perspectives كتبتها JMIR Correspondent Benedette Cuffari، ونقلت Medical Xpress أبرز ما ورد فيها في 11 يوليو. ولا يتعلق الأمر بنتائج تجربة سريرية جديدة، بل بعرض للتقاطع بين الأدوية الإشعاعية والذكاء الاصطناعي: إذ يجري استخدام التعلم العميق والنماذج التوليدية وتحليل الصور الطبية لاستكشاف الأدوية المرشحة، والتنبؤ بتوزعها داخل الجسم، وتحسين ما يُسمى قياس الجرعات، أي تقدير مقدار الإشعاع الذي تمتصه الأورام والأنسجة الطبيعية فعلياً.

في جانب البحث والتطوير، لا يتمثل دور الذكاء الاصطناعي المحدد في «اختراع أدوية جديدة» على نحو مجرد، بل في المساعدة على تضييق نطاق البحث. يمكن استخدام نماذج التعلم العميق للتنبؤ بكيفية تأثير التعديلات الكيميائية في سلوك الدواء داخل جسم الإنسان؛ كما يمكن لأدوات التنبؤ ببنية البروتين أن تساعد في تقييم تفاعل الجزيئات المرشحة مع البروتينات أو المواد الوراثية. وطُرحت النماذج التوليدية أيضاً للاستخدام في التصميم الافتراضي وفحص أعداد كبيرة من البنى الجزيئية، بهدف العثور على أدوية مرشحة أكثر قدرة على استهداف الأورام، وتظل مستقرة أثناء الاضمحلال الإشعاعي.

أشارت Sofia Michopoulou، خبيرة فيزياء الطب النووي في مستشفيات جامعة ساوثهامبتون، في المقالة إلى أن المحاكاة الحاسوبية المدفوعة بالذكاء الاصطناعي قد تتيح للباحثين التعرف في وقت أبكر إلى الأدوية المرشحة الواعدة، وتجعل التقييمات المبكرة أكثر تركيزاً. ويعكس هذا الطرح توقعاً متعلقاً بسير البحث والتطوير: فإذا كانت النماذج موثوقة، يمكن استبعاد بعض المرشحات ضعيفة الأمل قبل دخولها مراحل مكلفة مثل التخليق، أو الدراسات الحيوانية، أو الدراسات البشرية المبكرة؛ لكن المقالة لا تساوي أيضاً بين هذا التسريع وبين إثبات قدرته على تحسين البقاء أو استبدال التحقق التقليدي.

في الجانب السريري، يتمثل محور آخر في الجرعات الشخصية. غالباً ما تستخدم علاجات الأدوية الإشعاعية الحالية نماذج على مستوى الأعضاء أو نماذج تشريحية متوسطة لتقدير امتصاص الإشعاع، ما يصعّب عكس تفاصيل مثل حجم أعضاء المريض، وعدم تجانس امتصاص الورم، والاختلافات في أيض الدواء بالكامل. ويمكن لنماذج مثل الشبكات العصبية الالتفافية ثلاثية الأبعاد تحليل صور طبية مثل PET للتنبؤ بتوزع الدواء الإشعاعي في الأنسجة؛ كما قد تساعد أدوات إزالة الضجيج من الصور، والدقة الفائقة، وتقسيم الأورام الأطباء على رسم حدود الأورام ومخاطر الأعضاء الحساسة بدقة أكبر.

والأكثر إثارة للخيال هو «التوأم الرقمي»: دمج التصوير الجزيئي وتشريح المريض ونماذج العلاج لمحاكاة كيفية تأثير جرعات مختلفة في مريض محدد قبل إعطاء الدواء. وترى Michopoulou أن الجمع بين التشخيص والعلاج الشخصي الموحّد والتوأم الرقمي هو أحد أكثر نقاط الالتقاء الواعدة بين الذكاء الاصطناعي والطب النووي. غير أن هذه الأدوات، متى أثرت في قرارات العلاج، لا تحتاج فقط إلى صور جميلة أو أداء رجعي، بل إلى تحقق يثبت أنها تعمل بثبات عبر المستشفيات والأجهزة والفئات السكانية المختلفة.

ولهذا تبدو القيود واضحة على نحو خاص. تشير مقالة JMIR إلى أن البيانات العالية الجودة والموحدة والكافية لتدريب النماذج لا تزال غير متوافرة بما يكفي، وأن ملكية البيانات وخصوصية المرضى وقدرة النماذج على التعميم ستحد أيضاً من تبنيها سريرياً. ويمكن للتعلم الفيدرالي أن يتيح لمستشفيات مختلفة تدريب النماذج معاً من دون تبادل مباشر لبيانات المرضى، ما قد يخفف بعض مشكلات الخصوصية؛ لكن إذا كانت تعريفات البيانات الأساسية غير موحدة، وكانت فروق مسارات التصوير كبيرة جداً، فقد تظل النماذج عرضة لفقدان الدقة بعد مغادرة بيئة التدريب الأصلية.

لذلك، قد لا تكون القيمة الحقيقية للذكاء الاصطناعي في الأدوية الإشعاعية على المدى القصير هي إنشاء خط إنتاج مؤتمت بالكامل لأدوية مضادة للسرطان، بل جعل أكثر حلقات البحث والتطوير والعلاج استهلاكاً للوقت واعتماداً على الصور وتقدير الجرعات أكثر قابلية للقياس الكمي. أما قدرته على الانتقال من أداة بحثية إلى ممارسة سريرية روتينية، فستعتمد على معايير البيانات، والتحقق الاستباقي، والمراجعة التنظيمية، وما إذا كان الأطباء يستطيعون فهم حدود موثوقية النموذج بوضوح وراء كل توصية بإعطاء الدواء.

References

  1. Medical Xpress
  2. Journal of Medical Internet Research