صناعة التكنولوجيا الحيوية · global
الذكاء الاصطناعي وموجة الأدوية الجديدة يرفعان سقف التوقعات في التكنولوجيا الحيوية، لكن الاختناق الحقيقي لا يزال في التجارب السريرية والتنظيم
يعلّق Douglas Williams آمال تعافي التكنولوجيا الحيوية على تقسيم المرضى بدقة أكبر، وعلوم الأعصاب، وأدوات الذكاء الاصطناعي؛ لكن إذا تباطأت منظومة المراجعة، وتمويل البحوث الأساسية، وإمدادات المواهب، فقد لا تتحول مكاسب التكنولوجيا تلقائياً إلى أدوية جديدة.
تنجذب الموجة التالية من نمو تطوير الأدوية الجديدة بفعل قوتين في الوقت نفسه: من جهة، النموذج التجاري الذي قدمته أدوية GLP-1 لإنقاص الوزن وعلاج الأيض؛ ومن جهة أخرى، إعادة تخيّل الكفاءة بعد دخول الذكاء الاصطناعي إلى المختبرات والتجارب السريرية وعمليات التصنيع. في 6 يوليو، نشرت MoneyWeek مقابلة مع Douglas Williams، المدير المخضرم في قطاع التكنولوجيا الحيوية، وقدمت صورة لصناعة تعود حرارتها إلى الارتفاع بعد مرحلة ركود، لكنها في الوقت نفسه مشدودة بفعل السياسة والتنظيم ومشكلات المواهب.
سبق أن عمل Williams في Biogen وZymoGenetics وAmgen Immunex وSeattle Genetics، وشارك في تطوير أدوية كبرى مثل Enbrel وTecfidera وSpinraza. وأشار في المقابلة إلى أن الموضع الذي يمكن أن تتسارع فيه التجارب السريرية حقاً لا يقتصر على جعل العمليات أسرع، بل يتمثل في العثور بدقة أكبر على مجموعات مرضى محددة بوضوح ومتجانسة الشروط. وبالنسبة إلى صناعة أدوية جديدة يكون معدل الفشل فيها مرتفعاً أصلاً، فإن أي تحسن طفيف في معدل النجاح قد يكون له أثر مضاعف على تخصيص رأس المال ومصير الشركات.
الذكاء الاصطناعي هنا ليس شعاراً مجرداً. وتشمل السيناريوهات المحددة التي ذكرها Williams استخدام البيانات الفورية من المفاعلات الحيوية لتعديل شروط تصنيع الأدوية البروتينية، بما يرفع الإنتاجية والاستقرار؛ والمساعدة في تصميم التجارب السريرية والتعامل مع العمليات اللوجستية للتجارب؛ وربما أداء دور أعمق مستقبلاً في تصميم الجزيئات الجديدة واكتشاف الأدوية. والقاسم المشترك بين هذه الاستخدامات هو تحويل العمليات التي كانت تعتمد بدرجة كبيرة على الخبرة والقراءة البشرية إلى أنظمة يمكن للبيانات أن تراقبها وتقارنها وتصححها باستمرار.
مع ذلك، فإن قدرة الذكاء الاصطناعي على تقصير زمن البحث والتطوير لا تزال تعتمد على جودة البيانات، والتحقق السريري، وقبول الجهات التنظيمية. فكثيراً ما تأتي البيانات الطبية الحيوية من مستشفيات مختلفة، ومنصات قياس مختلفة، وتصاميم تجارب مختلفة؛ وإذا كان أداء النموذج جيداً فقط على مجموعات بيانات ضيقة، فقد لا يكون قابلاً للتكرار لدى مرضى حقيقيين. كما لم يصف Williams الذكاء الاصطناعي بأنه أداة تحل محل العلماء؛ فصياغته أقرب إلى بنية مساعدة، إذ إن ما إذا كانت الأسئلة تُطرح على نحو صحيح يظل أمراً يحدده الحكم البيولوجي لدى الباحثين.
أما الخيط الرئيسي الآخر في المقابلة، فهو احتمال امتداد مركز ثقل البحث والتطوير من علم الأورام إلى علوم الأعصاب. ويرى Williams أن مجال الأمراض العصبية يكتسب زخماً بفعل تقنيات التصوير، وتصنيف الأمراض، واحتياجات الشيخوخة السكانية؛ فالأدوات التصويرية الأسرع والأكثر فعالية، مثل MRI وCT، تتيح للباحثين أن يروا بدرجة أكبر ما إذا كان الدواء يؤثر فعلاً في الأهداف داخل الدماغ. وهذا مهم بصفة خاصة في مجالات مثل الخرف والاضطرابات العصبية النفسية، التي تعرضت مراراً لانتكاسات في الماضي، لأنه من دون مؤشرات حيوية قابلة للتتبع، لا تعرف التجارب السريرية غالباً ما إذا كان الاتجاه خاطئاً إلا بعد زمن طويل.
لكن موجة التكنولوجيا الحيوية تواجه أيضاً ماءً بارداً من الجانب المؤسسي. فقد عبّر Williams عن قلقه من الاضطراب الأخير في شؤون الموظفين والسياسات لدى FDA الأمريكية، وقال إن التجارب السريرية المبكرة باتت تنتقل على نحو أكثر شيوعاً إلى مناطق مثل أستراليا، حيث تكون إجراءات المراجعة أبسط وكفاءة استقطاب المشاركين أعلى؛ كما أن مزايا الصين في تكلفة رأس المال، وسرعة التجارب، وكفاءة التنفيذ، بدأت تجذب انتباه الصناعة. ولا يعني ذلك أن الولايات المتحدة وأوروبا ستفقدان موقعهما في التجارب الكبيرة المتأخرة، لكن إذا استمر انتقال البحث والتطوير المبكر إلى الخارج على المدى الطويل، فسيتأثر تدريجياً إمداد المواهب والعلوم الأساسية.
يحمل حكمه قدراً من تفاؤل المستثمرين، ومعه تحفظات الباحثين والمطورين. فقد أثبتت أدوية GLP-1 أن الأسواق الكبيرة لا تزال قابلة لإعادة التشكيل عبر بيولوجيا جديدة، وقد يقلل الذكاء الاصطناعي بعض احتكاكات البحث والتطوير؛ لكن آجال براءات الاختراع، والفشل السريري، وعدم اليقين التنظيمي، وتقليص تمويل البحوث الأساسية، ستظل تحدد إلى أي مدى يمكن أن تمضي هذه الموجة من الازدهار. وربما لا يكون مستقبل صناعة التكنولوجيا الحيوية مجرد اكتشاف الأدوية بسرعة أكبر، بل القدرة على وصل أسئلة علمية أدق، وبيانات أكثر موثوقية، وبيئة مراجعة أكثر قابلية للتوقع بعضها ببعض.