→ العودة إلى الصفحة الرئيسية

تمويل تطوير الأدوية بالذكاء الاصطناعي يسخن مجددا، ووعود السرعة تتجه إلى اختبار الأدلة السريرية

تدفق تمويل يتجاوز ملياري دولار يدفع اكتشاف الأدوية بالذكاء الاصطناعي من سردية الخوارزميات إلى رهان كفاءة البحث والتطوير؛ لكن الادعاءات بشأن تقصير الجداول الزمنية ما زالت مضطرة إلى الخضوع لفحص متدرج عبر التجارب البشرية وبيانات الجهات التنظيمية.

By SURL BioNews

عاد تطوير الأدوية بالذكاء الاصطناعي ليصبح كلمة مفتاحية رائجة في أسواق رأس المال، ليس فقط لأن النماذج تستطيع توليد جزيئات جديدة على الشاشة، بل لأنه بدأ يوضع تحت القياس في أغلى مراحل البحث والتطوير الدوائي وأطولها. وبحسب تقرير AI Magazine، ارتفعت الاستثمارات ذات الصلة إلى أكثر من ملياري دولار، فيما تزعم بعض التقنيات أنها تستطيع تقليص جدول التطوير الزمني بما يصل إلى 70%، مدفوعة بإشارات إلى تحسن معدلات النجاح السريري جذبت موجة جديدة من التمويل.

الاستخدام الأساسي لهذه التقنيات لا يكون عادة في جعل الحاسوب «يخترع دواء» من العدم، بل في ربط خطوات مثل اختيار أهداف المرض، والتنبؤ ببنية البروتين، وفرز الجزيئات المرشحة، وتقييم السمية والحركية الدوائية ضمن دورة تجريبية أسرع. فإذا استطاع النموذج استبعاد أعداد كبيرة من الجزيئات منخفضة الاحتمال مسبقا، يمكن للمختبر أن يركز موارده على مرشحات ذات أساس بيولوجي أقوى، ما قد يقلل نظريا وقت وكلفة المحاولة والخطأ المتكرر.

لكن ملخص التقرير لم يوضح نطاق إحصاءات الاستثمار، ولا تعريف معدل النجاح السريري، كما لم يدرج أدوية مرشحة محددة أو استطبابات أو مراحل تجارب بعينها. لذلك، فإن «تقليص الجدول الزمني بنسبة 70%» أنسب لأن يُفهم بوصفه ادعاء صناعيا ضمن عمليات أو حالات محددة، لا دليلا على أن دورة تطوير الدواء الجديدة بأكملها قد أُعيدت صياغتها على نطاق واسع. فمن اكتشاف الهدف إلى موافقة التسويق، غالبا ما تتمثل العوامل التي تبطئ الوتيرة فعليا في عدم اليقين المتعلق ببيولوجيا الإنسان، والسلامة طويلة الأمد، وتجنيد المشاركين في التجارب السريرية وتصميم نقاط النهاية.

مع ذلك، لا يزال التمويل مستعدا للمراهنة، ما يعكس الضغط الذي تواجهه شركات الأدوية على إنتاجية البحث والتطوير. فتطوير الدواء التقليدي كثيرا ما يستغرق أكثر من عشر سنوات، ومعظم الأدوية المرشحة التي تدخل التجارب البشرية تفشل في النهاية؛ وإذا استطاع الذكاء الاصطناعي أن يرفع موثوقية الأهداف في المراحل المبكرة، أو يحدد فئات مرضى أنسب، أو يجعل تصميم التجارب السريرية أدق، فقد يكون لتحسين بعض الحلقات فقط أثر ملموس في عائد الاستثمار ووقت انتظار المرضى.

السياق الخلفي تحولت أخبار تطوير الأدوية بالذكاء الاصطناعي مؤخرا من أداء نموذج منفرد إلى سؤال ما إذا كان يمكنها أن تترك أدلة قابلة للتكرار داخل شركات الأدوية الكبرى والبيانات السريرية والمسارات التنظيمية. ويتباين ذلك مع عدة تطورات حديثة في تمويل اكتشاف الأدوية بالذكاء الاصطناعي، وعروض أدوات البحث والتطوير في أمراض التنكس العصبي، وادعاءات طبية غير نمطية بالذكاء الاصطناعي تُعرض تحت غطاء «التجارب السريرية»: فما يحتاجه السوق ليس مجرد سردية سرعة، بل تصاميم تجارب قابلة للتحقق، وتقسيم المرضى إلى طبقات، ونقاط نهاية للفعالية، وبيانات سلامة.

وسيحدد الجانب التنظيمي أيضا مدى قدرة هذه الموجة الاستثمارية على الاستمرار. فإذا شاركت نماذج الذكاء الاصطناعي في اختيار الجزيئات المرشحة أو فرز المرضى، فستطرح الجهات المختصة حتما أسئلة عن مصادر بيانات التدريب، ومخاطر التحيز، وسجلات تحديث النموذج، وكيف تدعم التجارب والأدلة السريرية نتائج التنبؤ. وبالنسبة إلى شركات الأدوية، لا يمكن لدرجات مخرجات النموذج أن تحل محل علم الأدوية، وعلم السموم، والتجارب البشرية؛ بل يمكنها فقط أن تكون أداة لاتخاذ قرارات المفاضلة في وقت أبكر.

لذلك، فإن استثمار أكثر من ملياري دولار يمثل تسريع القطاع لاختبار منهج جديد للبحث والتطوير، وليس دليلا على أن الذكاء الاصطناعي قد حل المخاطر الجوهرية في تطوير الأدوية الجديدة. أما المؤشرات الأكثر أهمية في المرحلة المقبلة فستكون ما إذا كانت الأدوية المرشحة المصممة بالذكاء الاصطناعي أو المدعومة به قادرة على اجتياز تجارب المرحلة الثانية والثالثة في مجالات مرضية متعددة، وأن تثبت عبر نتائج سريرية علنية وقابلة للمراجعة أن تقصير الوقت لم يأت على حساب خفض جودة الأدلة.

References

  1. AI Magazine