الذكاء الاصطناعي يتعلم من تاريخ شركات الأدوية كيفية ترتيب التجارب، ويتفوق في التنبؤ بالتطوير السريري للأورام على الوكلاء العامّين

تحاول دراسة جديدة الإجابة عن أحد أكثر الأسئلة تكلفةً وأصعبها توحيدًا في تطوير الأدوية: في ظل إشارات الفعالية والمشهد التنافسي والموارد المحدودة، ما التجارب السريرية التي ينبغي إدراجها تاليًا ضمن المحفظة؟ لم يطلب الباحثون من ذكاء اصطناعي عام الاستدلال الفوري، بل جعلوا النموذج يتعلم استراتيجيات التطوير مباشرةً من القرارات التاريخية والنتائج اللاحقة لعشرات برامج أدوية الأورام.

قسّم William Bolton وPhilip Torr كل برنامج دوائي إلى نوافذ قرار مدتها ستة أشهر، وطالبا النموذج، استنادًا إلى المعلومات التي كانت متاحة علنًا آنذاك، بالتنبؤ بالتجارب التي سيطلقها الراعي لاحقًا. شملت مجموعة البيانات 45 برنامجًا لأدوية الأورام و881 مقطعًا لاتخاذ القرار، وجُمعت من 31,700 سجل علني، بما في ذلك تسجيلات التجارب والمراجعات التنظيمية وإفصاحات الشركات وبيانات استخدام الأدوية ووبائيات السرطان؛ وكان على كل تنبؤ أيضًا استكمال 14 حقلًا، تشمل دواعي الاستعمال والمرحلة واستراتيجية التجربة ومجموعة المقارنة والمنطقة ونقاط النهاية.

كان النموذج الأفضل أداءً هو نموذج «استنساخ السلوك المرجّح بالمكافأة»: فهو لا يقلّد القرارات التي اتخذتها شركات الأدوية فحسب، بل يزيد أيضًا أثناء التدريب وزن التجارب التي حصلت لاحقًا على موافقة FDA وحققت إيرادات، ويقلّل تأثير التجارب الفاشلة أو المتوقفة. وفي مجموعة اختبار تعود إلى ما بعد أغسطس 2025، ويُفترض نظريًا أنها أقل عرضة للتلوث ببيانات التدريب القائمة، بلغت درجة F1 لدواعي الاستعمال في النموذج 46.2%، وبلغت درجة F1 الصارمة 14.2%؛ في حين لم يحقق أقوى وكيل أدوات عام عبر المقاييس سوى 25.0% و2.1% على التوالي. وتتطلب درجة F1 الصارمة مطابقة دلالة الاستعمال ومرحلة التجربة والاستراتيجية في الوقت نفسه، ولذلك فهي أقرب إلى قرار تطوير متكامل.

سبق اختيار هذا العمل على نحو منفصل في ورشتي عمل ضمن ICML 2026، بوصفه عرضًا محوريًا وملصقًا. استخدمت النسخة المنشورة في مايو مجموعة بيانات بالحجم نفسه، وبلغت حينها درجة F1 لدواعي الاستعمال للنموذج المدرّب دون اتصال في اختبار التقسيم الزمني 39.9%، مقابل 11.2% لوكيل الأدوات؛ أما النسخة الأولية المنشورة في أغسطس فتضمنت مزيدًا من أساليب التدريب والتقييم، وأوردت النتيجة المحدّثة البالغة 46.2%. ووجدت الدراسة أيضًا أن تزويد النموذج المتخصص ببيانات مقيّدة زمنيًا استرجعها وكيل الأدوات يمكن أن يرفع درجتي F1 لدواعي الاستعمال وF1 الصارمة إلى 59.0% و18.6% على التوالي، لكن هذا الاختبار الهجين استند بدوره إلى عينة صغيرة جدًا.

مع ذلك، يبقى وراء هذه الأرقام حد فاصل جوهري: ما تعلّمه النموذج هو «ما فعله الرعاة تاريخيًا بعد ذلك»، وليس أن قرارًا بعينه أفضل بالضرورة من الناحية السببية. فجودة الدواء نفسه وتسعيره وموارد الشركة والمعلومات غير المعلنة تؤثر جميعها في الموافقة والإيرادات؛ كما أن أحدث مجموعة اختبار استخدمتها الدراسة لعزل ذاكرة النماذج القائمة لم تشمل سوى 24 نافذة قرار. وحتى مع تفوق نسبة 46.2% على مجموعات المقارنة، فإنها تعني أن أكثر من نصف توزيعات دواعي الاستعمال لم تطابق الإجابات التاريخية، بينما كانت القيمة المطلقة لدرجة F1 الصارمة أدنى من ذلك.

إضافةً إلى ذلك، تميل سجلات التطوير العلنية نحو شركات الأدوية الكبرى وأنواع السرطان الشائعة والأصول التي نجحت في الوصول إلى السوق، ما قد يدفع النموذج إلى استنساخ التوجهات الصناعية القائمة وتجاهل مجالات بحثية مثل السرطانات النادرة أو طب الأطفال أو المجالات الأقل جاذبية تجاريًا. لذلك تُعد هذه النسخة الأولية أنسب بوصفها إثبات مفهوم لتحليل السيناريوهات بمساعدة الذكاء الاصطناعي، لا أداةً لوضع استراتيجيات التجارب أو الاستثمار أو التنظيم تلقائيًا؛ وقبل دمجها فعليًا في عمليات اتخاذ القرار لدى شركات الأدوية، لا تزال هناك حاجة إلى تحقق استشرافي وتدقيق للانحياز وإشراف مشترك من فرق الشؤون السريرية والإحصائية والتنظيمية.