→ العودة إلى الصفحة الرئيسية

الخلايا الافتراضية تحتاج إلى تجارب حقيقية: المنافسة في اكتشاف الأدوية بالذكاء الاصطناعي تتجه نحو جودة البيانات

توفر شرائح العضيات استجابات بيولوجية، وتحاول الخلايا الافتراضية التعلم منها. وقد رسم منتدى صناعي في شنغهاي مسارًا للبحث والتطوير تتكامل فيه التقنيتان، لكن اتساق البيانات بين الدفعات المختلفة وإمكانية اجتياز التنبؤات للتحقق الخاص باستخدامات محددة لا يزالان من عقبات التطبيق العملي.

By SURL BioNews

كيف سيعمل الدواء بعد دخوله جسم الإنسان؟ هذا أحد أصعب الأسئلة التي يسعى تطوير الأدوية الجديدة إلى الإجابة عنها مسبقًا. وتبحث الخلايا الافتراضية القائمة على الذكاء الاصطناعي وشرائح العضيات عن الإجابة عبر النماذج الحاسوبية والتجارب البيولوجية، على التوالي. وطرح منتدى صناعي عُقد مؤخرًا في شنغهاي إمكانية تكامل المسارين؛ ولكي يساعد هذا التعاون فعليًا في فحص الأدوية المرشحة، فإن العامل الحاسم هو موثوقية البيانات التجريبية وتحديد الأسئلة التي يستطيع النموذج الإجابة عنها.

بحسب تقرير نشرته 財聯社 في 23 سبتمبر، ناقشت جلسة المائدة المستديرة «بناء إنسان افتراضي» ضمن قمة Jefferies للرعاية الصحية في آسيا والمحيط الهادئ توزيع الأدوار بين التقنيتين. وأوضحت المعلومات التي نشرتها منصة شنغهاي للخدمات الشاملة لدعم توسع الشركات في الخارج قبل انعقاد القمة أن نسختها الأولى كانت مقررة يومي 20 و21 سبتمبر في مدينة تشانغجيانغ للعلوم، وأن موضوعاتها شملت اكتشاف الأدوية المدفوع بالذكاء الاصطناعي والعضيات.

تنبع فكرة التكامل بين التقنيتين من اختلاف أسلوب عمل كل منهما: فالخلايا الافتراضية تستخدم النماذج لتقدير استجابات الخلايا، بينما توفر شرائح العضيات نتائج تجارب بيولوجية قابلة للقياس. وقال لاي ليبنغ، الشريك المؤسس لشركة 晶泰، خلال المنتدى إن قيمة شرائح العضيات تكمن في توفير بيانات وثيقة الصلة بالأسئلة البيولوجية، يُؤمل أن تدعم التحسين المستمر للنماذج. وهذا اتجاه للبحث والتطوير طرحه المشاركون، ولم يتضمن التقرير مقارنة للأداء بعد الجمع بين التقنيتين.

تمثل قابلية مقارنة البيانات بعضها ببعض تحديًا عمليًا لهذا المسار. وأشار لاي ليبنغ إلى أن كيفية الحفاظ على الاتساق بين دفعات التجارب المختلفة وبين الأجهزة لا تزال مسألة بحاجة إلى حل. وبالنسبة إلى النموذج، إذا تسربت اختلافات القياس إلى بيانات التدريب، فقد يصعب عليه التمييز بين التغيرات الناتجة عن الاستجابات البيولوجية وتلك الناجمة فقط عن ظروف التجربة؛ ولذلك لا يمكن لزيادة حجم البيانات أن تحل محل ضبط الجودة.

ويحدد الاستخدام أيضًا متطلبات التحقق. وشدد المشاركون على أن إمكانية تقليل التجارب على الحيوانات أو استبدالها يجب أن تُقيَّم وفقًا لكل حالة استخدام محددة. وحتى إذا أظهر النموذج أداءً جيدًا في اختبار معين، فلا يمكن الاستنتاج مباشرةً أنه قادر على تغطية مسائل السلامة الأخرى. ولم يقدم هذا التقرير أرقامًا لدقة النماذج، أو بيانات تحقق مستقلة، أو أدلة على قبول الجهات التنظيمية لمنصة محددة، وهي معلومات لا تكفي حتى الآن للحكم على قدرتها على الاستبدال.

في المراحل الأولى من التسويق التجاري، قد تبدأ الشركات بتقديم خدمات البحث والتطوير. وقال Jiajie Wu من شركة 耀速科技 إن الخدمات التقنية والتطوير المشترك يتيحان للشركات الناشئة فهم أنواع النماذج التي تحتاج إليها الصناعة من خلال المشاركة في تطوير الأدوية فعليًا. كما يربط هذا النهج احتياجات البيانات باستخدامات محددة، لكن تقرير المنتدى لم يكشف عن قيمة العقود ذات الصلة أو نتائج بحث وتطوير قابلة للقياس.

ما برز من هذا النقاش هو أسئلة أكثر تحديدًا للخطوة التالية في اكتشاف الأدوية بالذكاء الاصطناعي: هل يمكن إعادة إنتاج التجارب بصورة مستقرة عند تناول أسئلة بيولوجية محددة بوضوح، وهل تستطيع النماذج اجتياز التحقق؟ تقدم فكرة التكامل بين الخلايا الافتراضية وشرائح العضيات مسارًا ممكنًا؛ أما مدى ما يمكن أن يحققه، فلا يزال يتطلب إجابة من بيانات قابلة للمقارنة ونتائج فعلية لتطوير الأدوية.

References

  1. finance.biggo.com
  2. 财联社 (CLS), republished by East Money
  3. Shanghai Enterprise Going Global Comprehensive Service Platform