→ العودة إلى الصفحة الرئيسية

تضاعف الاستثمارات في تطوير الأدوية بالذكاء الاصطناعي، وشركات الأدوية الكبرى تطالب بتحويل الوعود إلى أدلة

من تجربة تحليل عشرة آلاف مركّب إلى فرز الأمراض باستخدام أكثر من مئة مليون سجل طبي، يرسم مسؤولو شركات الأدوية حدود الدور الفعلي للذكاء الاصطناعي: يمكنه تسريع الأبحاث، لكنه لا يستطيع بعد أن يحل محل إثبات الفعالية والسلامة لدى البشر.

By SURL BioNews

لا تزال رحلة طويلة من التحقق تفصل بين تصميم جزيء يبدو واعدًا وتحويله إلى دواء يمكن للمرضى استخدامه. ومع الزيادة السريعة في التمويل الذي يستقطبه اكتشاف الأدوية بالذكاء الاصطناعي، نبّه مسؤولون في عدة شركات أدوية كبرى مؤخرًا، في تصريحات علنية، إلى أن سرعة الحوسبة قد تغيّر وتيرة البحث، لكنها لن تزيل تعقيد البيولوجيا البشرية.

يعكس تقرير نشرته Chosunbiz في 10 نوفمبر، وتقرير لصحيفة وول ستريت جورنال أعادت Mint نشره في 4 نوفمبر، هذه الفجوة بين حماسة الاستثمار وواقع البحث والتطوير. ونقل التقريران بيانات من ماكنزي تشير إلى أن استثمارات رأس المال المغامر والملكية الخاصة عالميًا في اكتشاف الأدوية بالذكاء الاصطناعي بلغت 8.4 مليارات دولار في عام 2025، بزيادة تجاوزت الضعف مقارنة بنحو 4 مليارات دولار قبل عامين. ومع تسارع تدفق الأموال، بات القطاع يطرح بإلحاح أكبر سؤالًا: هل يمكن أن يؤدي توليد أدوية مرشحة بسرعة أكبر إلى مزيد من العلاجات الناجحة؟

قدّم Jeff Leiden، رئيس مجلس الإدارة التنفيذي لشركة Vertex، مثالًا محددًا. فبحسب وول ستريت جورنال، حلّلت نحو 50 شركة ذكاء اصطناعي مجموعة بيانات تابعة لشركة Vertex تضم عشرة آلاف مركّب، لكن أيًا منها لم ينتج عن ذلك دواءً قابلًا للاستخدام فعليًا، وفقًا لقوله. غير أن التقرير لم يوضح المهام الموكلة إلى كل شركة، ولا مدة التقييم أو معايير النجاح؛ لذلك لا يمكن اعتبار هذه التجربة المؤسسية مباشرةً مقياسًا لمعدل الفشل في المجال بأكمله، لكنها تكشف المسافة بين تحليل البيانات ونتائج تطوير الأدوية.

وتشمل هذه المسافة السلامة أيضًا. فإلى جانب تأثير الجزيئات المرشحة في الهدف المحدد لها، قد تؤثر في بروتينات أو مسارات فسيولوجية أخرى، فتُحدث آثارًا جانبية يصعب توقعها. وكان التنبيه المشترك لكل من Pascal Soriot، الرئيس التنفيذي لشركة AstraZeneca، وGeorge Yancopoulos، كبير المسؤولين العلميين في Regeneron، هو أن آليات الأمراض لا تزال تنطوي على كثير من المجهولات، ولا يمكن الاستنتاج، استنادًا إلى تقدم النماذج وحده، أن السرطان سيُشفى أو أن سنوات البحث والتطوير ستنخفض بدرجة كبيرة. وتعكس هذه التصريحات تقديرات مسؤولي البحث والتطوير، وليست دراسة سريرية جديدة تقارن الذكاء الاصطناعي بالأساليب التقليدية.

وتظهر استخدامات أوضح في تضييق نطاق البحث والمساعدة في اتخاذ القرارات. فقد أفادت وول ستريت جورنال بأن فريقًا في Bayer استخدم الذكاء الاصطناعي لتحليل مئة مليون سجل للمرضى خلال أيام، واختار، بناءً على الواسمات الجينية والتاريخ المرضي، خمسة أمراض ذات أولوية بحثية لتقنية الشركة لتحرير الجينات. ويُظهر هذا العمل كفاءة تنظيم كميات هائلة من البيانات؛ لكن ترتيب الأمراض حسب الأولوية لم يثبت بعد إمكانية إيصال التقنية بأمان إلى الأنسجة المستهدفة، ولا حصول المرضى على فائدة علاجية.

السياق

تمتد مسألة تقييم تطوير الأدوية بالذكاء الاصطناعي من قدرة النموذج على اختيار الجزيئات إلى ما إذا كان يُحسّن عملية البحث والتطوير بأكملها. فتحديد الأهداف المحتملة، وتعديل الجزيئات المرشحة، والمساعدة في العثور على مشاركين مناسبين للتجارب، كلها استخدامات عملية؛ لكن الأدلة المطلوبة تختلف باختلاف الاستخدام. ولا يمكن اعتبار الأداء الجيد لتنبؤات النموذج دليلًا مباشرًا على ارتفاع معدل النجاح السريري، كما أن تجربة شركة واحدة لا تكفي لاستخلاص حكم على جميع المنصات.

لذلك، تطرح هذه الموجة من تصريحات مسؤولي شركات الأدوية متطلبات أكثر تحديدًا للتحقق من نتائج الاستثمارات التي تواصل التصاعد: هل تستطيع فرق البحث، في ظروف قابلة للمقارنة، إثبات أن الذكاء الاصطناعي يقلل التجارب غير المجدية، ويحسّن جودة الأدوية المرشحة، ويُبقي هذه المزايا قائمة حتى التجارب البشرية؟ تقدم التقارير الحالية تجارب شركات وأمثلة تطبيقية، لكنها لا تزال تفتقر إلى بيانات مقارنة متسقة. ويظل الانتقال من دور المساعد البحثي إلى قدرة موثوقة على تطوير الأدوية مرهونًا بنتائج قابلة للتكرار والتحقق.

References

  1. Chosunbiz
  2. The Wall Street Journal via Mint