→ العودة إلى الصفحة الرئيسية

البيانات ليست نقطة النهاية: ARPA-H تضع رهانها على الذكاء الاصطناعي ضمن سلسلة التحقق من سلامة الأدوية واللقاحات واسعة الطيف

خطتان تصل قيمتهما الإجمالية القصوى إلى 329 مليون دولار، تحاول إحداهما استخدام نماذج بيولوجية بشرية للتنبؤ بنجاح الأدوية المرشحة أو فشلها، فيما تستخدم الأخرى أساليب حاسوبية لتصميم مستضدات تغطي عائلات فيروسية متعددة؛ لكن العتبة الحقيقية لا تكمن في عدد الإجابات التي تستطيع النماذج توليدها، بل في قدرة التنبؤات على الصمود أمام الاختبارات التجريبية والسريرية والتنظيمية.

By SURL BioNews

غالبًا ما لا يكون الفشل الأعلى تكلفة في تطوير الأدوية هو العجز عن العثور على جزيئات مرشحة، بل اكتشاف عدم فعاليتها أو سلامتها لدى البشر في مرحلة متأخرة. ويواجه تصميم اللقاحات مشكلة مماثلة؛ إذ إن أنواع الفيروسات كثيرة، وملاحقة كل منها على حدة بطيئة، كما يصعب أن توفر حماية واسعة. وقد استعرضت وكالة مشروعات الأبحاث المتقدمة للصحة الأمريكية (ARPA-H) مؤخرًا توجهاتها في مجال الذكاء الاصطناعي الطبي الحيوي، مركزةً على هاتين المسألتين القابلتين للاختبار من خلال النتائج التجريبية والسريرية، بدلًا من الاكتفاء بالحديث عمومًا عن تسريع البحث والتطوير باستخدام الذكاء الاصطناعي.

ضمن هذه الجهود، يبلغ الحد الأقصى لإجمالي تمويل برنامج CATALYST نحو 125 مليون دولار على مدى أربع سنوات ونصف، لدعم فرق تعمل على إنشاء نماذج للبيولوجيا البشرية مدفوعة بالذكاء الاصطناعي والتعلم الآلي. ويتمثل الهدف في التنبؤ بسلامة الأدوية المرشحة وفعاليتها قبل دخولها المراحل السريرية المكلفة، فضلًا عن تناول الحرائك الدوائية، أي كيفية دخول الدواء إلى جسم الإنسان وتوزعه فيه وخروجه منه، والديناميكا الدوائية، أي كيفية تحول تركيز الدواء إلى تأثير بيولوجي.

ولا يتعلق الأمر ببساطة بتدريب نموذج عام باستخدام مزيد من الأبحاث أو البيانات. ووفقًا لـARPA-H، ستُختبر النماذج في سياقات واقعية، مع أخذ آراء الجهات التنظيمية ومطوري الأدوية في الحسبان. وتشمل الجهات المشاركة Draper وDeep Origin وInductive Bio وJackson Laboratory وCedars-Sinai وPeptilogics وجامعة نورث كارولاينا في تشابل هيل وBlack Mesa Technology. وسيعتمد نجاح البرنامج في تغيير القرارات على التحقق الخارجي عبر مصادر بيانات وسياقات مرضية مختلفة، وعلى ما إذا كان عرض أوجه عدم اليقين في النماذج كافيًا لتمكين المراجعين من فهمها وتتبعها.

أما برنامج APECx الآخر، فيلتزم باستثمار يصل إلى 204 ملايين دولار لإنشاء أدوات حاسوبية لتصميم لقاحات متعددة الفيروسات. وستربط الفرق نماذج التنبؤ والتعلم الآلي وهندسة البروتينات وتصميم المستضدات بتطوير المواد المرشحة وتقييمها سريريًا. ويشمل نطاق البحث فيروسات الهربس والفيروسات المصفرة وفيروسات ألفا، بينما تتولى جامعة تكساس إيه آند إم دمج البيانات والأدوات بين الفرق. وتتمثل الرؤية طويلة الأمد في تصميم مستضدات يمكنها تغطية عائلة فيروسية كاملة، بحيث لا يقتصر اللقاح الواحد على مواجهة فيروس واحد فقط.

ومع ذلك، فإن المستضد الذي يبدو مثاليًا حاسوبيًا لا يضمن بالضرورة تحفيز حماية مناعية كافية ومستدامة لدى البشر من دون التسبب في تفاعلات غير متوقعة. وبالمثل، فإن النموذج القادر على ملاءمة بيانات الأدوية الحالية قد لا يستطيع بالضرورة التنبؤ بدقة بآليات عمل جديدة كليًا. ويتعين على كلا البرنامجين عبور الفجوة بين «اقتراح إجابات مرشحة» و«إثبات قابلية استخدام الإجابات». لذلك، ستكون أهم المؤشرات اللاحقة هي التحقق الاستشرافي، والمقارنات العمياء مع الأساليب الحالية، وكيفية تعامل التقييم السريري مع اختلافات الفئات السكانية وانحياز البيانات.

وتتعامل استراتيجية ARPA-H أيضًا مع البنية التحتية للبيانات بوصفها جزءًا من سلسلة الانتقال نفسها. وقد استثمرت الوكالة كذلك 50 مليون دولار لدفع شبكة بيانات ومعارف طب الأطفال PCX، بدءًا بسرطان الدماغ لدى الأطفال، مع خطة لربط أكثر من 200 مستشفى ومركز رعاية. وتشمل الأهداف التقنية التوافق المعياري، والتنظيم الآلي للسجلات الطبية غير المهيكلة وتحويلها إلى بيانات قابلة للتحليل، والوصول المحمي للخصوصية، والتحليل شبه الفوري. وكان عرض تجريبي سابق في مستشفيين قد نسّق ورسم خرائط لأكثر من 90% من البيانات السريرية غير المهيكلة وبيانات السجلات الصحية الإلكترونية والبيانات الجينية، لكن جودة البيانات وحوكمتها وتمثيلها بعد التوسع على المستوى الوطني لا تزال بحاجة إلى الاختبار في التطبيق العملي.

عند النظر إلى الاستثمارات الثلاثة معًا، لا تراهن ARPA-H على نماذج أكبر فحسب، بل تحاول إنشاء منظومة متصلة تمتد من تنظيم البيانات وتصميم المواد المرشحة إلى التنبؤ بالنتائج البشرية. ولكي تنجح هذه الاستراتيجية فعلًا في تقصير دورة البحث والتطوير، فلا يزال يتعين إثبات إمكانية تكرار مخرجات الذكاء الاصطناعي باستخدام بيانات مستقلة وتجارب مختبرية رطبة وقرارات سريرية، وتحويلها إلى أدلة يمكن للجهات التنظيمية فهمها وتدقيقها. وإلى أن تظهر هذه النتائج، تمثل المبالغ والمخططات التقنية توجهًا للبحث والتطوير عالي المخاطر، لا نتائج طبية مثبتة.

References

  1. ARPA-H
  2. ARPA-H
  3. ARPA-H
  4. ARPA-H