Recursion تدفع تطوير الأدوية بالذكاء الاصطناعي إلى مرحلة قراءات النتائج السريرية، وقصة المنصة تبدأ الخضوع لاختبار الدواء

عندما ينتقل تطوير الأدوية بالذكاء الاصطناعي من العروض التقديمية إلى العيادة، لا يعود السؤال الحقيقي هو مقدار البيانات التي يستطيع النموذج رؤيتها، بل ما إذا كان قادراً على تحويل الإشارات البيولوجية إلى أدوية مرشحة قابلة للتكرار، وقابلة للمراجعة، وقادرة على علاج المرضى. وقد وُضعت Recursion Pharmaceuticals مؤخراً مرة أخرى في صدارة هذا المسار: فمن جهة، تؤكد الشركة تسريع اكتشاف الأدوية عبر منصة الذكاء الاصطناعي والأتمتة، ومن جهة أخرى تعيد انتباه السوق إلى تقدم قراءات نتائج خطها السريري.

تُظهر التفاصيل العامة المتاحة أن هذا السرد ليس مجرد شعارات. فقد سجّلت وثائق هيئة الأوراق المالية والبورصات الأمريكية أن Recursion قدمت في 24 يونيو 2024، عبر Form 8-K، بياناً صحفياً وعرضاً تقديمياً محدثاً متعلقين بفعالية المستثمرين الخاصة بها بعنوان "Download Day"، وتناول المحتوى خط التطوير، والشراكات، وتقدم المنصة. وذكر ذلك العرض في حينه أن من المتوقع صدور قراءات نتائج 7 تجارب سريرية خلال نحو 18 شهراً، ما يعني أن الشركة تنتقل من عرض المنصة في مراحل مبكرة إلى اختبار قرارات البحث والتطوير عبر النتائج السريرية.

تتمثل الحجة الأساسية لـ Recursion في استخدام بيانات بيولوجية واسعة النطاق، وتعلم الآلة، والتجارب المؤتمتة، لربط نماذج الأمراض، والبحث عن الأهداف، وتصميم المركبات، وترتيب أولوية الأدوية المرشحة في نظام تكراري واحد. وذكر العرض أن مشاريع داخلية بدأت تُطلق بمشاركة نماذج لغوية كبيرة، كما قال إن Bayer ستكون من بين أوائل مستخدمي الاختبار لمنصة LOWE في اكتشاف الأدوية وتطويرها. وإذا أريد لهذه الأدوات أن تولد قيمة عملية، فالنقطة المهمة ليست ما إذا كانت تستطيع توليد مزيد من الفرضيات، بل ما إذا كانت تستطيع توجيه الفرضيات نحو معدلات نجاح أفضل في التجارب المخبرية الرطبة، وعدد أقل من الرهانات السريرية غير المجدية.

أما من ناحية قدرات المنصة، فقد وصفت Recursion سابقاً بنية BioHive-2 الحاسوبية بأنها تستخدم 504 معالجات NVIDIA H100، وادعت أنها تحقق تحسناً بمقدار 4 مرات مقارنة بـ BioHive-1؛ كما أشار العرض إلى خريطة ترانسكربتوم على مستوى الجينوم، وإنتاجية اختبارات ADME، ومسارات استكشاف الأهداف والكيمياء. تساعد هذه المعلومات على فهم كيفية إدخال الشركة للذكاء الاصطناعي في حلقات محددة من البحث والتطوير الدوائي: ليس بوصفه مجرد توليد حواري للإجابات، بل عبر ربط صور الخلايا، والبيانات متعددة الأوميات، والبنى الكيميائية، وبيانات الحرائك الدوائية والسلامة، للمساعدة في تحديد الدفعة التالية من التجارب التي ينبغي إجراؤها.

لكن قيود الذكاء الاصطناعي في الطب الحيوي تظهر أيضاً هنا. فمؤشرات المنصات المبكرة، وحجم القدرة الحاسوبية، والشركاء، لا تعادل مباشرة الفعالية العلاجية؛ وقد تزيد خرائط الترانسكربتوم أو إنتاجية ADME كفاءة الفرز، لكنها لا تستطيع أن تحل محل السلامة، والجرعة، وتباين المرض، ونقاط النهاية السريرية في التجارب البشرية. وبالأخص عندما تُدرج النماذج اللغوية الكبيرة في مسار البحث والتطوير، تحتاج الشركات إلى توضيح أساس مخرجات النموذج، وآليات المراجعة البشرية، وانحيازات البيانات، وقابلية التتبع، وإلا فسيكون من الصعب تلبية متطلبات سلسلة الأدلة في تطوير الأدوية.

السياق الخلفي

غالباً ما تركز أخبار تطوير الأدوية بالذكاء الاصطناعي مؤخراً على قدرات النماذج نفسها، لكن حالة Recursion تذكّر بأن الصناعة تدخل مرحلة ثانية أكثر صرامة: إذ يتعين على شركات المنصات دعم تقييماتها بنتائج سريرية وشراكات قابلة للتحقق. وكما في قصص عديدة حديثة عن الذكاء الاصطناعي في الطب الحيوي، انتقل السؤال من "هل يستطيع الذكاء الاصطناعي اقتراح جزيئات مرشحة؟" إلى "هل يمكن تصنيع هذه الجزيئات المرشحة، وقبولها تنظيمياً، وإظهار فائدة وسلامة كافيتين في البشر؟".

نظراً إلى أن ملخصات المصادر الحالية تقدم تفاصيل محدودة عن أحدث حدث، فإن المحتوى المحدد الأكثر موثوقية يأتي أساساً من وثائق المستثمرين التي قدمتها Recursion سابقاً إلى SEC. وهذا يجعل الخبر أشبه بامتداد لمسار الشركة القائم في تطوير الأدوية بالذكاء الاصطناعي، لا اختراقاً سريرياً منفرداً. وما سيغير السرد لاحقاً لن يكون اسم نموذج أكبر أو أرقام عتاد أسرع، بل ما إذا كانت قراءات النتائج السريرية ستثبت أن هذه المنصة اختارت بالفعل المرض والهدف والجزيء الصحيحين.