الذكاء الاصطناعي قادم لشركات الأدوية الكبرى

إذا كان هناك شيء واحد يمكننا أن نتفق عليه جميعًا، فهو أن قادة الصناعة في القرن الحادي والعشرين يحاولون إدخال الذكاء الاصطناعي في كل ركن من أركان عالمنا. ولكن على الرغم من جميع الطرق التي سيُدفع بها الذكاء الاصطناعي إلى وجوهنا دون أن يثبت نجاحه، فقد يكون له في الواقع غرض واحد مفيد على الأقل. على سبيل المثال، من خلال تسريع عملية تصميم أدوية جديدة وإيجادها واختبارها والتي تستغرق عقودًا من الزمن.

إن تخفيف المخاطر ليس فكرة مثيرة، ولكن من المفيد أن نفهم مدى شيوع فشل مشروع دوائي جديد. لتمهيد المشهد، ضع في اعتبارك أن كل مشروع دوائي يستغرق ما بين ثلاث إلى خمس سنوات لتشكيل فرضية قوية بما يكفي لبدء الاختبارات في المختبر. وجدت دراسة أجراها البروفيسور دوكسين صن عام 2022 أن 90 بالمائة من تطوير الأدوية السريرية يفشل، حيث تبلغ تكلفة كل مشروع أكثر من 2 مليار دولار. وهذا العدد لا يشمل حتى المركبات التي تبين أنها غير قابلة للتطبيق في المرحلة قبل السريرية. ببساطة، يجب على كل دواء ناجح أن يدعم ما لا يقل عن 18 مليار دولار من النفايات الناتجة عن أشقائه غير الناجحين، وهو ما يضمن عدم إعطاء العلاجات الأقل ربحية للحالات النادرة القدر الكافي من التركيز الذي قد تحتاج إليه.

الدكتور نيكولا ريتشموند هو نائب الرئيس للذكاء الاصطناعي في Benevolent، وهي شركة تكنولوجيا حيوية تستخدم الذكاء الاصطناعي في عملية اكتشاف الأدوية. وأوضحت أن النظام الكلاسيكي يكلف الباحثين، على سبيل المثال، بالعثور على بروتين يسيء التصرف - وهو سبب المرض - ثم العثور على جزيء يمكنه جعله يتصرف. بمجرد العثور على واحد، يجب عليهم تحويل هذا الجزيء إلى شكل يمكن للمريض أن يتخذه، ثم اختبار ما إذا كان آمنًا وفعالاً. تستغرق الرحلة إلى التجارب السريرية على مريض بشري حي سنوات، وفي كثير من الأحيان يكتشف الباحثون أن ما نجح من الناحية النظرية لم ينجح عمليًا.

قال الدكتور كريس جيبسون، المؤسس المشارك لشركة Recursion، وهي شركة أخرى في مجال اكتشاف أدوية الذكاء الاصطناعي، إن العملية الحالية تستغرق "أكثر من عقد من الزمن وعدة مليارات من الدولارات من الاستثمار البحثي لكل دواء تمت الموافقة عليه". ويقول إن مهارة الذكاء الاصطناعي العظيمة قد تكمن في تفادي الأخطاء، والمساعدة في تجنب قضاء الباحثين وقتًا طويلاً في الجري في أزقة مسدودة. فالمنصة البرمجية التي يمكنها التعامل مع مئات الخيارات في وقت واحد يمكن، على حد تعبير جيبسون، أن "تفشل بشكل أسرع وفي وقت مبكر حتى تتمكن من الانتقال إلى أهداف أخرى".
الدكتورة آن كاربنتر هي مؤسسة مختبر كاربنتر سينغ في معهد برود التابع لمعهد ماساتشوستس للتكنولوجيا وجامعة هارفارد. لقد أمضت أكثر من عقد من الزمن في تطوير تقنيات الرسم على الخلايا، وهي طريقة لتسليط الضوء على العناصر الموجودة في الخلايا، باستخدام الأصباغ، لجعلها قابلة للقراءة بواسطة الكمبيوتر. وهي أيضًا المطور المشارك لـ Cell Profiler، وهي منصة تمكن الباحثين من استخدام الذكاء الاصطناعي لتنقيب مجموعات كبيرة من صور تلك الخلايا المصبوغة. مجتمعة، هذا العمل يجعل من السهل على الآلة أن ترى كيف تتغير الخلايا عندما تتأثر بوجود مرض أو علاج. ومن خلال النظر إلى كل جزء من الخلية بشكل كلي - وهو نظام يعرف باسم "omics" - هناك فرص أكبر لإنشاء هذا النوع من الاتصالات التي تتفوق فيها أنظمة الذكاء الاصطناعي.

يبدو استخدام الصور كوسيلة لتحديد العلاجات المحتملة أمرًا يساريًا بعض الشيء، نظرًا لأن الشكل الذي تبدو عليه الأشياء لا يمثل دائمًا كيف هي الأشياء في الواقع، أليس كذلك؟ وقال كاربنتر إن البشر دائمًا ما وضعوا افتراضات لا واعية حول الحالة الطبية من البصر وحده. وأوضحت أن معظم الناس قد يستنتجون أن شخصًا ما قد يكون لديه مشكلة كروموسومية بمجرد النظر إلى وجهه. ويستطيع الأطباء المحترفون التعرف على عدد من الاضطرابات عن طريق البصر فقط نتيجة لخبرتهم. وأضافت أنه إذا التقطت صورة لوجوه كل شخص في مجموعة سكانية معينة، فسيكون الكمبيوتر قادرًا على تحديد الأنماط وفرزها بناءً على السمات المشتركة.

وينطبق هذا المنطق على صور الخلايا، حيث يمكن لأخصائي علم الأمراض الرقمي مقارنة الصور من العينات السليمة والمريضة. إذا كان بإمكان الإنسان القيام بذلك، فيجب أن يكون استخدام الكمبيوتر أسرع وأسهل لاكتشاف هذه الاختلافات في الحجم طالما أنه دقيق. وأوضحت: "إنك تسمح لهذه البيانات بالتجمع ذاتيًا في مجموعات، والآن [أنت] تبدأ في رؤية الأنماط. عندما نعالج [الخلايا] بـ 100 ألف مركب مختلف، واحدًا تلو الآخر، يمكننا أن نقول "ها هنا مادتان كيميائيتان يبدوان متشابهين حقًا مع بعضهما البعض.'" وهذا المظهر المتشابه حقًا لبعضهما البعض ليس مجرد صدفة، ولكن يبدو أنه مؤشر على كيفية تصرفهم.

المصدر: بوابة الوفد