تثير إمكانات استخدام الذكاء الاصطناعي في اكتشاف الأدوية وتطويرها مزيجًا من الحماسة والشكوك بين العلماء والمستثمرين والجمهور العام.

ويدعي بعض الباحثين والشركان ان “الذكاء الاصطناعي سيستحوذ على تطوير الأدوية”.

خلال السنوات الأخيرة، دفع الاهتمام باستخدام الذكاء الاصطناعي لتصميم الأدوية وتحسين التجارب السريرية إلى زيادة كبيرة في الأبحاث والاستثمارات.

 وظهرت المنصات المدعومة بالذكاء الاصطناعي، مثل “AlphaFold” التي حصلت على جائزة نوبل لعام 2024 لقدرتها على التنبؤ بهياكل البروتينات وتصميمها، إمكانات الذكاء الاصطناعي في تسريع تطوير الأدوية.

ويحذر بعض خبراء الصناعة من تفاؤل هذا النهج مؤكدين ان “الذكاء الاصطناعي في اكتشاف الأدوية هراء”.

ويرى هؤلاء أن “إمكانات الذكاء الاصطناعي في تسريع اكتشاف الأدوية تحتاج إلى نظرة واقعية”، حيث لم تُثبت الأدوية التي يولدها الذكاء الاصطناعي بعد قدرتها على معالجة معدل الفشل البالغ 90 بالمئة للأدوية الجديدة في التجارب السريرية. على عكس نجاح الذكاء الاصطناعي في تحليل الصور، لا يزال تأثيره على تطوير الأدوية غير واضح.

والذكاء الاصطناعي في تطوير الأدوية ليس بعد ثورة جذرية على الارجح، ولا هو مجرد هراء.

كما ان هذه التكنولوجيا التي تحاكي إمكانيات العقل البشري كمبيوتريا ليست “صندوقًا أسود” يمكنه تحويل أي فكرة إلى ذهب. وقد يكون من الأفضل اعتبارها أداة، عندما تُستخدم بحكمة وكفاءة، يمكن أن تساعد في معالجة الأسباب الجذرية لفشل الأدوية وتبسيط العملية.

وتهدف معظم الجهود لاستخدام الذكاء الاصطناعي في تطوير الأدوية إلى تقليل الوقت والمال اللازمين لجلب دواء واحد إلى السوق – والذي يستغرق حاليًا ما بين 10 إلى 15 عامًا ويكلف ما بين مليار إلى ملياري دولار أميركي.

 ولكن، هل يمكن للذكاء الاصطناعي أن يحدث ثورة حقيقية في تطوير الأدوية ويحسن معدلات النجاح؟

الذكاء الاصطناعي في اكتشاف الأدوية

قام الباحثون بتطبيق الذكاء الاصطناعي وتعلم الآلة في جميع مراحل عملية تطوير الأدوية. ويشمل ذلك تحديد الأهداف في الجسم، وفحص المرشحين المحتملين، وتصميم جزيئات الأدوية، والتنبؤ بالسمية، واختيار المرضى الذين قد يستجيبون بشكل أفضل للعلاجات أثناء التجارب السريرية، من بين أمور أخرى.

بين عامي 2010 و2022، اكتشفت 20 شركة ناشئة متخصصة في الذكاء الاصطناعي 158 مرشحًا للأدوية، وصل 15 منها إلى التجارب السريرية.

وتمكنت بعض هذه الأدوية من إكمال الاختبارات قبل السريرية في المختبر والانتقال إلى التجارب البشرية في غضون 30 شهرًا فقط، مقارنةً بالمدة المعتادة التي تتراوح بين 3 إلى 6 سنوات.

تُظهر هذه الإنجازات إمكانات الذكاء الاصطناعي في تسريع تطوير الأدوية. ومع ذلك، فإن نجاح تلك العقارات المرشحة في التجارب السريرية، حيث يحدث معظم فشل الأدوية، لا يزال غير مؤكد.

على عكس المجالات الأخرى التي تتوفر فيها مجموعات بيانات كبيرة وعالية الجودة لتدريب نماذج الذكاء الاصطناعي، يواجه الذكاء الاصطناعي في تطوير الأدوية قيودًا بسبب مجموعات بيانات صغيرة ومنخفضة الجودة.

من الصعب إنشاء مجموعات بيانات تتعلق بالأدوية تشمل الخلايا أو الحيوانات أو البشر لملايين أو مليارات المركبات. وبينما يُعتبر AlphaFold إنجازًا في التنبؤ بهياكل البروتينات، فإن دقته في تصميم الأدوية لا تزال غير مؤكدة.

التحيز نحو النجاحات

مثل الذكاء الاصطناعي، فإن الابتكارات السابقة في تطوير الأدوية مثل التصميم بمساعدة الكمبيوتر، ومشروع الجينوم البشري، والفحص عالي الإنتاجية، حسّنت خطوات فردية من العملية خلال العقود الأربعة الماضية، لكن معدلات فشل الأدوية لم تتحسن.

قد يقع الباحثون في فخ التحيز نحو النجاحات، بالتركيز بشكل مفرط على الجوانب الأقل أهمية من العملية، متجاهلين المشكلات الرئيسية التي تسهم في الفشل. يشبه ذلك إصلاح أضرار أجنحة الطائرات التي عادت من ساحات المعارك في الحرب العالمية الثانية مع إهمال نقاط الضعف القاتلة في المحركات أو قمرة القيادة للطائرات التي لم تعد.

معالجة الأسباب الجذرية

الفشل في التجارب السريرية ليس فقط بسبب تصميم الدراسات، بل أيضًا بسبب اختيار الادوية المرشحة الخاطئ. ويمكن لاستراتيجيات جديدة موجهة بالذكاء الاصطناعي أن تساعد في معالجة هذه التحديات.

ويقترح بعض الخبراء نظام تعلم آلي لتحديد المرشحين بناءً على الجرعة والسلامة والفعالية، من خلال خمس سمات رئيسية. يمكن اختبار هذه الخصائص في تجارب “المرحلة 0+” باستخدام جرعات منخفضة جدًا، مما يساعد في تحديد الأدوية المثلى وتقليل التكاليف.