وقعت GSK اتفاقية تعاون بحثي مع شركة Relation Therapeutics البريطانية للتكنولوجيا الحيوية بقيمة تصل إلى 110 مليون دولار. ستعمل هذه الشراكة على إنشاء مجموعات بيانات ضخمة وعالية الدقة تتبع كيفية تفاعل الخلايا البشرية مع التعديلات الجينية والعلاجات الدوائية. وتهدف هذه الخطوة إلى معالجة عنق الزجاجة في البيانات الذي أبطأ عملية اكتشاف الأدوية المدعومة بالذكاء الاصطناعي، مما قد يختصر سنوات من المسار الممتد من الجزيء إلى الدواء.

مشكلة البيانات التي أعاقت الذكاء الاصطناعي

لأغلب العقد الماضي، كان يتم تقييم الذكاء الاصطناعي في مجال الأدوية بناءً على حجم النموذج، وليس على مدى صلة المدخلات. فالنماذج اللغوية الكبيرة المدربة على نصوص الإنترنت تتفوق في مطابقة الأنماط، لكنها تتعثر عندما يُطلب منها التنبؤ بكيفية تأثير مركب ما على خلية حية. القطعة المفقودة كانت بيانات "المختبرات الرطبة" (wet lab)—وهي القياسات المستمدة من تجارب حقيقية تلتقط سلسلة التأثيرات البيولوجية بعد تشغيل جين ما أو إيقافه، أو بعد تطبيق دواء معين.

ستقوم Relation Therapeutics بسد هذه الفجوة. وبموجب الاتفاقية، ستعمل الشركة على توليد بيانات واسعة النطاق تقيس بدقة كيفية استجابة الخلايا البشرية لمتغيرين: التغيرات الجينية والتدخلات الدوائية. ومن خلال تزويد أنظمة الذكاء الاصطناعي بهذه الرؤية التفصيلية للسلوك الخلوي، تهدف الشراكة إلى نقل النماذج من مجرد تنبؤات بدائية بالارتباط إلى محاكاة لمسارات كاملة.

من تنبؤات "الصندوق الأسود" إلى الدقة الخلوية

غالبًا ما تنتج مسارات الذكاء الاصطناعي التقليدية رقمًا واحدًا فقط: احتمالية ارتباط جزيء ما ببروتين مستهدف. ثم يقضي الباحثون شهورًا أو سنوات في اختبار ما إذا كان هذا الارتباط يترجم إلى تأثير علاجي. ويستبدل النهج الجديد هذا التقدير أحادي النقطة بخريطة متعددة الأبعاد للنتائج اللاحقة. فعندما يعرف نموذج الذكاء الاصطناعي أن تعطيل الجين X يؤدي إلى تحفيز المسار Y، وأن الدواء المرشح يخفف من حدة ذلك المسار نفسه، يمكنه استنتاج الفعالية في وقت مبكر بكثير.

تتمثل الفائدة في تقليل تجارب الخطأ والصواب المكلفة. فإذا كان بإمكان النموذج التنبؤ بشكل موثوق بأن مركبًا ما سيحفز استجابة خلوية مرغوبة، فستقل الحاجة إلى تصنيع وفحص واستبعاد عدد كبير من المركبات. وهذا يقلل من الإنفاق على البحث والتطوير ويقصر الجداول الزمنية—وهي مزايا تؤثر بشكل مباشر على نافذة الحصرية التسويقية للدواء وعلى الأرباح النهائية لشركات الأدوية.

"البيانات الصحيحة" تصبح الخندق التنافسي

تسلط هذه الشراكة الضوء على التحول من "البيانات الضخمة" إلى "البيانات الصحيحة". فالنماذج العامة تزدهر بالاعتماد على الحجم الهائل، لكن اكتشاف الأدوية يتطلب بيانات محددة للغاية ويصعب الحصول عليها. إن توليد ملفات تعريف موثوقة للاستجابة الخلوية يتطلب أجهزة متطورة، وكوادر ماهرة، وضوابط جودة صارمة—وهي استثمارات لا يستطيع تحمل تكلفتها إلا اللاعبون ذوو التمويل الجيد.

الشركات التي تمتلك المسار الذي يربط الشفرة الجينية بالنتائج الخلوية القابلة للقياس ستسيطر على الملكية الفكرية الأكثر قيمة. وتخلق حصرية مثل هذه المجموعات من البيانات حاجزًا دفاعيًا يصعب تكراره مقارنة ببنية شبكة عصبية جديدة. وبالنسبة لمؤسسي شركات التكنولوجيا الحيوية، فإن الرسالة واضحة: بناء محرك بيانات قد يكون أكثر استراتيجية من مطاردة الاختراق الخوارزمي التالي.

وجهة نظر مغايرة: البيانات وحدها لن تحل كل شيء

يشير النقاد إلى أنه حتى البيانات المثالية يمكن أن تضلل نماذج الذكاء الاصطناعي. فالخلايا تختلف باختلاف أنواع الأنسجة، وحالات المرض، والتركيبة السكانية للمرضى؛ وقد لا تعمم مجموعة بيانات تم جمعها في سياق واحد على سياقات أخرى. كما أن تكلفة توليد وتنظيم مجموعات بيانات ضخمة وعالية الجودة قد تفوق تكلفة تدريب النماذج، مما يثير تساؤلات حول القدرة على التوسع بالنسبة للشركات الأصغر.

كما تلعب الجهات التنظيمية دورًا مهمًا. فالذكاء الاصطناعي التنبؤي الذي يدعي محاكاة البيولوجيا البشرية يجب أن يتم التحقق من صحته في النهاية مقابل النتائج السريرية، مما يضيف طبقة من التدقيق. وإذا اعتمدت الصناعة بشكل مفرط على التنبؤات الحاسوبية (in-silico) دون اختبارات كافية في العالم الحقيقي، فقد تواجه انتكاسات عندما تفشل المرشحات الواعدة في التجارب السريرية.

ما يجب مراقبته لاحقًا

ستكشف الأشهر القليلة القادمة ما إذا كان جهد GSK وRelation Therapeutics قادرًا على تقديم بيانات قابلة للاستخدام بالحجم الموعود. وتشمل المؤشرات الرئيسية ما يلي:

  • نشر مجموعات بيانات مرجعية يمكن للباحثين الآخرين الوصول إليها (حتى بموجب شروط مقيدة)
  • نماذج ذكاء اصطناعي في مراحلها المبكرة تتفوق بشكل ملموس على طرق الفحص التقليدية في مجموعة اختبار مستقلة
  • استثمارات لاحقة من كبار شركات الأدوية الأخرى، مما يشير إلى الثقة في إمكانية تكرار نهج البيانات

إذا أسفر التعاون عن تحسينات ملموسة في معدل النجاح أو زمن الدورة، فقد يؤدي ذلك إلى موجة من الصفقات المماثلة، مما يعيد تشكيل كيفية تخصيص شركات الأدوية لميزانيات البحث والتطوير. وعلى العكس من ذلك، إذا ثبت أن البيانات مشوشة للغاية أو مكلفة للغاية للدمج، فقد تعود الشركات إلى النهج الهجين الذي يمزج بين الذكاء الاصطناعي والفحص التقليدي عالي الإنتاجية.

الخلاصة

يشير رهان شركة GSK بقيمة 110 ملايين دولار على البيانات الخلوية عالية الدقة إلى تحول حاسم: ففي مجال اكتشاف الأدوية باستخدام الذكاء الاصطناعي، ستكون الميزة الأكثر حسماً بشكل متزايد هي جودة وحصرية الإشارات البيولوجية التي تُدرب النماذج، وليس مجرد حجم الخوارزميات نفسها.