تشتهر عمليات البحث والتطوير التقليدية في مجال الأدوية بجداولها الزمنية التي تمتد لعقد من الزمن وتكاليفها الباهظة، ولكن هناك تحولاً جذرياً يجري الآن في الشرق. فمن خلال دمج الذكاء الاصطناعي التوليدي مع الأبحاث المختبرية المؤتمتة، يعمل مبتكرو التكنولوجيا الحيوية على تقليص الوقت اللازم لتحديد الأدوية المرشحة الواعدة من سنوات إلى مجرد أشهر.
Insilico Medicine تحطم الأرقام القياسية في البحث والتطوير المدعوم بالذكاء الاصطناعي
تقود شركة Insilico Medicine، وهي شركة تكنولوجيا حيوية مدرجة في هونج كونج، هذا التحول التكنولوجي، حيث تعيد تعريف سرعة تطوير الأدوية. ووفقاً للمدير التنفيذي أليكس زافورونكوف، فقد نجحت الشركة في استخدام الذكاء الاصطناعي لتقليل الجدول الزمني لإنتاج الأدوية المرشحة لتطوير الأدوية إلى حوالي عام واحد.
إن مكاسب الكفاءة ليست مجرد نظريات؛ بل تنعكس في المعايير الواقعية. فبينما تبلغ دورة التطوير النموذجية للشركة حوالي 13 شهراً، حقق أسرع برنامج لشركة Insilico Medicine ترشيح الأدوية المرشحة في تسعة أشهر فقط. وقد أصبح هذا القفزة ممكنة من خلال الجمع بين نماذج الذكاء الاصطناعي المتطورة والتحقق المختبري الصارم، مما يخلق حلقة تغذية راجعة تسرع الانتقال من الفرضية الرقمية إلى الجزيء المادي.
التآزر بين الذكاء الاصطناعي التوليدي والأبحاث المختبرية
يكمن جوهر هذا الاختراق في الجمع بين القوة الحوسبية والتجريب البيولوجي. وخلافاً للطرق التقليدية التي تعتمد على الفحص عالي الإنتاجية للمكتبات المادية الضخمة، يستخدم النهج المدعوم بالذكاء الاصطناعي نماذج توليدية لتصميم جزيئات جديدة ذات خصائص بيولوجية محددة.
من خلال التنبؤ بكيفية تفاعل الجزيئات مع البروتينات المستهدفة قبل تصنيعها في المختبر، يمكن للباحثين تجاوز آلاف التجارب الفاشلة. وعند دمج تنبؤات الذكاء الاصطناعي هذه مع سير العمل المختبري المؤتمت — والذي يشار إليه غالباً باسم الأنظمة "مغلقة الحلقة" (closed-loop) — تتحرك عملية التحقق من الأدوية المرشحة بسرعات غير مسبوقة. ويسمح هذا التآزر للعلماء بتركيز جهودهم اليدوية على أكثر المسارات الواعدة، مما يقلل بشكل كبير من مرحلة "التجربة والخطأ" التي تميز اكتشاف الأدوية الكلاسيكي.
التداعيات على مشهد الذكاء الاصطناعي والتكنولوجيا الحيوية العالمي
يعد النجاح الذي شهدته الصين بمثابة إثبات قوي للمفهوم لقطاع التكنولوجيا الحيوية العالمي. ومع زيادة براعة نماذج الذكاء الاصطناعي في التنقل عبر المساحة الكيميائية الشاسعة، بدأ "وادي الموت" في اكتشاف الأدوية — وهي الفترة التي تفشل فيها معظم الأدوية المرشحة بسبب السمية أو نقص الفعالية — في التقلص.
بالنسبة للمطورين والمؤسسين في مجال التكنولوجيا العميقة (deep tech)، يؤكد هذا التطور توجهاً حاسماً: وهي أن تطبيقات الذكاء الاصطناعي الأكثر قيمة تنتقل من توليد النصوص والصور إلى مجالات "الذكاء الاصطناعي المادي" (physical AI). إن القدرة على معالجة البيانات البيولوجية والتنبؤ بالنتائج المادية لها تداعيات اقتصادية هائلة، مما قد يقلل من حواجز الدخول لعلاج الأمراض النادرة ويخفض التكلفة الإجمالية للرعاية الصحية عالمياً.
النقاط الرئيسية
- تقليص هائل في الوقت: أثبتت Insilico Medicine أن الذكاء الاصطناعي يمكن أن يقلل الجداول الزمنية لترشيح الأدوية المرشحة إلى تسعة أشهر فقط.
- منهجية هجينة: يتم دفع هذا الاختراق من خلال الجمع بين تصميم الذكاء الاصطناعي التوليدي والتحقق المختبري المؤتمت، والابتعاد عن طرق التجربة والخطأ التقليدية.
- تحول في اقتصاديات البحث والتطوير: يمثل الانتقال من سنوات إلى أشهر في مرحلة الاكتشاف تحولاً جذرياً في كيفية إدارة شركات التكنولوجيا الحيوية لرأس المال وسرعة الأبحاث.
لماذا تهم السرعة
لطالما كان اكتشاف الأدوية بمثابة ماراثون. فتقضي الشركات سنوات في فحص ملايين المركبات، وغالباً ما تفشل قبل أن يصل جزيء واحد إلى الاختبار السريري. وتتصاعد تكلفة نقل الجزيء من المفهوم إلى السوق لتصل روتينياً إلى مليارات الدولارات، كما يظل معدل الاستنزاف — خاصة في مرحلة "الاكتشاف" المبكرة — مرتفعاً. وفي الصين، حيث يتوسع قطاع التكنولوجيا الحيوية بسرعة، يمكن لخط إنتاج أسرع أن يمنح الشركات المحلية ميزة تنافسية على اللاعبين العالميين الراسخين ويسرع طموح البلاد لتصبح رائدة في العلاجات المبتكرة.
كيف وصلت Insilico إلى علامة الـ 9 أشهر
تُرجع شركة Insilico Medicine، المدرجة في هونغ كونغ، هذا الجدول الزمني القياسي إلى مزيج من الذكاء الاصطناعي التوليدي وسير العمل المختبري المؤتمت. ويشير الذكاء الاصطناعي التوليدي إلى النماذج التي تبتكر هياكل جزيئية جديدة بدلاً من مجرد تقييم الهياكل الموجودة. ومن خلال تغذية الخوارزمية ببيانات حول الأهداف البروتينية والخصائص الدوائية المطلوبة، يقترح النظام مركبات مبتكرة يُتوقع أن ترتبط بفعالية.
يقول الرئيس التنفيذي للشركة، أليكس زافورونكوف، إن المنصة تنقل المشروع عادةً من مرحلة تحديد الهدف إلى ترشيح المرشحين في غضون 13 شهراً تقريباً. وفي أسرع دورة لها، أُغلقت الحلقة في تسعة أشهر. ويأتي هذا الاختصار من خلال تجاوز المكتبات الفيزيائية الضخمة التي يعتمد عليها الفحص التقليدي عالي الإنتاجية؛ وبدلاً من ذلك، يقوم الذكاء الاصطناعي بتصميم الجزيئات على الكمبيوتر، وتصفية المرشحين غير المرجحين، وإرسال الهياكل الأكثر واعدة فقط إلى المختبر.
حلقة التغذية الراجعة بين الذكاء الاصطناعي والمختبر
بمجرد تخليق الجزيء، تقوم أدوات مؤتمتة باختبار نشاطه وسميته وغيرها من المقاييس الرئيسية. وتُغذي هذه النتائج الذكاء الاصطناعي، مما يعمل على تحسين تنبؤاته للجولة التالية. ويعني نظام "الحلقة المغلقة" هذا أن العلماء البشر يقضون وقتاً أقل في التجربة والخطأ، ووقتاً أطول في تفسير البيانات التي قامت الخوارزمية بالفعل بتضييق نطاقها.
من خلال التنبؤ بكيفية سلوك المركب قبل تصنيعه، يمكن لهذا النهج تخطي آلاف التجارب المسدودة. كما تؤدي أتمتة المقايسات إلى ضغط مرحلة التحقق بشكل أكبر، مما يسمح للمرشح الواحد بالانتقال من الكمبيوتر إلى منصة المختبر ثم إلى مرحلة الترشيح في جزء بسيط من الوقت التقليدي.
من المستفيد ومن قد يتخلف عن الركب
وعلى العكس من ذلك، قد تجد الشركات التي تتشبث بطرق الفحص التقليدية نفسها متأخرة عن الركب.
تحذيرات والطريق أمامنا
إن الوعد بالاكتشاف المتسارع بواسطة الذكاء الاصطناعي لا يلغي الحاجة إلى التحقق الصارم. فالنماذج التنبؤية جيدة بقدر جودة البيانات التي تتدرب عليها، ويمكن أن تؤدي التحيزات في مجموعات التدريب إلى تفويت إشارات السلامة. علاوة على ذلك، ورغم أن رقم التسعة أشهر مثير للإعجاب، إلا أنه يمثل برنامجاً واحداً؛ وقد يكشف توسيع هذا النهج ليشمل أهدافاً متعددة عن عقبات لم تكن واضحة بعد.
ما الذي يجب مراقبته لاحقاً
تُظهر علامة التسعة أشهر الفارقة أن كيمياء اكتشاف الأدوية لم تعد مرتبطة حصرياً بمنصة المختبر. فعندما تتمكن الخوارزميات من رسم جزيء قابل للتطبيق وتستطيع الآلات اختباره في غضون أيام، يتقلص الجدول الزمني بأكمله. وسيعتمد ما إذا كان هذا التقلص سيصبح هو المعيار الجديد على مدى سرعة تكيف المنظومة — من شركات ومستثمرين ومنظمين ومرضى — مع عالم يكتب فيه "الذكاء الاصطناعي الفيزيائي" المسودة الأولى لأدوية الغد.