لقد أثارت إمكانية استخدام الذكاء الاصطناعي في تطوير الأدوية واكتشافها جدلًا كبيرًا، بل وربما شكك فيها بعض العلماء والمستثمرين وعامة الناس.
يزعم بعض الباحثين والشركات أن “الذكاء الاصطناعي يتولى تطوير الأدوية”. على مدى السنوات القليلة الماضية. أدى الاهتمام باستخدام الذكاء الاصطناعي لتصميم الأدوية، وتحسين التجارب السريرية إلى زيادة في البحث والاستثمار.
تظهر المنصات التي تعتمد على الذكاء الاصطناعي مثل AlphaFold. التي فازت بجائزة نوبل لعام 2024 لقدرتها على التنبؤ ببنية البروتينات وتصميم بروتينات جديدة. إمكانات الذكاء الاصطناعي لتسريع تطوير الأدوية.
يحذر بعض قدامى المحاربين في الصناعة من أن الذكاء الاصطناعي في اكتشاف الأدوية “هراء”. كما يؤكدون أن “إمكانات الذكاء الاصطناعي لتسريع اكتشاف الأدوية تحتاج إلى فحص واقعي”. حيث لم تثبت الأدوية التي يولدها الذكاء الاصطناعي بعد قدرتها على معالجة معدل فشل 90% للأدوية الجديدة في التجارب السريرية.
وعلى عكس نجاح الذكاء الاصطناعي في تحليل الصور. فإن تأثيره على تطوير الأدوية لا يزال غير واضح.
لقد كنا نتابع استخدام الذكاء الاصطناعي في تطوير الأدوية في عملنا كعلماء صيدلانيين في كل من الأوساط الأكاديمية. وصناعة الأدوية وكمدير برنامج سابق في وكالة مشاريع الأبحاث الدفاعية المتقدمة، ونحن نؤكد أن الذكاء الاصطناعي في تطوير الأدوية لم يصبح عامل تغيير كبير حتى الآن، ولا هو هراء كامل.
إن الذكاء الاصطناعي ليس صندوقًا أسودًا يمكنه تحويل أي فكرة إلى ذهب. بل نراه أداة يمكنها، عند استخدامها بحكمة وكفاءة، أن تساعد في معالجة الأسباب الجذرية لفشل الأدوية وتبسيط العملية.
تهدف معظم الأعمال التي تستخدم الذكاء الاصطناعي في تطوير الأدوية إلى تقليل الوقت والمال اللازمين لطرح دواء واحد في السوق. كذلك يمكنه أن يوفر حاليًا من 10 إلى 15 عامًا و1 مليار دولار أمريكي إلى 2 مليار دولار. ولكن هل يمكن للذكاء الاصطناعي حقًا إحداث ثورة في تطوير الأدوية وتحسين معدلات النجاح؟
الذكاء الاصطناعي في تطوير الأدوية
لقد طبق الباحثون الذكاء الاصطناعي والتعلم الآلي في كل مرحلة من مراحل عملية تطوير الأدوية. كما يشمل ذلك تحديد الأهداف في الجسم، وفحص المرشحين المحتملين. وتصميم جزيئات الدواء، والتنبؤ بالسمية واختيار المرضى الذين قد يستجيبون بشكل أفضل للأدوية في التجارب السريرية، من بين أمور أخرى.
كذلك في الفترة ما بين 2010 و2022. اكتشفت 20 شركة ناشئة تركز على الذكاء الاصطناعي 158 دواء مرشحًا. تقدم 15 منها إلى التجارب السريرية.
كما تمكن بعض هؤلاء المرشحين من إكمال الاختبارات السريرية في المختبر. ودخول التجارب البشرية في غضون 30 شهرًا فقط، مقارنة بالفترة النموذجية من 3 إلى 6 سنوات. ويوضح هذا الإنجاز قدرة الذكاء الاصطناعي على تسريع تطوير الأدوية.
بينما قد تحدد منصات الذكاء الاصطناعي سرعة المركبات التي تعمل على الخلايا في طبق بتري أو في نماذج الحيوانات. فإن نجاح هذه المركبات المرشحة في التجارب السريرية. حيث تحدث غالبية حالات فشل الأدوية. لا يزال غير مؤكد إلى حد كبير.
على عكس المجالات الأخرى التي تحتوي على مجموعات بيانات كبيرة وعالية الجودة متاحة لتدريب نماذج الذكاء الاصطناعي. مثل تحليل الصور ومعالجة اللغة. فإن الذكاء الاصطناعي في تطوير الأدوية مقيد بمجموعات بيانات صغيرة ومنخفضة الجودة.
كذلك من الصعب إنشاء مجموعات بيانات متعلقة بالأدوية على الخلايا أو الحيوانات أو البشر لملايين إلى مليارات المركبات. في حين أن AlphaFold يمثل تقدمًا كبيرًا في التنبؤ بهياكل البروتين. فإن مدى دقته لتصميم الأدوية لا يزال غير مؤكد.
كما يمكن للتغييرات الطفيفة في بنية الدواء أن تؤثر بشكل كبير على نشاطه في الجسم وبالتالي مدى فعاليته في علاج المرض.
تحيز البقاء
مثل الذكاء الاصطناعي، أدت الابتكارات السابقة في تطوير الأدوية مثل تصميم الأدوية بمساعدة الكمبيوتر. ومشروع الجينوم البشري والفحص عالي الإنتاجية. إلى تحسين الخطوات الفردية للعملية في السنوات الأربعين الماضية. ومع ذلك لم تتحسن معدلات فشل الأدوية.
كما أن أغلب الباحثين في مجال الذكاء الاصطناعي قادرون على التعامل مع مهام محددة في عملية تطوير الأدوية. عندما يتم تزويدهم ببيانات عالية الجودة وأسئلة معينة للإجابة عليها.
ولكنهم غالبا ما يكونون غير ملمين بالنطاق الكامل لتطوير الأدوية. ما يقلل التحديات إلى مشكلات التعرف على الأنماط وتحسين الخطوات الفردية للعملية.
وفي الوقت نفسه، يفتقر العديد من العلماء ذوي الخبرة في تطوير الأدوية إلى التدريب في مجال الذكاء الاصطناعي والتعلم الآلي. كما يمكن أن تعيق حواجز الاتصال هذه العلماء من تجاوز آليات عمليات التطوير الحالية، وتحديد الأسباب الجذرية لفشل الأدوية.
كذلك ربما تكون الأساليب الحالية لتطوير الأدوية. بما في ذلك تلك التي تستخدم الذكاء الاصطناعي. قد وقعت في فخ تحيز البقاء. كما ركزت بشكل مفرط على جوانب أقل أهمية من العملية مع تجاهل المشكلات الرئيسية التي تساهم بشكل أكبر في الفشل.
يشبه هذا الأمر إصلاح الضرر الذي لحق بأجنحة الطائرات العائدة من ساحات القتال في الحرب العالمية الثانية. مع إهمال نقاط الضعف القاتلة في محركات. أو قمرة القيادة للطائرات التي لم تعد أبدًا. كذلك غالبًا ما يركز الباحثون بشكل مفرط على كيفية تحسين خصائص الدواء الفردية بدلًا من الأسباب الجذرية للفشل.
إن عملية تطوير الأدوية الحالية تعمل مثل خط التجميع. وتعتمد على نهج مربع الاختيار مع اختبارات مكثفة في كل خطوة من خطوات العملية.
وفي حين قد يكون الذكاء الاصطناعي قادرًا على تقليل الوقت والتكلفة للمراحل السريرية وقبل السريرية القائمة على المختبر من خط التجميع هذا. فمن غير المرجح أن يعزز معدلات النجاح في المراحل السريرية الأكثر تكلفة والتي تنطوي على اختبار على البشر.
كما أن معدل فشل الأدوية المستمر بنسبة 90% في التجارب السريرية، على الرغم من 40 عامًا من تحسينات العملية، يؤكد هذا التحدي.
معالجة الأسباب الجذرية
كما لا ترجع حالات فشل الأدوية في التجارب السريرية فقط إلى كيفية تصميم هذه الدراسات. إن اختيار المرشحين الخطأ للأدوية لاختبارها في التجارب السريرية هو أيضًا عامل رئيسي. يمكن أن تساعد الاستراتيجيات الجديدة الموجهة بالذكاء الاصطناعي في معالجة كلا التحديين.
كذلك حاليًا، هناك ثلاثة عوامل مترابطة تدفع معظم حالات فشل الأدوية: الجرعة والسلامة والفعالية. تفشل بعض الأدوية لأنها سامة للغاية أو غير آمنة. كما تفشل أدوية أخرى لأنها تعتبر غير فعالة، غالبًا لأن الجرعة لا يمكن زيادتها أكثر من ذلك دون التسبب في ضرر.
نحن وزملاؤنا نقترح نظام تعلم آلي للمساعدة في اختيار مرشحي الأدوية. من خلال التنبؤ بالجرعة والسلامة والفعالية على أساس خمس سمات للأدوية تم تجاهلها سابقًا.
على وجه التحديد، يمكن للباحثين استخدام نماذج الذكاء الاصطناعي لتحديد مدى ارتباط الدواء بشكل خاص وفعال بالأهداف المعروفة وغير المعروفة. ومستوى هذه الأهداف في الجسم. ومدى تركيز الدواء في الأنسجة السليمة والمريضة، والخصائص البنيوية للدواء.
كما يمكن اختبار هذه السمات للأدوية التي يولدها الذكاء الاصطناعي في ما نسميه تجارب المرحلة 0+. باستخدام جرعات منخفضة للغاية في المرضى الذين يعانون من أمراض شديدة وخفيفة. يمكن أن يساعد هذا الباحثين في تحديد الأدوية المثلى مع تقليل تكاليف نهج “الاختبار والمراقبة” الحالي للتجارب السريرية.
في نهاية المطاف، وفي حين أن الذكاء الاصطناعي وحده قد لا يحدث ثورة في تطوير الأدوية. إلا أنه يمكن أن يساعد في معالجة الأسباب الجذرية لفشل الأدوية وتبسيط العملية الطويلة للموافقة.
بقلم/ Duxin Sun وChristian Macedonia
المقال الأصلي (هنــــــــــــا).
