تحديات تطوير الأدوية
يعد تطوير أي دواء جديد مهمة صعبة ومكلفة للغاية، وغالباً ما تفشل. يستغرق الأمر سنوات عديدة والكثير من المال لإنتاج دواء واحد. حتى بعد كل هذا الجهد، لا يصل معظم الأدوية المرشحة للمرضى. تصبح هذه العملية أكثر تعقيداً عندما نتحدث عن الأدوية البيولوجية، وهي علاجات مصنوعة من البروتينات المهندسة، وتستخدم لعلاج الكثير من الأمراض المزمنة والحادة.
يبحث العلماء في عدد هائل من الجزيئات المحتملة لإيجاد تلك التي يمكنها الارتباط بالهدف الصحيح في الجسم، وتبقى مستقرة، ويمكن تصنيعها بكميات كبيرة. هنا يأتي دور الذكاء الاصطناعي الذي يسرع هذه الخطوات بشكل كبير، وأصبح جزءاً أساسياً من عمل شركات الأدوية.
تسريع عملية الاكتشاف والتطوير
يستخدم الذكاء الاصطناعي بشكل متزايد في تصميم الأدوية البيولوجية. شركات مثل أسترازينيكا تستثمر في فرق هندسية لدفع هذا التقدم. تقول بوجا سابرا، نائبة الرئيس الأول ورئيسة هندسة البيولوجيا والبحث والتطوير في أسترازينيكا، إن كل ما يفعلونه الآن، من التصميم إلى الاختبار والتحليل، يتم تحسينه بالذكاء الاصطناعي. هذا يقلل من الوقت اللازم للدورات ويزيد من الإنتاجية والابتكار.
تتبع أسترازينيكا طريقة تعتمد على ثلاث خطوات: البناء، القياس، والتعلم. يقوم الذكاء الاصطناعي بتوليد أو تحديد الجزيئات المرشحة، ويتوقع أي التصميمات ستكون الأكثر نجاحاً. بعد ذلك، يركز العلماء جهودهم المخبرية على أفضل المرشحين فقط. هذا يخلق دورة عمل أسرع ويقلل من الطرق المسدودة، مما يسمح بالوصول إلى أهداف مرضية كان يُعتقد سابقاً أنه لا يمكن علاجها. نظراً لأن عدد التركيبات الجزيئية المحتملة كبير جداً، فإن استخدام الذكاء الاصطناعي لتضييق الخيارات أصبح محوراً رئيسياً في تصميم الأدوية البيولوجية.
حلول لمشاكل تصميم الأدوية المعقدة
إلى جانب تسريع الجداول الزمنية، يُستخدم الذكاء الاصطناعي أيضاً في اكتشاف أنواع جديدة تماماً من الأدوية. الأدوية البيولوجية التقليدية عادةً ما تستهدف مساراً مرضياً واحداً. الجيل القادم من الأدوية يمكنه استهداف أهداف متعددة في نفس الوقت أو توصيل العلاج بدقة إلى خلايا معينة. يتطلب تحقيق ذلك تحسين العديد من المتغيرات في وقت واحد.
تشير بوجا سابرا إلى أن النماذج التي تعتمد على الذكاء الاصطناعي يمكن أن تساعد في تصميم هذه الأدوية البيولوجية المتزايدة التعقيد والمتعددة الأهداف. على سبيل المثال، يمكن لهذه النماذج تحديد أي هدفين أو ثلاثة يجب التركيز عليها بناءً على البيولوجيا الأساسية، ثم تحسين العديد من المعايير لتحقيق التوازن بين قوة الجزيء واستقراره وقابليته للتصنيع وسلامته. وتضيف سابرا أن علاج الأمراض التي كانت تعتبر مستعصية أصبح حقيقة، وأن هذه التقنيات ستمكننا من تطوير أدوية ضد أهداف كان يُعتقد في السابق أنه لا يمكن الوصول إليها، مما يعود بفوائد كبيرة على المرضى.
أهمية البيانات في الذكاء الاصطناعي
تشير تقديرات ماكنزي إلى أن الذكاء الاصطناعي التوليدي، مع أدوات حاسوبية أخرى، يمكن أن يقلل من جداول اكتشاف الأدوية بنسبة تصل إلى 50%. لكن أي نموذج للذكاء الاصطناعي يكون جيداً بقدر جودة البيانات التي تدرب عليها. في مجال اكتشاف الأدوية، هذا يعني كميات وفيرة من البيانات البيولوجية عالية الجودة. التجارب توفر مصدراً غنياً لهذه البيانات، فكل تجربة، سواء نجحت أو فشلت، تولد إشارة حول ما ينجح وما لا ينجح.
تعتبر سابرا أن البيانات هي ما يميز شركتهم. تشرح أن مجموعات بياناتهم خاصة ومتعددة الأنماط، وتشمل هياكل جزيئية وقياسات الارتباط وخصائص السلامة ونتائج التصنيع. لقد قاموا ببناء مجموعة متنوعة من الأبحاث عبر مجالات أمراض وأنواع أدوية متعددة. كل هذه البيانات تمكنهم من ضبط نماذج الذكاء الاصطناعي الرائدة باستخدام مجموعات تدريب أغنى وأكثر تمثيلاً. وتضيف أنهم استثمروا في تقنيات فحص عميقة لتوليد مجموعات بيانات إضافية بكميات كبيرة لتحسين نماذجهم والتحقق منها باستمرار.
