نماذج الذكاء الاصطناعي تولد الآن فرضيات بحثية معتمدة

من روبوت الدردشة إلى الباحث المشارك

دور artificial intelligence في البحث الطبي الحيوي خضع لتحول سريع وما يزال يتسارع. حيث تم في البداية نشر أدوات AI للبحث في الأدبيات وتحليل البيانات والكفاءة الإدارية، انتقلت الحدود بشكل درامي: نماذج AI الآن تولد فرضيات علمية جديدة يقوم الباحثون بالتحقق النشط منها في بيئات المختبر — وبعض هذه الفرضيات تصمد أمام الاختبار التجريبي الصارم.

منظور علامي نُشر في Nature Medicine يوثق ظهور ما يطلق عليه المؤلفون "AI co-scientists" — أنظمة لا تقتصر على مساعدة المهام البحثية المحددة مسبقاً بل تشارك في مراحل تشكيل البحث العلمي، مقترحة فرضيات mechanistic حول البيولوجيا المرضية التي يقوم الباحثون البشريون بعد ذلك بالتحقق منها.

ما يقوم به AI Co-Scientists فعلياً

الأنظمة الموضحة في تحليل Nature Medicine تعمل من خلال دمج أجسام ضخمة من الأدب الطبي الحيوي، قواعد البيانات التجريبية، تنبؤات بنية الprotein، ومعلومات المسارات الجزيئية لتحديد الروابط غير الواضحة — العلاقات بين الآليات البيولوجية والمتغيرات الوراثية والظواهر المرضية التي تم توثيقها بشكل فردي لكن لم يتم ربطها بشكل توليفي في البحث القائم.

من هذه التكاملات، تولد أنظمة AI فرضيات mechanistic: مطالبات محددة وقابلة للاختبار حول السببية البيولوجية. قد تقترح الفرضية أن دواءً معروفاً له آلية عمل غير معترف بها ذات صلة بمرض مختلف، أو أن تفاعل protein معين يوسط أثراً جانبياً غير مفهوم جيداً، أو أن متغيراً وراثياً مرتبطاً بحالة واحدة له دور سببي ذو صلة في حالة أخرى من خلال مسار مشترك.

التحقق في الأورجانويد والنماذج الحيوانية

التقدم الحرج الموثق في منظور Nature Medicine هو التحقق المنهجي من الفرضيات التي ولدتها AI من خلال علم الأحياء التجريبي. تستخدم فريق البحث organoid cultures — هياكل شبيهة بالأعضاء المصغرة التي تنمو من الخلايا الجذعية البشرية — للتحقق من الفرضيات التي ولدتها AI في أنظمة نمذجة ذات صلة بالبشر.

تحتل الأورجانويد مكانة مهمة في هرمية التحقق: فهي أكثر صلة فسيولوجية من cultures الخلايا البسيطة لكنها أكثر قابلية للتوسع بكثير من الدراسات الحيوانية، مما يجعلها مناسبة تماماً للتحقق من أحجام كبيرة من الفرضيات التي يمكن لأنظمة AI أن تولدها. عندما تصمد فرضية ولدتها AI أمام اختبار الأورجانويد، تتقدم إلى نماذج حيوانية وفي نهاية المطاف، في بعض الحالات، إلى التحقيق السريري المبكر.

التحقق السريري المبكر

الادعاء الأكثر إثارة في منظور Nature Medicine هو أن الفرضيات التي ولدتها AI تصل الآن إلى التجارب السريرية المبكرة. يتطلب خط الأنابيب من فرضية AI إلى التحقيق السريري حكماً علمياً بشرياً كبيراً في كل مرحلة، لكن مساهمة AI أصبحت الآن جوهرية بما يكفي ليتم الاعتراف بها في سير العمل العلمي بدلاً من التعامل معها كأداة صندوق أسود.

الآثار المترتبة على اكتشاف العقاقير

تمثل صناعة pharmaceutical واحدة من أكثر المتبنين للنهج AI co-scientist جرأة، مدفوعة بعدم الكفاءة المعروف لخط أنابيب drug discovery التقليدي. يتجاوز متوسط تكلفة جلب دواء جديد إلى السوق $2 billion، والأغلبية العظمى من هذه التكلفة تُعزى إلى فشل المراحل المتأخرة التي يمكن نظرياً منعها من خلال تحسين التحقق من الفرضيات preclinical.

أنظمة AI التي تولد فرضيات mechanistic عالية الجودة — تلك المستندة إلى تكامل أغنى للمعرفة البيولوجية — يجب أن تنتج مرشحي drugs بآليات عمل أفضل فهماً وملفات سلامة أكثر قابلية للتنبؤ. يمتلك عملياً كل شركة pharmaceutical رئيسية برامج AI co-scientist في التطوير النشط، والنتائج المبكرة واعدة بما يكفي لكي ينتشر النموذج بسرعة.

هذه المقالة مستندة على التقارير من Nature Medicine. اقرأ المقالة الأصلية.