نماذج ومنصات الذكاء الاصطناعي
إنجاز طبي بالذكاء الاصطناعي: توظيف الذكاء الاصطناعي لاكتشاف أدوية جديدة
النقاط الرئيسيةيختصر الذكاء الاصطناعي فترات اكتشاف الأدوية من سنوات إلى أشهر، كما في حالة الأجسام…
عرض المزيد
- يختصر الذكاء الاصطناعي فترات اكتشاف الأدوية من سنوات إلى أشهر، كما في حالة الأجسام المضادة الجديدة تمامًا التي طورتها شركة أبسي في غضون 18-24 شهرًا.
- يصمم الذكاء الاصطناعي التوليدي الآن مرشحي أدوية مبتكرة من الصفر، كما يتجلى في دواء تارجت إكس من شركة إنسيليكو ميديسين الذي وصل إلى المرحلة الأولى من التجارب السريرية.
- يكشف التعرف على الأهداف بقيادة الذكاء الاصطناعي مسارات بيولوجية جديدة، مثل اكتشاف شركة فيرج جينوميكس لإنزيم PIKfyve لعلاج مرض التصلب الجانبي الضموري.
يعرف اكتشاف الدواء باسم “من المختبر إلى سرير المريض” بسبب طول مدته وتكلفته العالية. يستغرق حوالي 11 إلى 16 عامًا وبين $1 مليار إلى $2 مليار لجلب دواء إلى السوق. ولكن الآن يُحدث الذكاء الاصطناعي ثورة في تطوير الدواء، مما يوفر وتيرة أفضل وربحية.
لقد غير الذكاء الاصطناعي في تطوير الدواء نهجنا و استراتيجيتنا تجاه البحوث الطبية الحيوية والابتكار. ساعد الباحثين على تقليل تعقيدات مسار المرض وتحديد الأهداف البيولوجية.
دعونا ننظر بعمق أكبر إلى إمكانات الذكاء الاصطناعي في مستقبل اكتشاف الأدوية.
فهم دور الذكاء الاصطناعي: كيف يتم استخدامه لاكتشاف الدواء؟

حسّن الذكاء الاصطناعي مراحل مختلفة من عملية اكتشاف الأدوية بفضل قدرته على تحليل كميات ضخمة من البيانات ووضع تنبؤات معقدة. وإليك كيف:
1. تحديد الهدف
تحديد الهدف هو العملية الأولى لاكتشاف الدواء التي تتضمن تحديد الكيانات الجزيئية المحتملة مثل البروتينات والإنزيمات والمستقبلات الموجودة في الجسم التي يمكن أن ترتبط مع الأدوية لإنتاج آثار علاجية ضد الأمراض.
يمكن للذكاء الاصطناعي الاستفادة من قواعد البيانات السريرية الكبيرة التي تشمل معلومات رئيسية حول تحديد الهدف. يمكن أن تشمل هذه المصادر البيانات البيولوجية والمعلومات البيولوجية الجزيئية وبيانات التجارب السريرية وهيكل البروتين وغيرها.
النماذج المدربة للذكاء الاصطناعي جنبًا إلى جنب مع التقنيات البيولوجية مثل التعبير الجيني يمكنها فهم الأمراض البيولوجية المعقدة وتحديد الأهداف البيولوجية للمرشحين الدوائيين. على سبيل المثال، طور الباحثون تقنيات مختلفة للذكاء الاصطناعي لتحديد أهداف مضادة للسرطان جديدة.
2. اختيار الهدف
يمكن للذكاء الاصطناعي في اكتشاف الدواء مساعدة الباحثين على اختيار أهداف واعدة بناءً على علاقات المرض وفائدتها العلاجية المتوقعة. مع تمييز الأنماط القوي، يمكن للذكاء الاصطناعي اختيار هذا الاختيار بناءً ليس فقط على الأبحاث الطبية المنشورة ولكن أيضًا اختيار أهداف جديدة تمامًا بدون أي إشارة سابقة في البراءات المنشورة.
3. ترتيب الأولوية للدواء
في هذه المرحلة، يقيم الذكاء الاصطناعي المركبات الدوائية الرائدة ويرتبها للفحص والبحث لتقدم تطويرها. بالمقارنة مع تقنيات التصنيف السابقة، فإن النهج القائم على الذكاء الاصطناعي أكثر فعالية في تحديد المرشحين الأكثر وعدًا. على سبيل المثال، طور الباحثون إطارًا حاسوبيًا قائمًا على التعلم العميق لتحديد وتحديد الأولوية للأدوية الجديدة لمرض الزهايمر.
4. فحص المركبات
يمكن للنماذج الذكية للذكاء الاصطناعي توقع الخواص الكيميائية والنشاط البيولوجي للمركبات وتوفر رؤى حول الآثار الجانبية. يمكنها تحليل البيانات من مصادر مختلفة، بما في ذلك الدراسات السابقة وقواعد البيانات، لتحديد أي مخاطر أو آثار جانبية محتملة المرتبطة بمركب معين. على سبيل المثال، طور الباحثون أداة تعلم عميق لفحص المكتبات الكيميائية مع مليارات الجزيئات لتسريع استكشاف المركبات على نطاق واسع.
5. تصميم الأدوية من الصفر
لقد كان الفحص اليدوي للمجموعات الكبيرة من المركبات ممارسة تقليدية في اكتشاف الدواء. مع الذكاء الاصطناعي، يمكن للباحثين فحص مركبات جديدة مع أو بدون معلومات سابقة وتوقع الهيكل النهائي ثلاثي الأبعاد للأدوية المكتشفة. على سبيل المثال، AlphaFold، الذي طوّره DeepMind، هو نظام ذكاء اصطناعي يمكنه توقع هياكل البروتين. يحتوي على قاعدة بيانات تضم أكثر من 200 مليون توقع لهياكل البروتين التي يمكن أن تسريع عملية تصميم الدواء.
5 أمثلة ناجحة لاكتشاف دواء مدفوع بالذكاء الاصطناعي

1) Abaucin
تقتل المضادات الحيوية البكتيريا. ولكن بسبب نقص الأدوية الجديدة وتطور مقاومة البكتيريا السريعة ضد الأدوية القديمة، أصبحت البكتيريا صعبة العلاج. Abaucin، وهو دواء تجريبي قوي تم تطويره بواسطة الذكاء الاصطناعي، مصمم لقتل بكتيريا Acinetobacter baumannii، واحدة من أخطر البكتيريا شديدة المقاومة للمضادات الحيوية.
استخدم الباحثون الذكاء الاصطناعي لاختبار آلاف الأدوية لمعرفة مدى فعاليتها ضد البكتيريا، Acinetobacter baumannii. ثم استخدمت هذه المعلومات لتدريب الذكاء الاصطناعي على تطوير دواء يمكنه علاجها بفعالية.
2) Target X بواسطة Insilico Medicine
استخدمت Insilico Medicine منصتها القائمة على الذكاء الاصطناعي التوليدي وطوروا دواءً يسمى Target X، والذي يخضع حاليًا لمرحلة التجارب السريرية الأولى. يُصمم Target X لعلاج مرض التليف الرئوي مجهول السبب، وهو مرض يمكن أن يسبب تصلب الرئة لدى الأفراد المسنين إذا تم إهماله.
ستشمل المرحلة الأولى 80 مشاركًا، وسيحصل نصفهم على جرعات أعلى تدريجيًا. هذا سيساعد في تقييم كيفية تفاعل جزيء الدواء مع الجسم.
3) VRG50635 بواسطة Verge Genomic
استخدمت Verge Genomics، شركة اكتشاف دواء مدفوعة بالذكاء الاصطناعي، منصتها CONVERGE لاكتشاف مركب جديد، VRG-50635، لعلاج مرض ALS من خلال تحليل بيانات بشرية. تشمل هذه النقاط البيانات معلومات حول أنسجة الدماغ والنخاع الشوكي للمرضى الذين يعانون من أمراض عصبية مثل مرض باركنسون وALS ومرض الزهايمر.
وجدت المنصة في البداية إنزيم PIKfyve كهدف محتمل لمرض ALS، ثم اقترحت VRG50635 كمانع واعد ل PIKfyve، الذي أصبح مرشحًا دوائيًا محتملًا لعلاج ALS. استغرق هذا العملية حوالي أربع سنوات، والآن يخضع المرشح لمرحلة التجارب السريرية الأولى.
4) Exscientia-A2a Receptor
Exscientia، شركة تكنولوجيا طبية مدفوعة بالذكاء الاصطناعي، مسؤولة عن أول جزيء مصمم بواسطة الذكاء الاصطناعي للعلاج المناعي للأورام – وهو شكل من أشكال علاج السرطان الذي يستخدم جهاز المناعة في الجسم لمكافحة خلايا السرطان. دخل دواءهم التجريبي مرحلة التجارب السريرية على البشر.
تتمثل إمكانية هذا الدواء في قدرته على استهداف مستقبل A2a لتعزيز النشاط المضاد للورم مع تقليل الآثار الجانبية على الجسم والدماغ.
استخدموا الذكاء الاصطناعي التوليدي لإنشاء مركبات أخرى لاستهداف أمراض مختلفة مثل
- سرطانات مدمنة للنسخ عن طريق استهداف مثبطات CDK7
- أمراض التهابية عن طريق استهداف إنزيم PKC-theta
- أمراض الدم والسرطان عن طريق استهداف منظم LSD1
5) Absci: أجسام مضادة مصممة من الصفر باستخدام الذكاء الاصطناعي التوليدي دون أمثلة خاصة بالمهمة
أثبتت Absci، شركة لاكتشاف الأدوية باستخدام الذكاء الاصطناعي التوليدي، استخدامها للذكاء الاصطناعي التوليدي دون أمثلة خاصة بالمهمة (Zero-shot) لإنشاء أجسام مضادة جديدة من خلال محاكاة الكمبيوتر. يعني التعلم دون أمثلة خاصة بالمهمة أن النموذج لم يتلقَّ أمثلة تدريبية خاصة بالمهمة المستهدفة. وتوضيحًا لعبارة المصدر الإنجليزي التي تخلط بين الاختبار والتدريب، تصف Absci منهجها بأنه تصميم أجسام مضادة لأهداف محددة دون التدريب على أجسام مضادة معروفة الارتباط بتلك الأهداف. وبالتالي، يمكن لهذا العملية أن يأتي بنماذج أجسام مضادة جديدة بذاته.
الأجسام المضادة العلاجية الجديدة مدفوعة بالذكاء الاصطناعي تقطع وقت تطوير مركبات دوائية أولية جديدة من مدة قد تصل إلى ست سنوات إلى 18–24 شهرًا، مما يزيد من احتمال نجاحها في العيادة. يمكن لتكنولوجيا الشركة اختبار وتحقق من صحة 3 ملايين تصميم مولد بواسطة الذكاء الاصطناعي كل أسبوع. يمكن لهذا التطور الجديد أن يوفر علاجات جديدة على الفور لكل مريض، مما يشير إلى تغييرًا كبيرًا في الصناعة.
ما الذي يخبئه مستقبل الذكاء الاصطناعي واكتشاف الدواء؟
بجانب العديد من التطبيقات الصحية الأخرى، يجعل الذكاء الاصطناعي عملية اكتشاف الدواء أسرع وأكثر ذكاءً من خلال تحليل مجموعات بيانات كبيرة وتوقع أهداف دوائية ومرشحين واعدين. باستخدام الذكاء الاصطناعي التوليدي، يمكن للشركات البيوتكنولوجية تحديد علامات استجابة المريض وتطوير خطط علاجية مخصصة بسرعة.
تشير التقارير إلى أن شركات MedTech سوف تدمج المزيد من الذكاء الاصطناعي والتعلم الآلي في مرحلة اكتشاف الدواء المبكرة، مما سيساعد في إنشاء سوق تبلغ قيمتها 50 مليار دولار خلال العشر سنوات القادمة، مما يخلق إمكانية نمو كبيرة للذكاء الاصطناعي في الصناعة الدوائية. من المحتمل أن يقلل الذكاء الاصطناعي من تكاليف اكتشاف الدواء بشكل عام، مما يجعل المزيد من الأدوية الجديدة متاحة للمرضى بشكل أسرع.
إذا كنت تريد معرفة المزيد عن الذكاء الاصطناعي وكيف سيشكل مستقبلنا، زُر unite.ai.












