قادة الفكر

التوسع نحو أسواق جديدة للرعاية الصحية: الأثر المتنامي للذكاء الاصطناعي الطبي

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

غالبًا ما يرتبط الذكاء الاصطناعي في الطب بالكشف عن الشذوذ في الصور الطبية، وتحليل نتائج الفحوصات، ومساعدة الأطباء على تشخيص الأمراض. لكنني في الآونة الأخيرة صرت ألاحظ تطورات متزايدة تتجاوز هذه الاستخدامات بكثير، وتتحدى تصوراتنا عما يمكن أن تحققه التكنولوجيا الطبية. وبعضها طموح إلى حد قد يمتد معه أثره المحتمل إلى ما هو أبعد من الرعاية الصحية، فيؤثر في مجالات مختلفة تمامًا من حياتنا ويفضي إلى ظهور تقنيات ونماذج أعمال وأسواق جديدة لم توجد بعد.

لماذا أصبحت الأمراض النادرة وجهة جذابة للشركات الطبية الناشئة؟

من أكثر المجالات التي أتابعها باهتمام في الآونة الأخيرة اكتشاف الأدوية، أي البحث عن مركبات دوائية جديدة وتطويرها باستخدام الأساليب الحاسوبية والذكاء الاصطناعي. وقد أدّى عمل DeepMind على AlphaFold دورًا رئيسيًا في دفع هذا المجال إلى الأمام. وتضم قاعدة بياناته أكثر من 200 مليون بنية بروتينية متوقعة، ما أتاح للباحثين كمًا وافرًا من المعلومات لاستكشاف التفاعلات الجزيئية المحتملة، وفتح أيضًا فرصًا جديدة أمام الشركات الناشئة التي تستهدف حالات طبية محددة.

لنفترض أن شخصًا ما يريد تأسيس شركة ناشئة لتطوير علاج لمرض نادر نسبيًا، لا يصيب سوى نسبة صغيرة من النساء ضمن فئة عمرية معينة. والسؤال الأول هو: لماذا يستهدف سوقًا محدودًا كهذا، في حين يمكنه العمل على حالة أكثر شيوعًا بكثير؟ لكن حتى بعد حصر سكان العالم في هذه الفئة المحددة، قد يظل هناك آلاف المرضى المحتملين. وإذا كان العلاج يتطلب من المرضى تناول دواء يوميًا على مدى عشر سنوات أو بقية حياتهم، فقد تمثل هذه الشريحة الصغيرة نسبيًا من المرضى سوقًا كبيرة.

ليس من الضروري أن تضم قاعدة عملاء شركة أدوية مجدية تجاريًا عشرات الملايين. وبالطبع، تفصل فجوة هائلة بين تقدير حجم سوق محتملة وتحقيق إيرادات فعلية، إذ تشمل التكاليف الأبحاث والتجارب السريرية والتصنيع والحصول على الموافقات التنظيمية. ومع ذلك، تستطيع شركة ناشئة التركيز على مرض واحد لا يحظى بخدمات كافية، وبناء برنامج بحثي كامل حوله.

على سبيل المثال، شركة Recursion Pharmaceuticals هي شركة أمريكية في مجال التكنولوجيا الحيوية تطوّر علاجات مدعومة بالذكاء الاصطناعي لأمراض لا تزال احتياجاتها الطبية غير ملباة إلى حد كبير. ومن بين أدويتها قيد البحث، REC-4881، الذي يستهدف داء السلائل الغدي العائلي، وهو مرض وراثي نادر يُقدّر عدد المصابين به بنحو 50,000 شخص في الولايات المتحدة وخمس دول أوروبية كبرى. وأعلنت الشركة عن نتائج مشجعة من تجربة المرحلة 1b/2، شملت انخفاضًا في نمو الأنسجة غير الطبيعية لدى المرضى.

المختبرات الافتراضية نموذج جديد للأعمال

يمثل العثور على جزيء يستهدف بروتينًا مرتبطًا بمرض معين تحديًا حقيقيًا. ويتطلب ذلك فحص أعداد هائلة من المركبات الكيميائية لتحديد ما يمكنه الارتباط بالبروتين المستهدف أو تغيير نشاطه أو التأثير في العمليات البيولوجية المرتبطة به. ولا يقتصر الأمر على التركيب الكيميائي؛ فالبنية ثلاثية الأبعاد لكل جزيء تؤدي دورًا حاسمًا في تحديد كيفية حدوث هذه التفاعلات.

يكاد يكون من المستحيل عمليًا اختبار كل مجموعة ممكنة في مختبر فعلي. وحتى مع توافر موارد مالية كبيرة، سيستغرق إجراء هذا العدد الهائل من التجارب وقتًا أطول بكثير مما ينبغي. لذلك ينتقل جزء من عملية البحث إلى بيئات افتراضية، حيث تستطيع النماذج والمحاكاة الحاسوبية التنبؤ بالتفاعلات الجزيئية وتحديد المركبات الواعدة التي تستحق المزيد من الاختبارات. ويقلل هذا النهج عدد التجارب اللازمة في المختبر، إلا أن التنبؤات تظل بحاجة إلى التحقق منها بالاختبارات العملية.

ينشأ حول هذه التقنيات نظام متكامل من الشركات الناشئة التي تتبنى نماذج أعمال متنوعة. فبعضها يبني بنية تحتية لمحاكاة الجزيئات ويتيحها لشركات الأدوية وفرق البحث، بينما يستخدم بعضها الآخر الأدوات المتاحة لتطوير مرشحات دوائية خاصة به. وهذا مثال لافت على قدرة تطور تقني واحد على خلق فرص أعمال في مستويات متعددة من السوق. ويمكن لشركة أن تبني نشاطًا تجاريًا ناجحًا من دون أن تطرح دواءً خاصًا بها في السوق قط، شريطة أن تثبت تقنيتها قيمتها للمطورين الآخرين.

ومن الأمثلة البارزة Isomorphic Labs، التي تطوّر تقنيات الذكاء الاصطناعي لاكتشاف الأدوية وتصميم الجزيئات. وأقامت الشركة شراكات بحثية مع Novartis وEli Lilly، وفي عام 2025، وسّعت تعاونها مع Novartis ليشمل برامج إضافية لاكتشاف الأدوية. ويوضح ذلك كيف يمكن للتقنية المستخدمة في اكتشاف الجزيئات وتصميمها أن تشكل بحد ذاتها أساسًا لنشاط تجاري يتعاون مع كبرى شركات الأدوية.

حبّة دواء مخصصة في عشرين دقيقة

تذهب بعض الشركات الناشئة إلى أبعد من ذلك في استكشاف فكرة اكتشاف الأدوية. وقد التقيت مؤخرًا فريقًا يعمل على تقنيات مرتبطة بسرطان الجلد. ويهتم الفريق بتحديد الاستعدادات الوراثية للإصابة بالمرض، واستكشاف سبل علاجه على مستوى الحمض النووي. وبدلًا من تطوير دواء لمجموعة واسعة من المرضى، يبحث الفريق في إمكانية تصميم علاجات تلائم الملف الجيني لكل فرد.

وصف المؤسسون رؤية طموحة للغاية للمستقبل. تخيّل أن تدخل عيادة، وتقدّم عينة من اللعاب، ثم يحلّل جهاز حمضك النووي لإعداد دواء مصمّم خصيصًا لك. وتصوروا أن العملية برمتها قد تستغرق يومًا ما نحو عشرين دقيقة، وألا تتجاوز كلفتها 100 دولار. وبالطبع، لا يزال هذا طموحًا تكنولوجيًا لا خدمة طبية متاحة، ويتطلب تحقيقه التغلب على تحديات علمية وتصنيعية وتنظيمية هائلة.

ومع ذلك، تكشف حوارات كهذه عن مدى تغير طموحات رواد الأعمال في المجال الطبي. فبدلًا من الاكتفاء بتحسين إجراءات التشخيص القائمة، يتساءلون عما إذا كان بالإمكان إعادة تصميم عملية تطوير العلاجات نفسها من أساسها. ويثير إعجابي كيف تدفع التطورات في التكنولوجيا الحاسوبية المؤسسين إلى إعادة النظر في عمليات لم تتغير إلى حد كبير منذ عقود.

لماذا تسعى الشركات الناشئة في مجال الروبوتات الجراحية غالبًا إلى الاستحواذ عليها

تتيح التقنيات الحاسوبية للفرق الصغيرة استكشاف أعداد هائلة من الاحتمالات في اكتشاف الأدوية، لكن الروبوتات الجراحية تتطلب مستوى مختلفًا تمامًا من الموارد. فبناء نظام قادر على إجراء عمليات جراحية يستلزم خبرة متقدمة في الهندسة الميكانيكية، وتحكمًا دقيقًا في الحركة، واختبارات مكثفة، وإمكانية الوصول إلى البيئات السريرية. وقد يستغرق تطوير ذراع جراحية روبوتية موثوقة من عشر إلى خمس عشرة سنة، فيما قد تبلغ كلفة تركيب واحد منها ملايين الدولارات. كما أن قاعدة العملاء المحتملين محدودة، ويتعين على المصنّعين توفير الصيانة والدعم الفني لسنوات. وهذا يجعل الروبوتات الجراحية نشاطًا بالغ التعقيد وكثيف المتطلبات الرأسمالية بالنسبة إلى شركة ناشئة صغيرة.

ولهذا تبني بعض الفرق استراتيجياتها على احتمال استحواذ شركة كبرى للتكنولوجيا الطبية عليها في نهاية المطاف. ويتمثل هدفها في تطوير مفهوم تكنولوجي مقنع وإثبات إمكاناته. فقد تطور شركة ناشئة، على سبيل المثال، نموذجًا أوليًا لذراع روبوتية قادرة على إجراء عمليات معينة على مجسم طبي، رغم أنها لا تزال بعيدة عن أن تصبح جاهزة للعمل على مريض حقيقي. وفي الوقت نفسه، ينخرط الفريق بنشاط مع المستثمرين، ويحضر مؤتمرات القطاع، ويبني علاقات مع مشترين محتملين من الشركات، كما نرى كثيرًا في عملنا مع الفعاليات الطبية لدى Scryon. وباختصار، تحاول هذه الفرق بيع الوعد الذي تحمله التكنولوجيا قبل أن تتحول إلى منتج مكتمل.

في البداية، وجدت هذا النهج غريبًا بعض الشيء. لماذا يطوّر المرء معدات طبية إذا لم يكن ينوي طرحها في السوق بنفسه؟ لكن وراء ذلك منطقًا تجاريًا. فقد يضم فريق صغير مهندسين موهوبين وفكرة واعدة، لكنه يفتقر إلى الموارد اللازمة لسنوات من الاختبارات، وإمكانية الوصول إلى المستشفيات، والتصنيع على نطاق واسع. ويمكن لشركة كبرى توفير هذه البنية التحتية من خلال الاستحواذ على الشركة الناشئة في مرحلة مبكرة نسبيًا.

توضح هذه الاستراتيجية كيف يمكن للفرق الصغيرة والشركات الكبرى أن يكمل بعضها بعضًا: إذ يركز أحد الطرفين على تطوير الأفكار الجديدة واختبارها، بينما يمتلك الطرف الآخر الموارد اللازمة لتحويلها إلى منتجات طبية قابلة للتطبيق. كما أن حجم الشركة لا يعكس بالضرورة مدى تعقيد العمل الكامن وراء تقنيتها. 

شهدت ذلك بنفسي من خلال مشاريع في Keymakr، حيث عملنا مع مطورين تتراوح أحجام شركاتهم من الشركات الناشئة الصغيرة إلى إحدى الشركات الرائدة عالميًا في تصنيع المعدات الطبية. وبغض النظر عن حجم الشركة، تنطوي هذه المشاريع على عمل دقيق وشاق لتنقيح الخوارزميات، وإعداد مجموعات البيانات الطبية، والتحقق من دقة التعليقات التوضيحية ومدى توافقها مع المتطلبات السريرية. 

ما وراء الفكرة الأصلية

قد تطور أي شركة تبحث في آلية بيولوجية محددة يومًا ما تقنية تحدث تحولًا في قطاعات لا صلة لها بها إطلاقًا. ولهذا آثار بعيدة المدى، قد تصل إلى إطالة العمر بشكل جذري وإحداث تحول كامل في المجتمع كما نعرفه.

لعل هذا أكثر ما يثير إعجابي في الشركات الناشئة الطبية اليوم. فبمساعدة الذكاء الاصطناعي، تتصدى فرق صغيرة لتحديات كانت تتطلب، حتى وقت قريب، موارد شركات كبرى، وغالبًا ما تتناولها من زوايا غير متوقعة. لن ترى أفكار كثيرة من هذه الأفكار النور عمليًا، لكن رواد الأعمال ليسوا مضطرين بالضرورة إلى معرفة حجم السوق الذي قد تخلقه تقنية ناجحة في نهاية المطاف. فأحيانًا لا تتكشف أكثر الفرص إثارة للاهتمام إلا بعد حل المشكلة العلمية الأصلية.

مايكل أبراموف هو المؤسس والرئيس التنفيذي لشركة Scryon، ويجلب أكثر من 15+ سنة من خبرة الهندسة البرمجية وأنظمة الذكاء الاصطناعي للرؤية الحاسوبية إلى بناء أدوات تصنيف على مستوى المؤسسات.

بدأ مايكل مسيرته كمهندس برمجيات ومدير البحث والتطوير، حيث بنى أنظمة بيانات قابلة للتوسع وأدار فرقًا هندسية متعددة التخصصات. حتى عام 2025، شغل منصب الرئيس التنفيذي لشركة Keymakr، وهي شركة خدمات تصنيف البيانات، حيث كان رائدًا في تطوير سير عمل بمشاركة الإنسان، وأنظمة ضمان جودة متقدمة، وأدوات مخصصة لدعم احتياجات البيانات الضخمة للرؤية الحاسوبية والأنظمة الذاتية.

يحمل درجة البكالوريوس في علوم الحاسوب وخلفية في الهندسة والفنون الإبداعية، مما يمنحه منظورًا متعدد التخصصات لحل المشكلات الصعبة. يعيش مايكل عند تقاطع الابتكار التكنولوجي والقيادة الاستراتيجية للمنتجات والتأثير الواقعي، ويساهم في دفع الحدود التالية للأنظمة الذاتية والأتمتة الذكية.