واشنطن (أ ف ب) – يعمل الذكاء الاصطناعي على تغيير الطريقة التي تمارس بها الشركات أعمالها – حيث يساعد المبرمجين على كتابة التعليمات البرمجية وإجراء مكالمات خدمة العملاء باستخدام برامج الدردشة الآلية.
لكن صناعة الأدوية لا تزال تنتظر لترى ما إذا كان الذكاء الاصطناعي قادراً على مواجهة التحدي الأكبر الذي يواجهها: إيجاد طرق أسرع وأرخص لتطوير أدوية جديدة.
على الرغم من إنفاق المليارات على الأبحاث، فإن الأدوية الجديدة لا تزال تستغرق عادةً عقدًا من الزمن أو أكثر لتطويرها.
أخبار موثوقة ومسرات يومية، مباشرة في صندوق الوارد الخاص بك
شاهد بنفسك – The Yodel هو المصدر المفضل للأخبار اليومية والترفيه والقصص التي تبعث على الشعور بالسعادة.
تأسست شركة Insitro في عام 2018، وهي جزء من مجال متنامٍ لشركات الذكاء الاصطناعي التي تعد بتسريع اكتشاف الأدوية باستخدام التعلم الآلي لتحليل مجموعات البيانات الضخمة من العلامات الكيميائية والبيولوجية. وقعت الشركة التي يقع مقرها في جنوب سان فرانسيسكو صفقات مع صانعي الأدوية مثل Eli Lilly وBristol Myers Squibb للمساعدة في تطوير أدوية للأمراض الأيضية والحالات العصبية والاضطرابات التنكسية.
تحدث الرئيس التنفيذي والمؤسس دافني كولر مع وكالة أسوشييتد برس حول ما يجلبه الذكاء الاصطناعي لتحديات اكتشاف الأدوية. تم تعديل المحادثة من أجل الطول والوضوح.
س: لماذا يعتبر تطوير الأدوية صعبا للغاية؟
ج: أعتقد أن مشكلة اكتشاف الأدوية هي أننا نحاول التدخل في نظام لا نفهمه إلا قليلاً. العديد من النجاحات التي شهدناها في آخر 15 إلى 20 عامًا كانت عندما وصلنا إلى فهم كافٍ للنظام حتى نتمكن حقًا من تصميم التدخلات لتتماشى معه.
لذا فإن أحد الأشياء التي نحاول القيام بها في Insitro هو كشف التعقيد الكامن وراء الأمراض غير المتجانسة وتحديد طرق التدخل الجديدة التي يمكن أن تساعد، ربما ليس جميع السكان، ولكن ربما مجرد مجموعة فرعية منهم. وبهذه الطريقة يمكننا حقًا تحديد الفرضية العلاجية الصحيحة للتدخل في مجموعة معينة من المرضى. وأعتقد أن هذا هو جوهر عدم نجاح الصناعة.
س: توظف شركات مثل Eli Lilly الآلاف من علماء الطب والباحثين. ما الذي يمكن للتكنولوجيا الخاصة بك أن تفعله ولا يستطيع هؤلاء الخبراء فعله؟
ج: أحد الأشياء التي حدثت بالتوازي مع ثورة الذكاء الاصطناعي هي الثورة الأكثر هدوءًا فيما أسميه علم الأحياء الكمي، وهو القدرة على قياس الأنظمة البيولوجية بدقة غير مسبوقة. يمكنك قياس أنظمة مثل البروتينات والخلايا باستخدام قياسات وتقنيات أفضل بشكل متزايد.
لكن إذا أعطيت هذه البيانات لشخص ما، فإن عيونه سوف تتوهج لأنه لا يوجد سوى عدد قليل جدًا من الخلايا التي يمكن لأي شخص أن ينظر إليها والعديد من التفاصيل الدقيقة التي يمكنه رؤيتها في هذه الصور. الناس محدودون فقط في قدرتهم على إدراك الاختلافات الدقيقة.
لذلك ينتهي بك الأمر إلى رؤية اختزالية للغاية لنظام معقد للغاية ومتعدد الأوجه وهو أمر مهم حقًا لكشف الفروق بين المرضى وكشف أين يمكن للتدخل أن يحدث فرقًا حقًا.
س: كيف أصبحت مهتمة بهذا المجال؟
ج: حصلت على درجة الدكتوراه في علوم الكمبيوتر. لكنني بدأت الدخول في مجال التعلم الآلي في خدمة المشاكل الطبية الحيوية في عام 1998 أو 1999.
في ذلك الوقت، كانت المشكلات التي كان التعلم الآلي قادرًا على معالجتها، بصراحة، غير ملهمة. ما مدى إلهامك بشأن تصنيف البريد العشوائي مقابل غير البريد العشوائي في مجموعة بيانات من رسائل البريد الإلكتروني؟
كنت أبحث عن شيء أكثر ثراءً. ولم تكن أول تجربة لي في هذا المجال لأنني كنت مهتمًا بشكل خاص بأن أصبح عالم أحياء، ولكن لأنني كنت أبحث عن أسئلة أكثر تحديًا من الناحية التقنية. وبعد ذلك، عندما بدأت البحث في الأمر، أصبحت مهتمًا بعلم الأحياء في حد ذاته.
س: يوظف Insitro كلاً من علماء الكمبيوتر والباحثين الطبيين. هل كان هناك أي صراع ثقافي في جعل هاتين المجموعتين تعملان معًا؟
ج: ربما يكون هذا أحد أهم الأشياء التي حققناها كمنظمة.
يمكنك أن تأخذ العلماء الأكثر تطوراً وأفضلهم من أي من الجانبين وتضعهم في نفس الغرفة معًا وربما يتحدثون التايلاندية والسواحيلية مع بعضهم البعض.
عندما تكون مهندسًا، فإنك تبحث عن أقوى الأنماط وأكثرها اتساقًا والتي ستسمح لك بالتنبؤ بأغلبية الخلايا أو الأفراد. عندما تكون عالم حياة، فإنك في كثير من الأحيان تبحث عن الاستثناءات، لأن هذه هي الخيوط التي يمكن أن تؤدي إلى اكتشافات جديدة.
لذلك قمنا بوضع عدد من العناصر الثقافية والعناصر التنظيمية لمساعدة الأشخاص على التعامل مع بعضهم البعض بشكل منفتح وبناء وباحترام.