المقاومة للميثيسيلين (MRSA) يزداد شيوعًا في مرافق الرعاية الصحية – هل قدم الذكاء الاصطناعي للتو أداة للرد؟

الثورة الطبية الأولى

حتى اختراع البنسلين، أول مضاد حيوي، كان من الممكن أن تكون عدوى رئوية بسيطة أو حتى جرح صغير مميتًا. كان هذا مجرد واقع حياة كان الناس يعيشون (ويموتون) فيه.

لفترة طويلة، تم اكتشاف فئات جديدة من المضادات الحيوية بانتظام، مما يضمن بقاء تهديد العدوى البكتيرية تحت السيطرة. مؤخرًا، ظهور البكتيريا المقاومة للمضادات الحيوية وضع هذا الأمر موضع تساؤل إذا ما كان سيستمر لفترة أطول.

المقاومة المضادة للميكروبات (AMR) تسببت في 1.27 مليون وفاة مباشرة في عام 2019، وكان أحد كل خمسة ضحايا طفلًا دون سن الخامسة. و4.95 مليون شخص توفوا في عام 2019 كانوا يعانون من عدوى مقاومة للأدوية، مثل العدوى التنفسية السفلية، والدم، والبطنيّة الداخلية.

هذا يمثل مشكلة خاصة في المستشفيات، حيث يؤدي الاستخدام العالي للمضادات الحيوية وضعف جهاز المناعة إلى جعل المقاومة للمضادات الحيوية سببًا رئيسيًا للعدوى والوفيات.

في سباق التسلح بين المضادات الحيوية الجديدة ومقاومة البكتيريا، تفوز البكتيريا. أحدث اكتشاف لفئة مضاد حيوي جديد وصلت إلى السوق كان في عام 1987. بشكل عام، النهج التقليدي الذي يعتمد على فحص عشرات الآلاف من المواد الكيميائية عشوائيًا للبحث عن إمكانات مضادة للجراثيم لم يعد فعالًا.

المصدر: ReAct Group

MRSA – الكارثة الصحية المتوقعة

المكورات العنقودية الذهبية هي بكتيريا تعيش على الجلد. المكورات العنقودية الذهبية المقاومة للميثيسيلين (MRSA) هي بكتيريا مقاومة للمضادات الحيوية الشائعة مثل الميثيسيلين، وغالبًا ما تكون مقاومة لعلاجات/مضادات حيوية أخرى أيضًا.

معظم عدوى MRSA تحدث في المستشفيات أو مرافق الرعاية الصحية، مثل مراكز الغسيل الكلوي أو دور رعاية المسنين. ويمكن أن تنتقل أيضًا عبر الاتصال الجلدي المباشر.

نظرًا لوجودها على الجلد، فإن المكورات العنقودية الذهبية تُعد مرشحًا محتملًا للتسبب في العدوى بعد الجراحة أو الجروح المفتوحة.

عدوى MRSA تقتل أكثر من 10,000 شخص سنويًا في الولايات المتحدة وحدها، مع أكثر من 80,000 حالة عدوى. كما بدأت سلالات MRSA تصبح مقاومة للفانكومايسين، أحد آخر المضادات الحيوية الفعّالة المتاحة ضدها.

هذا يوسع طيف انتشار MRSA غير القابلة للقتل ويعيدنا إلى حقبة ما قبل المضادات الحيوية حيث كانت العدوى البكتيرية المميتة شائعة.

الذكاء الاصطناعي إلى الإنقاذ

إذا كان الفحص العشوائي لآلاف المرشحين للحصول على مضادات حيوية جديدة لم يعد يعمل، فماذا عن فحص ملايين المرشحين بذكاء؟ هذا هو ما يعمل عليه باحثو MIT بقيادة الباحث جيمس كولينز.

يستخدم باحثو MIT نموذج ذكاء اصطناعي عميق لتوقع أي الجزيئات الكيميائية قد تمتلك نشاطًا مضادًا للبكتيريا.

أولًا، علموا نموذج الذكاء الاصطناعي الأنماط الكيميائية المعروفة التي تمتلك نشاطًا مضادًا للبكتيريا. ثم يستطيع الذكاء الاصطناعي فحص ملايين الجزيئات المحتملة للبحث عن إمكانات مماثلة.

من أجل ذلك، اختبر الباحث أولًا النشاط المضاد للـ MRSA لـ 39,000 جزيء وعرض النتيجة على الذكاء الاصطناعي، الذي استخدمها لتعلم ما ينجح.

بعد ذلك طوروا طريقة تُسمى “بحث شجرة مونت كارلو” لجعل نتائج الذكاء الاصطناعي أكثر قابلية للفهم للباحثين من خلال إظهار أي جزء من الجزيء المضاد الجديد المحتمل يُتوقع أن يكون مسؤولًا عن النتيجة الطبية.

عمل الفريق بالذكاء الاصطناعي

ليس من الكافي فقط العثور على ما يمكنه قتل البكتيريا الضارة. من المهم أيضًا التأكد من أن المركبات الكيميائية آمنة للمرضى.

اتباعًا لنفس المبدأ المستخدم في اكتشاف المضادات الحيوية، درب الباحثون أيضًا 3 نماذج تعلم عميق مختلفة لتوقع السمية على 3 أنواع من خلايا الإنسان.

ثم تُدمج نتائج هذه النماذج مع نتائج الذكاء الاصطناعي الموجه للـ MRSA للعثور على مركبات تكون مرشحة جيدة لكل من النشاط المضاد للجراثيم والملف السمي.

هذا يوضح جيدًا كيف يعتمد اكتشاف الأدوية المدعوم بالذكاء الاصطناعي ليس فقط على توجيه البشر للذكاء الاصطناعي، بل وعلى تواصل الذكاء الاصطناعي مع بعضه البعض وتعاونه.

نتائج مذهلة

حلل باحثو MIT ما لا يقل عن 12 مليون مركب كيميائي. والأهم من ذلك، أن جميع هذه الـ 12 مليون مركب كانت متاحة تجاريًا، مما يسهل تحويلها إلى مضادات حيوية جديدة، لأن سلاسل التوريد لتصنيعها موجودة بالفعل.

بمساعدة الذكاء الاصطناعي، تم إعداد قائمة مختصرة من 280 مرشحًا. تم اختبارهم ضد MRSA، وأظهر مركبان من نفس الفئة تقليل MRSA بمقدار 10 أضعاف. تعمل المضادات الحيوية عن طريق تعطيل التدرج الكهروكيميائي لغشاء خلية البكتيريا.

هذا نجاح جديد للفريق البحثي، الذي كان قد وجد مسبقًا مضادين حيويين محتملين (لكن غير مفيدين ضد MRSA)، هاليسين وأوبسين.

ماذا يعني ذلك لاكتشافات الأدوية المستقبلية

من الصيدلة إلى التكنولوجيا الحيوية والعودة إلى الصيدلة؟

اكتشاف الأدوية كان دائمًا في صميم نماذج شركات الأدوية. هذا جزء حيوي من الأعمال، حيث تنتهي براءات الاختراع وتحتاج الشركات إلى أدوية حصرية جديدة للحفاظ على تدفق الأموال وتمويل المزيد من البحث والتطوير والتقدم الطبي.

للأسف، نهج فحص العالم الطبيعي والجزيئات الاصطناعية للعثور على مركبات نشطة جديدة قد توقف إلى حد ما.

كان هذا الدافع وراء صعود شركات التكنولوجيا الحيوية، التي تستخدم جزيئات بيولوجية مثل الأجسام المضادة بدلاً من المواد الكيميائية. وبالتالي اضطرت شركات الأدوية “القديمة” إلى الاستحواذ على شركات التكنولوجيا الحيوية الناشئة، محولةً إياها إلى “آلات تسويق” أكثر من كونها أعمالًا مدفوعة بالبحث والتطوير كما كانت في السابق.

إذا أصبح اكتشاف الأدوية الكيميائية أكثر نجاحًا، قد نرى المزيد من شركات الأدوية تعود إلى إنفاق المزيد على البحث والتطوير وتقليل الاستحواذات على شركات التكنولوجيا الحيوية.

قد يكون لهذا تأثير بعيد المدى على الصناعة، بما في ذلك:

• عودة النمو لشركات الأدوية المبتكرة.
• إمكانية انخفاض العروض على شركات التكنولوجيا الحيوية الناشئة.
• إمكانية اكتشاف أدوية كيميائية “ضخمة” لأمراض تُعالج بشكل ضعيف حاليًا.

اندماج التكنولوجيا والصيدلة

أثر آخر لاكتشاف الأدوية المدفوع بالذكاء الاصطناعي هو أن العملية أصبحت أقل ارتباطًا بالطب والكيمياء وأكثر ارتباطًا بالبيانات والشبكات العصبية.

هذا يفتح المجال لعلاقات أعمق بين شركات التكنولوجيا وشركات الصيدلة. قد يصبح الذكاء الاصطناعي لاكتشاف الأدوية تحولًا صناعيًا مماثلًا لظهور التكنولوجيا الحيوية في الثمانينات.

قد نشهد أيضًا ظهور مشاريع مشتركة جديدة بين عمالقة الصيدلة والذكاء الاصطناعي. على سبيل المثال، شركة اكتشاف أدوية مملوكة مشتركًا بين عمالقة مثل فايزر أو نوفارتيس من جانب الصيدلة وجوجل أو مايكروسوفت من جانب الذكاء الاصطناعي.

إذا تبين أن اكتشاف الأدوية بالذكاء الاصطناعي يصبح أحد مراكز الربح الرئيسية للذكاء الاصطناعي، قد نرى أيضًا شركات التكنولوجيا تستحوذ على شركات الصيدلة.

قوة البيانات

يُبنى الذكاء الاصطناعي بفضل كنوز هائلة من البيانات. لم يكن بحث MIT استثناءً واعتمد في الغالب على قاعدة بيانات Mcule. لا يزال مجال مزودي البيانات الرقمية لاكتشاف الأدوية في مراحله الأولى وتسيطر عليه المنظمات غير الربحية والشركات الناشئة الخاصة.

على المدى الطويل، من المرجح أن نشهد توحيدًا في الصناعة وربما ظهور عدد قليل من المزودين الرئيسيين الذين قد يتم طرحهم للاكتتاب العام.

التنبؤ بالسمية “In-silico”

أثر أخير لاكتشاف MIT هو إعادة التفكير في كيفية توقع السمية الكيميائية ونجاح التجارب السريرية.

حتى وقت قريب، كانت الخبرة البشرية والحدس والنماذج الحيوانية والنماذج المختبرية هي الطرق المفضلة لتقييم المخاطر المرتبطة بجزيء جديد.

يمكن لتعلم الآلة العميق أن يساعد ليس فقط في العثور على فئة مضادات حيوية جديدة بل أيضًا في توقع أي المرشحين من المرجح أن يكونوا غير سامين. هذا يفتح إمكانية استخدام الذكاء الاصطناعي لتقليل عدد الأدوية التي تفشل في المرحلة الأولى من التجارب السريرية، والتي تُصمم لاختبار السمية لدى البشر.

حوالي 35٪ من المركبات الكيميائية للمرشحين تفشل في المرحلة الأولى من التجارب السريرية. تقليل هذا الرقم سيسرّع تطوير الأدوية ويقلل متوسط تكاليف البحث والتطوير.

المصدر: Duxin Sun et al

أفضل 3 شركات تستفيد من اكتشاف الأدوية بالذكاء الاصطناعي

تم تمويل اكتشاف MIT هذا من قبل مؤسسات، منظمات غير ربحية، وتمويل عام. ومع ذلك، يمكن للمستثمرين الحصول على تعرض لاكتشاف الأدوية المدفوع بالذكاء الاصطناعي من خلال عدة أسهم متداولة علنًا.

بشكل عام، يمكن تنظيم الشركات في مجال الأنظمة الرقمية والذكاء الاصطناعي لاكتشاف الأدوية على مستويين:

1. الحوسبة مقابل دمج البيانات الرطبة (البيولوجية).
2. مرحلة التطوير، الشراكات، والموارد الحاسوبية/البيانية.

المصدر: Recursion

(الشركات في هذه القائمة ستستخدم أدوات الذكاء الاصطناعي، مثلًا، على سبيل المثال، أجهزة NVIDIA (NVDA ). ومع ذلك، نركز هنا على شركات اكتشاف الأدوية فقط وليس الذكاء الاصطناعي بشكل عام).

1. Schrödinger, Inc.

SDGR مخطط السعر

تتخصص الشركة في نماذج تعتمد على الفيزياء للعثور على الجزيء الأمثل لتحقيق هدف معين، مع موازنة مقاييس متضاربة مثل الفعالية، القابلية للذوبان، نصف العمر، قابلية التصنيع، وغيرها.

كما تستخدم التعلم الآلي، لكن إضافة نموذج يعتمد على الفيزياء يسمح باختباره في مجالات جديدة تمامًا لا توجد لها مجموعة بيانات لتدريب الذكاء الاصطناعي. يتيح ذلك لـ Schrödinger (SDGR ) الانتقال من مليار جزيء محتمل إلى 8 مرشحين صلبين فقط في غضون أيام، عبر الحسابات الرقمية فقط.

المصدر: Schrodinger

وقعت Schrödinger اتفاقية تعاون لمدة 5 سنوات مع Bayer في عام 2020 بقيمة إيرادات تبلغ 10 ملايين دولار. فكرة الاتفاقية هي استخدام تقنية Schrödinger مع نماذج التنبؤ “in-silico” الخاصة بـ Bayer.

(PFE ) (MSFT )

شراكة حديثة أخرى هي مع Lilly في عام 2022، مع ما يصل إلى 425 مليون دولار كدفعات إنجازية إجمالية للاكتشاف الناجح.

شراكات سابقة شملت Takeda، Sanofi (SNW.DE ) (SNY ) ، Bristol Myers Squibb، وشركات صيدلانية أصغر أخرى.

بشكل عام، تبني Schrödinger محفظة متنامية، تشمل المزيد والمزيد من الجزيئات المملوكة بالكامل. لديها حاليًا 8 منتجات في خط أنابيبها المملوك، مع 2 في المرحلة الأولى من التجارب السريرية. و23 منتجًا في برامج وشراكات، مع 5 في المرحلة الأولى و3 في المرحلة الثانية من التجارب السريرية.

المصدر: Schrodinger

على الرغم من أنها ليست ذات إيرادات مسبقة، إلا أن الشركة لا تزال غير مربحة، مركزةً على التوسع وإنفاق البحث والتطوير لتحسين تقنيتها. لا ينبغي أن تكون مصدر قلق جدي على المدى القصير، حيث تمتلك الشركة عدة سنوات من النقد على ميزانيتها.

كما تنظر إلى التوسع نحو قطاعات جديدة خارج اكتشاف الأدوية، مثل المستحضرات الصيدلانية المعقدة أو حتى المواد مثل المواد الكيميائية، البطاريات، أو البوليمرات.

المصدر: Schrodinger

سيرغب المستثمرون في متابعة الشراكات الجديدة، حيث ستعكس تقدم تقنية Schrödinger كما يقيمها القادة في الصناعة، بالإضافة إلى إمكانية نجاح توسيع التقنية الأساسية إلى أسواق جديدة.

2. Exscientia

تستخدم الشركة الذكاء الاصطناعي لتطوير العلاجات الدقيقة.

تشغل تقنية اكتشاف الأدوية بالذكاء الاصطناعي “متكاملة بالكامل” مع برامج مخصصة في كل مرحلة من عملية اكتشاف الدواء.

المصدر: Exscientia

بدلاً من البحث عن جزيئات موجودة، تصمم تقنية التصميم الدقيق بالذكاء الاصطناعي جزيئات مخصصة لتتناسب مع الهدف الذي تحدده تقنية الهدف الدقيق بالذكاء الاصطناعي.

تقلل تقنية Exscientia الوقت المطلوب للانتقال من الهدف البيولوجي إلى العثور على دواء مطابق بنسبة 70٪، وتحقق عملية أكثر كفاءة رأس مالًا بنسبة 80٪.

أدى ذلك إلى 4 مركبات في مراحل سريرية مبكرة، تركز أساسًا على الأورام (السرطان) والأمراض الالتهابية. تُظهر الشركة إمكانات إنجازات تجارية بقيمة 4 مليارات دولار.

المصدر: Exscientia

الشركة لا تزال في بداية تسجيل إيراداتها لكنها تمتلك احتياطيًا نقديًا يكفي لعدة سنوات من الإنفاق على ميزانيتها.

من خلال وجودها عند تقاطع اكتشاف الأدوية بالذكاء الاصطناعي والعلاج الدقيق، تستهدف Exscientia اثنين من أكثر المجالات تحولًا في العلوم الطبية. استنادًا إلى الشراكات القائمة مع Merck، Sanofi، وBMI، تعتبر شركات الأدوية الكبرى أن المنصة لديها إمكانات كبيرة.

3. Recursion Pharmaceuticals, Inc

RXRX مخطط السعر

كلما زاد تدخل الذكاء الاصطناعي في اكتشاف وتطوير الأدوية، كلما أصبحت البيانات أكثر قيمة لتدريب الذكاءات الاصطناعية.

البيولوجيا مجال معقد للغاية، مع بيانات مدمجة ومُتحققة أحيانًا تكون نادرة. هذه مشكلة جدية عندما يؤدي أي خطأ إلى تحيز، قيود، وأخطاء في الذكاء الاصطناعي، مما قد يتطلب إعادة تدريبه من الصفر.

مشكلة أخرى هي الكم الهائل من البيانات المطلوبة، وهو ما يتجاوز قدرة البشر على توليدها وتنظيمها يدويًا.

للرد على هذه القيود، بنت Recursion منصتها، مع مهمة “تحويل اكتشاف الأدوية إلى مشكلة بحث”. تجمع بين المختبر الجاف (in silico) والمختبر الرطب (عينات بيولوجية) مع:

• مكتبة تضم 1.7 مليون جزيء صغير.
• ثقافات خلوية، تحرير جينات CRISPR، عوامل قابلة للذوبان، فيروسات حية، إلخ.
• خط عمل روبوتي مختبري مؤتمت يسمح بما يصل إلى 2.2 مليون تجربة كل أسبوع.
• مجاهر عالية الإنتاجية وأنظمة تسلسل.
• تدفقات فيديو مستمرة من كاميرات تسجل قياسات شمولية لسلوكيات الحيوانات.
• موارد حوسبة متقدمة، أنتجت أكثر من 21 بيتابايت من البيانات عالية الأبعاد المملوكة.
• بيانات ADMET (الامتصاص، التوزيع، الأيض، الإخراج، والسمية).

هذا يخلق مجموعات بيانات فريدة (وكبيرة) من البروتيوميات (مستويات البروتين)، الترنسكريبتوميات (مستويات mRNA)، الفينوميات (شكل الخلايا)، ADMET و”in-vivonomics” (سلوكيات الحيوانات). تسعى الشركة أيضًا لإضافة بيانات الميتابولوميات والجينوميات إلى مجموعاتها في المستقبل.

هذا الثروة من البيانات تسمح بمجموعة أوسع من المرشحين في المراحل المبكرة ولكن قمعًا أضيق في المراحل المتقدمة. كما ينبغي أن يسرّع تطوير المرشحين ذوي الإمكانات العالية.

المصدر: Recursion

هذه الإمكانية لا تغيب عن عمالقة الصيدلة، مع شراكات متقدمة في مجال التليف (Bayer) وعلم الأعصاب (Roche-Genentech).

تلقت الشركة استثمارًا بقيمة 50 مليون دولار من NVIDIA في يوليو 2023، العملاق الجديد لأجهزة الحوسبة بالذكاء الاصطناعي. جاء ذلك بعد أن استحوذت Recursion في مايو 2023 على الشركات الناشئة المتخصصة في الكيمياء الدوائية ما قبل السريرية، Cyclica وValance، بإجمالي 87.5 مليون دولار.

إجمالًا، تتطلع الشركة إلى 13 مليار دولار من الإنجازات المحتملة عبر أكثر من 50 برنامجًا محتملًا بالإضافة إلى عوائد الترخيص.

الشراكات مع شركات التقنية (NVIDIA) والصيدلة (Bayer، Roche)، بالإضافة إلى الاستحواذات على شركات الذكاء الاصطناعي الصغيرة، قد تشير إلى أن Recursion تتحول إلى حجر الزاوية في الصناعة ومُستحوِذ محتمل متسلسل، بهدف أن تصبح واحدة من أولى الشركات التي تُوسع البيانات البيولوجية إلى حجم غير مسبوق.