هل يستطيع الذكاء الاصطناعي اكتشاف مضادات حيوية جديدة؟ إنجازات حقيقية وحدودها

ساهم الذكاء الاصطناعي في اكتشاف مركبات بحثية واعدة ضد بكتيريا صعبة، منها هاليسين وأباوسين، كما تُستخدم نماذج توليدية لاقتراح تراكيب جديدة. لكن التنبؤ بنشاط مركب لا يجعله دواءً معتمدًا. يحتاج كل مرشح إلى تجارب للفعالية والسمية والاستقرار ثم اختبارات سريرية. نستعرض الأمثلة العلمية الحقيقية ومراحل التطوير وما يستطيع الذكاء الاصطناعي تسريعه وما لا يستطيع تجاوزه.

لماذا نحتاج مضادات حيوية جديدة؟

تُعد مقاومة المضادات الحيوية تحديًا صحيًا متزايدًا لأن البكتيريا قد تطور وسائل للنجاة من أدوية كانت فعالة ضدها. ووفق تقرير منظمة الصحة العالمية عن بيانات 2023، ظهرت مقاومة للعلاج في نحو عدوى بكتيرية واحدة من كل ست عدوى مؤكدة مختبريًا ضمن التحليل العالمي؛ ولا يعني ذلك أن النسبة تنطبق على كل مرض أو بلد. اكتشاف مضادات جديدة عملية مكلفة ومعقدة، وقد يتطور انتشار المقاومة أسرع من تطوير الأدوية.

كيف يساعد الذكاء الاصطناعي؟

تتعلم النماذج الحاسوبية من بيانات تربط التركيب الجزيئي بالنشاط المضاد للبكتيريا أو السمية أو خصائص أخرى. يبدأ الباحثون بقياسات مختبرية موثوقة ثم يستخدمون النموذج لترتيب المركبات المرشحة للتجربة. تكمن الفائدة في تضييق مساحة بحث كيميائية هائلة، لا في امتلاك معرفة سحرية. وإذا كانت البيانات ناقصة أو منحازة فقد تكون التوقعات مضللة، ولهذا يظل الاختبار الفعلي ضروريًا.

هاليسين وطريقة مختلفة للبحث

لفت مركب سُمي هاليسين الانتباه بعد أن أبرزته طريقة تعتمد على التعلم الآلي بوصفه مرشحًا مضادًا للبكتيريا. وأظهرت القصة أن الخوارزميات قد تساعد في العثور على جزيئات لا تشبه الأدوية المعتادة. لكن نجاح مركب في طبق مختبر أو نموذج حيواني لا يساوي إثبات أمانه وفعاليته لدى البشر. يحتاج تطوير الدواء إلى مراحل طويلة من الاختبارات.

أباوسين والبكتيريا المقاومة

في دراسة نشرتها Nature Chemical Biology عام 2023، استخدم الباحثون بيانات اختبار نحو 7500 جزيء ضد بكتيريا Acinetobacter baumannii لتدريب شبكة عصبية. وساعد النموذج في التعرف على مركب أباوسين ذي نشاط أكثر تخصصًا ضد هذه البكتيريا، مع نتائج مختبرية وتجربة على نموذج عدوى جرح في الفئران. يُعد ذلك اكتشافًا بحثيًا واعدًا، لكنه لا يعني أن المركب دواء مرخص للاستخدام البشري.

نماذج قابلة للتفسير وبنى كيميائية جديدة

استخدمت دراسة أخرى في Nature تقنيات تعلم عميق قابلة للتفسير للبحث عن فئات بنيوية كيميائية قد تملك نشاطًا مضادًا للبكتيريا. جمع الباحثون بين قياس الفعالية والسمية على خلايا بشرية وبين فحص حاسوبي واسع. تساعد قابلية التفسير في فهم السمات الجزيئية المرتبطة بالتنبؤات، لكنها لا تلغي الحاجة إلى التجارب ولا تضمن صحة الآلية المقترحة.

من المركب الواعد إلى الدواء المعتمد

لكي يتحول الجزيء إلى دواء يجب إثبات نشاطه بصورة قابلة للتكرار، وتقييم سميته، ومعرفة كيفية امتصاصه وتوزيعه وتكسيره وإخراجه، ثم اختبار مقاومة البكتيريا له وفعاليته في تجارب سريرية منظمة. قد يقتل مركب البكتيريا في طبق زجاجي لكنه يفشل في الوصول إلى الأنسجة المصابة بتركيز آمن. يساعد الذكاء الاصطناعي في اختيار المرشحين لكنه لا يحل محل الموافقات التنظيمية.

هل يحل الذكاء الاصطناعي مقاومة المضادات؟

لا يمكن للذكاء الاصطناعي وحده إنهاء المقاومة؛ فالبكتيريا تستمر في التطور، وقد تظهر مقاومة حتى لأدوية جديدة. نحتاج أيضًا إلى التشخيص الجيد ومكافحة العدوى والتطعيم ووصف المضادات عند الحاجة فقط والمراقبة الصحية. لا ينبغي تفسير الأبحاث الأولية على أنها دعوة لشراء مركبات تجريبية أو تناول مضادات دون وصفة طبية.

ما المؤشرات التي تستحق المتابعة؟

من العلامات المهمة في الأبحاث المقبلة تكرار النتائج في مختبرات مستقلة، ونشر بيانات السمية، وإثبات الفاعلية في نماذج مناسبة ثم ظهور نتائج تجارب سريرية بشرية. يجب التدقيق في العناوين التي تقول إن خوارزمية «قضت على البكتيريا الخارقة» ومعرفة مرحلة الدليل الفعلية. الخلاصة أن الذكاء الاصطناعي ساعد بالفعل في العثور على مركبات واعدة، لكن تحويلها إلى علاجات معتمدة ما زال تحديًا كبيرًا.

لماذا أصبح العثور على مضاد حيوي جديد مهمة معقدة؟

لا يكفي أن تقتل مادةٌ ما البكتيريا في طبق مختبر حتى تصبح دواءً. ينبغي أن تصل إلى موضع العدوى بتركيز فعال، وألا تسبب ضررًا غير مقبول لخلايا الإنسان، وأن تبقى مستقرة داخل الجسم، وأن يمكن تصنيعها وإنتاجها بصورة موثوقة. كذلك يجب دراسة احتمال تطور المقاومة ضدها وكيف تؤثر في البكتيريا النافعة. هذه شروط متعددة تُسقط كثيرًا من المركبات الواعدة قبل الوصول إلى المريض.

وتزداد صعوبة البحث لأن عدد التركيبات الكيميائية الممكنة هائل، ولا يمكن اختبارها جميعًا واحدة واحدة. هنا يساعد الذكاء الاصطناعي في ترتيب المرشحين وفق احتمالات النشاط ضد نوع معين من البكتيريا وخصائص أخرى، ثم يتولى الباحثون اختبار أفضل المرشحين معمليًا. أي أن الخوارزمية تساعد على اختيار نقطة البداية، لكنها لا تستبدل التجربة ولا المراجعة الطبية.

كيف تمر فكرة المضاد الحيوي من الكمبيوتر إلى المختبر؟

تبدأ العملية ببيانات تجريبية لمركبات سبق اختبارها ضد بكتيريا محددة. يمثل الباحثون تركيب كل جزيء بصورة يمكن للحاسوب تحليلها، مثل شبكة من الذرات والروابط، ثم يدربون نموذجًا يتعلم الأنماط المرتبطة بالنشاط المضاد للبكتيريا. بعد تقييم النموذج على بيانات منفصلة، يُستخدم لفحص مكتبات كيميائية أوسع واقتراح المركبات الأجدر بالتجربة.

تأتي بعدها مراحل عملية: قياس التركيز الذي يمنع نمو البكتيريا، والتحقق من النشاط ضد سلالات مقاومة، وفحص السمية على خلايا بشرية أو نماذج حيوية، ودراسة آلية العمل. وإذا كانت النتائج جيدة، تبدأ دراسات الاستقرار والامتصاص والتوزيع والتجارب قبل السريرية، ثم قد تصل بعض المركبات إلى التجارب البشرية. معظم المرشحين لا ينجحون في اجتياز هذه الخطوات كلها، وهذا جزء طبيعي من تطوير الأدوية.

هاليسين: ما الإنجاز الحقيقي الذي قدمته الدراسة؟

في دراسة منشورة بدورية Cell عام 2020 استخدم فريق بحثي التعلم العميق للعثور على مركب سُمي «هاليسين»، يتميز بتركيب يختلف عن كثير من المضادات المعروفة. أظهرت الاختبارات نشاطه ضد مجموعة من البكتيريا، ووردت نتائج إيجابية في نماذج عدوى على الفئران. أبرزت التجربة قدرة النماذج الحاسوبية على اقتراح مركبات ربما لم تكن على رأس قائمة الاختيار بالطرق المعتادة.

لكن يجب فصل هذه الخطوة عن اعتماد دواء للبشر. النجاح ضد بكتيريا في المختبر أو داخل نموذج حيواني لا يحدد الجرعة الآمنة للإنسان ولا يضمن النتائج في المستشفيات. لا ينبغي للقارئ فهم الخبر على أن «هاليسين» أصبح مضادًا متاحًا بالصيدليات أو أنه علاج جاهز لجميع البكتيريا المقاومة.

أباوسين: لماذا قد يكون استهداف نوع واحد ميزة؟

وصفت دراسة منشورة في Nature Chemical Biology عام 2023 مركب «أباوسين» المكتشف بمساعدة نموذج عصبي بعد جمع بيانات اختبار نحو 7500 جزيء ضد بكتيريا Acinetobacter baumannii. لهذه البكتيريا أهمية طبية لأنها قد تسبب عدوى مرتبطة بالمستشفيات وتظهر مقاومة لعدة أدوية. وجدت الدراسة نشاطًا موجّهًا نسبيًا ضد هذه البكتيريا، وقدمت نتائج واعدة في نموذج جرح مصاب لدى الفئران.

المضاد ذو الطيف الضيق قد يصبح مفيدًا في ظروف مناسبة إذا استهدف المسبب المطلوب دون التأثير الواسع على أنواع أخرى، لكن هذه فائدة محتملة تتطلب اختبارات سريرية قبل تعميمها. كما أن التجارب لم تحول المركب تلقائيًا إلى علاج معتمد. القيمة الأساسية لأباوسين أنه مثال على كيفية استخدام البيانات لاختيار مركبات تستهدف مشكلة بكتيرية محددة.

كيف يساعد الذكاء الاصطناعي القابل للتفسير في ابتكار فئات جديدة؟

تنتج بعض الخوارزميات توقعًا رقميًا دون شرح واضح للعناصر الكيميائية التي أدت إليه. لذلك طور باحثون طرقًا تحاول كشف أجزاء الجزيء المرتبطة بنشاطه المتوقع. في بحث منشور بدورية Nature، قاس العلماء نشاط وسمية عشرات الآلاف من المواد، ثم قيّموا حاسوبيًا أكثر من 12 مليون تركيب. ساعد تحليل البنى الكيميائية في اقتراح فئات ذات نشاط ضد بعض البكتيريا المقاومة، ومنها المكورات العنقودية الذهبية المقاومة للميثيسيلين.

لا تعني «قابلية التفسير» أن النموذج أثبت آلية التأثير وحده؛ فهي تقدم فرضيات مفيدة للكيميائيين يمكن اختبارها وتعديلها. وأي مركب جديد يحتاج إلى إثبات في المختبر ثم دراسة السلامة والفعالية قبل التفكير في وصفه طبيًا.

ماذا أضاف الذكاء الاصطناعي التوليدي؟

تعمل بعض النماذج على فرز جزيئات موجودة، بينما تستطيع نماذج توليدية اقتراح تركيبات كيميائية جديدة نظريًا. في تقرير نشره معهد MIT عام 2025، وصف باحثون تصميم وفحص أكثر من 36 مليون مركب محتمل حاسوبيًا ضمن عمل يستهدف عدوى صعبة تشمل السيلان المقاوم للأدوية وبكتيريا MRSA. وظهرت جزيئات واعدة من حيث النشاط وبعض آليات التأثير المحتملة على أغشية البكتيريا.

غير أن ابتكار شكل جديد للجزيء على الشاشة لا يعني أنه سهل التصنيع أو آمن أو ثابت أو قادر على علاج الإنسان. قد يفشل المرشح بسبب السمية أو ضعف الامتصاص أو صعوبة الوصول إلى موقع العدوى. ولهذا يُقاس تقدم البحث بما يُثبت تجريبيًا وليس بعدد الجزيئات التي يقترحها البرنامج وحده.

أربعة تحديات لا تستطيع الخوارزمية تجاهلها

أولها جودة بيانات التدريب؛ فإذا جاءت الأمثلة من عائلات كيميائية متشابهة فقد ينجح النموذج في اختبار محدود ويفشل مع مركبات مختلفة جذريًا. ثانيها اختلاف البكتيريا: المركب الفعال ضد سلالة معينة قد لا يخترق جدار نوع آخر. ثالثها السمية، فلا قيمة لعلاج يقتل البكتيريا إذا أضر بخلايا المريض بالدرجة نفسها. أما الرابع فهو المقاومة الجديدة، لأن البكتيريا قد تطور وسائل للهروب من تأثير المركب بمرور الوقت.

توجد أيضًا تكلفة التصنيع والتجارب السريرية ومشكلات تمويل المضادات الجديدة، خاصة أن الاستخدام الرشيد يتطلب عدم الإفراط في وصفها. لذلك لن يختفي دور اختصاصيي الأحياء الدقيقة والكيمياء الدوائية والأطباء حتى لو أصبحت النماذج أسرع وأدق.

كيف تتحقق من خبر عن «مضاد حيوي اكتشفه الذكاء الاصطناعي»؟

اسأل أولًا: هل النتيجة مجرد توقع حاسوبي أم ثبتت في طبق مختبر أو حيوان أو تجربة سريرية بشرية؟ وما البكتيريا التي اختُبرت؟ وهل شملت سلالات مقاومة؟ وماذا أظهرت اختبارات السلامة؟ وهل توجد موافقة رسمية للاستخدام أم أن المركب في مرحلة البحث؟ هذه الأسئلة تمنع الخلط بين اكتشاف بحثي واعد وبين دواء يمكن للمريض استخدامه.

تظل الوقاية من العدوى وغسل اليدين والتطعيمات المناسبة والاستعمال الرشيد للمضادات ومراقبة المقاومة أدوات أساسية في الصحة العامة. ولا يجوز محاولة استخدام مركب تجريبي أو تناول المضادات الحيوية دون إشراف طبي اعتمادًا على خبر بحثي، مهما بدا العنوان مثيرًا.

المصادر والمراجع العلمية

دراسة هاليسين

بحث أباوسين

الذكاء الاصطناعي القابل للتفسير

بحث عن النماذج التوليدية