تواجه صناعة الأدوية تحديًا كبيرًا في علاج الأمراض النادرة، رغم التطورات التكنولوجية في تعديل الجينات وتصميم الأدوية. وفقًا لـAlex Aliper، الرئيس التنفيذي لشركة إنسيليكو ميديسين، فإن العقبة الأساسية لسنوات كانت نقص الكوادر البشرية المؤهلة، لكن الذكاء الاصطناعي بدأ يُحدث فرقًا جوهريًا كـ"عامل مضاعف" لزيادة إنتاجية الباحثين. خلال مشاركته في مؤتمر ويب سوميت قطر، كشف عن رؤية شركته لبناء "ذكاء دوائي فائق"، من خلال منصة "MMAI جيم" التي تدرب النماذج اللغوية الكبيرة مثل ChatGPT وGemini لتعمل بمستوى خبير في مهام متعددة في اكتشاف الأدوية. الهدف هو تطوير نموذج متعدد الوسائط قادر على أداء مهام متعددة في وقت واحد بدقة تفوق البشر. تُستخدم منصة إنسيليكو في تحليل بيانات بيولوجية وكيميائية وسريرية لاقتراح أهداف مرضية ومرشحات علاجية، مما يُقلل من الحاجة إلى فرق كبيرة من العلماء. كما تمكّن الشركة من استغلال أدوية موجودة مسبقًا لعلاج أمراض مثل التصلب الجانبي الضموري (ALS)، بسرعة وتكلفة أقل. لكن التحدي لا ينحصر في اكتشاف الأدوية، بل يمتد إلى توصيل العلاجات بدقة داخل الجسم. هنا يأتي دور شركة جينإدبيو، التي تُعد من "الموجة الثانية" في تقنية كريسبر للتعديل الجيني، حيث تنتقل من التعديل خارج الجسم (إكس فيفو) إلى توصيل الأدوات الجينية مباشرة داخل الجسم (إن فيفو). تستخدم الشركة جهازًا مُعاد تطويره يُسمى ePDV، وهو جسيم شبيه بالفيروس، تم تطويره باستخدام الذكاء الاصطناعي لتحليل آلاف الجسيمات النانوية غير الفيروسية والليبودية، بهدف العثور على تلك التي تصل بدقة إلى أنسجة محددة مثل العين أو الكبد أو الجهاز العصبي. منصة "نانوغالكسي" تُستخدم لتحليل الترابط بين التركيب الكيميائي وتحديد الأنسجة المستهدفة، وتتنبأ بالتعديلات اللازمة لتجنب استجابة مناعية. تُختبر هذه الجسيمات في المختبرات الحية، وتُعاد نتائج الاختبارات إلى الذكاء الاصطناعي لتحسين دقة التنبؤات، ما يُسهم في تقليل تكلفة الإنتاج وتوحيد عملية التصنيع. وقد حصلت الشركة على موافقة هيئة الغذاء والدواء الأمريكية (FDA) لبدء تجارب علاجية لمرض تضخم القرنية باستخدام كريسبر. لكن التحدي الأكبر لا يزال هو نقص البيانات عالية الجودة، خاصة من مجموعات سكانية متنوعة. يشير ألiper إلى أن البيانات الحالية متحيزة نحو السكان الغربيين، مما يحد من قدرة النماذج على التعامل مع تنوع البشرية. تسعى إنسيليكو إلى جمع بيانات بيولوجية متعددة الطبقات من عينات مرضية عبر مختبرات آلية، بينما ترى جينإدبيو أن المعلومات الكامنة في الجينوم البشري، التي لم تُستخدم سابقًا، تمثل "ذهبًا" للذكاء الاصطناعي، خصوصًا مع تطور نماذج مثل AlphaGenome. في المستقبل القريب، يخطط ألiper لبناء "نماذج رقمية للإنسان" لإجراء تجارب سريرية افتراضية، ما قد يُحدث ثورة في تطوير العلاجات المخصصة. ويؤكد أن صناعة الأدوية تواجه توقفًا في معدل الموافقة (حوالي 50 دواءً سنويًا)، وتحتاج إلى نمو سريع لمواجهة الأمراض المزمنة الناتجة عن الشيخوخة. وبحسبه، خلال 10 إلى 20 سنة، قد تتوفر خيارات علاجية أكثر للمرضى، خاصة في العلاجات الشخصية.