هل لديك نسخة رقمية مطابقة؟ أحدث التقنيات التي ستغير اختبارات المخدرات (النسخة الرقمية المطابقة)

هل تساءلت يومًا عن المدة التي استغرقتها تلك الحبة التي تناولتها هذا الصباح لتصل إليك؟ أولًا، تُجرى أبحاث مكثفة في المختبرات، ثم تُختبر على الحيوانات. ولكن قبل الموافقة على استخدامها للبشر، يجب اختبارها عليهم. وهذا ما نسميه التجربة السريرية. إنها عملية معقدة ومكلفة للغاية.

ببساطة، ما هي التجربة السريرية؟

ببساطة، تعمل التجربة السريرية على النحو التالي: يقوم الباحثون بتجنيد مرضى مصابين بالمرض الذي يستهدفه الدواء المطوّر حديثاً. ثم يتم تقسيم هؤلاء المتطوعين عشوائياً إلى مجموعتين.

1. يتم إعطاء المجموعة الأولى الدواء الجديد المراد اختباره.

2. أما المجموعة الثانية ، وهي "المجموعة الضابطة"، فتُعطى دواءً وهميًا لا يحتوي على أي مكون فعال ويبدو تمامًا مثل الدواء الحقيقي. ونسمي هذا الدواء "الدواء الوهمي".

إذا تحسنت أعراض أولئك الذين تناولوا الدواء الجديد في نهاية هذه التجربة أكثر من أولئك الذين تناولوا الدواء الوهمي، فإن هذا يثبت أن الدواء الجديد فعال.

يُعدّ إيجاد عدد كافٍ من المرضى المناسبين تمامًا للتجربة أحد أكبر التحديات في مثل هذه التجارب. حتى الأطباء أنفسهم قد لا يعرفون التجارب المناسبة لمرضاهم. كما أن خصائص المرضى الراغبين في المشاركة قد لا تتطابق مع متطلبات التجربة. مع ذلك، يُمكن للذكاء الاصطناعي أن يُسهّل هذه المهمة بشكل كبير.

تعرّف على "توأمك الرقمي"

تخيل أن لديك نموذجًا حاسوبيًا خاصًا بك، أي نسخة رقمية منك. هذا ما يُسمى "التوأم الرقمي". هذه مجرد "نماذج حاسوبية" تُحاكي كائنًا أو نظامًا حقيقيًا على جهاز كمبيوتر. ولكن عند عرضها رقميًا، فإنها تتصرف تمامًا مثل الشيء الحقيقي. أفضل مثال على ذلك هو عندما انفجر خزان أكسجين في مركبة أبولو 13 الفضائية، ساعدت ناسا في إصلاحه باستخدام "توأم رقمي" لنفس المركبة الفضائية تم بناؤه على الأرض.

يستطيع العلماء الآن إنشاء "توأم رقمي" للإنسان، إذا توفرت لديهم كمية كافية من البيانات. ويعتمد ذلك على تقنية الذكاء الاصطناعي المعروفة باسم "التعلم الآلي". ببساطة، يتضمن هذا تزويد برنامج حاسوبي بكمية كبيرة من البيانات وتركه يتعلم منها.

يتم إنشاء نسخ رقمية متطابقة للمرضى من خلال تدريب نماذج التعلم الآلي هذه باستخدام بيانات من تجارب سريرية سابقة وسجلات طبية شخصية لكل مريض. وبذلك، يستطيع النموذج التنبؤ بكيفية تغير صحة المريض خلال فترة التجربة في حال إعطائه دواءً وهميًا.أي أنه يتم إنشاء مجموعة تحكم مولدة بواسطة الكمبيوتر (مجموعة تحكم محاكاة) لنفس المريض.

والآن، دعونا نرى كيف يعمل هذا. لنفترض أن شخصًا يُدعى "سامادي" قد تم اختياره ليكون ضمن المجموعة التي تتلقى دواءً جديدًا. أما "التوأم الرقمي" لسامادي، وهو نموذج حاسوبي، فيوجد ضمن المجموعة الضابطة. يتنبأ هذا النموذج بما سيحدث لو تم إعطاء سامادي "دواءً وهميًا" بدلًا من الدواء الفعلي. في النهاية، يُعد الفرق بين استجابة سامادي الفعلية للدواء وما تنبأ به النموذج في حال تناوله "الدواء الوهمي" مقياسًا لمدى فعالية الدواء بالنسبة لسامادي.

دعونا نلقي نظرة على هذا الجدول لنرى بوضوح فوائد استخدام "التوائم الرقمية" بدلاً من فرق التحكم التقليدية.

على الرغم من أن هذه التقنية جيدة، ألا توجد بها مشاكل؟

رغم أن هذه التقنية تحمل في طياتها وعوداً كبيرة للمستقبل، إلا أنها لم تُستخدم على نطاق واسع بعد. ولعلّ هناك أسباباً وجيهة لذلك. فكما يشير الدكتور دانيال نيل، الخبير في مجال "التعلم الآلي"، تعتمد هذه النماذج على كميات هائلة من البيانات. كما أن الحصول على بيانات عالية الجودة من الأفراد أمر بالغ الصعوبة.

ثمة مشكلة أخرى تتمثل في الآثار الجانبية النادرة وغير المتوقعة التي قد يسببها الدواء. غالباً ما لا يشملها النموذج المصمم لمجموعة المقارنة.

لكن أكبر مخاوف الدكتور نيل هي أن هذا النموذج التنبؤي مبني على افتراضات "الوضع الراهن". تخيل حدثًا كبيرًا غير متوقع مثل جائحة كوفيد-19 التي تُغير سلوك الجميع وتُصيب الناس بالمرض. يقول: "النماذج الضابطة لا تأخذ هذا في الحسبان". حينها، وبسبب هذه الأحداث التي لم تأخذها المجموعة الضابطة في الاعتبار، قد تكون النتائج النهائية للتجربة مختلفة تمامًا.

هل يمكن استخدام هذا حقاً؟ ماذا يخبئ لنا المستقبل؟

يرى إريك توبول، الخبير في استخدام التكنولوجيا الرقمية في الرعاية الصحية، أن الفكرة رائعة، لكن الوقت لم يحن بعد. ويقول: "لا أعتقد أن التجارب السريرية ستشهد تغييراً في المستقبل القريب، لأنها تتطلب طبقات متعددة من البيانات، تتجاوز مجرد السجلات الصحية، مثل تسلسل الجينوم، وميكروبيوم الأمعاء، والبيانات البيئية".

بحسب تشارلز فيشر، مؤسس شركة Unlearn.AI الرائدة في هذا المجال، توجد بالفعل حلول لمشكلتي خصوصية البيانات والتحيز. ويقول: "الخصوصية أمر سهل، فنحن لا نتعامل إلا مع البيانات التي تم إخفاء هوية أصحابها مسبقاً".

عند الحديث عن التحيز، يقول إنه على الرغم من أن المسألة لم تُحل تمامًا، إلا أنها لا تؤثر على نتائج الدراسة. ولأن الدراسات عشوائية، فحتى لو وُجد بعض التحيز في البيانات، فإنه لا يؤثر على النتائج. ومع ذلك، يخالف بعض الخبراء هذا الرأي، إذ يقولون:لأنك تقارن شخصًا حقيقيًا بنموذج حاسوبي، فإن أي خطأ في هذا النموذج يمكن أن يؤثر بشكل مباشر على النتائج.

مع ذلك، تتعاون شركة Unlearn.AI بالفعل مع شركات الأدوية لتصميم تجارب سريرية لأمراض عصبية مثل الزهايمر وباركنسون والتصلب المتعدد. وقد اختارت هذه الأمراض كنقطة انطلاق جيدة نظرًا لتوافر بيانات أكثر عنها مقارنةً بغيرها. ويقول فيشر إنه إذا أمكن تطبيق هذه الطريقة يومًا ما على جميع الأمراض، فسيؤدي ذلك إلى تقليص الوقت اللازم لطرح الأدوية الجديدة في السوق بشكل ملحوظ.