روﻻ خلف ، محررة صحيفة فايننشال تايمز ، تختار قصصها المفضلة في هذا النشرة الأسبوعية. دورة النمو المهيبة للذكاء الاصطناعي تعتمد على الإعلانات البراقة التي تكسر الأرقام القياسية. في أبريل ، قدمت شركة الاستثمار الناشئة في سان فرانسيسكو ، شركة Xaira ، إعلانًا مذهلاً بجمعها مليار دولار في إحدى أكبر إطلاقات قطاع الأدوية على الإطلاق. تزعم Xaira أن تطوير الأدوية على شفاه ثورة الذكاء الاصطناعي. وهي ليست وحدها في ذلك. يُقدم ديميس حاسابيس ، مؤسس شركة جوجل ديب مايند ، الشهيرة بحل تحدي شكل البروتين البالغ من العمر 50 عامًا ، حجة بأن علم الأحياء قد يكون “مثاليًا” للذكاء الاصطناعي ، حيث إنه نظام معالجة معلومات بشكل أساسي. ويترأس Isomorphic Labs ، فرع الأدوية المعتمدة على الذكاء الاصطناعي التابع لشركة ألفابيت ، الذي وافق على شراكات تصل قيمتها حتى 3 مليار دولار مع كل من إلي ليلي ونوفارتس. تهدف إلى تقليص مرحلة اكتشاف الدواء إلى سنتين فقط.
ويتم تطوير أرقام متزايدة من المركبات المستمدة من الذكاء الاصطناعي. وقد حددت منظمة الصحة العالمية ما لا يقل عن 73 مركباً ، على الرغم من أنه لم يتم اعتماد أي منها حتى الآن للاستخدام في البشر. تقترب بعض الشركات من ذلك. فقد كانت Insilico Medicine ، التي تقدمت مؤخرًا بطلب للاكتتاب العام الأولي في هونغ كونغ ، أول من نجح في تصميم دواء بمساعدة الذكاء الاصطناعي وإدخاله إلى المرحلة الثانية من التجارب السريرية. ومع ذلك ، لا يزال الذكاء الاصطناعي ليس بديلاً للتجربة التي تستند على فهم المرض. قد واجهت القطاع بالفعل مشاكل. في يوم إطلاق Xaira ، أعلنت شركة BenevolentAI عن إجراءات تسريح جماعي هامة. يحاول فريق العملة الرقمية التابع لشركة مقرها لندن أن يجمع بين الذكاء البشري والآلي ، ولكن أسهمها خسرت 94 في المئة من قيمتها منذ الذهاب للافتتاحية بقيمة تقدر بنحو 1.5 مليار يورو في ديسمبر 2021 من خلال دمج مع شركة الاستحواذ ذات الغرض الخاص. فتطوير الأدوية الجديدة الابتكارية مكلف وغير كفء. لا ينقص صناعة الأدوية من الأموال أو الحافز عندما يتعلق الأمر بتحسين نسب نجاح اكتشاف الدواء باستخدام الذكاء الاصطناعي. وقد حصلت حوالي 200 شركة ناشئة تعتمد على الذكاء الاصطناعي على أكثر من 18 مليار دولار في الفترة حتى عام 2023 ، وفقًا للاستشاريين في BCG. يختلف كلا من استخدام الذكاء الاصطناعي ونسب النجاح. فاستخدام الحواسيب في تصميم الأدوية ليس جديدًا على الإطلاق ، بدءًا من فترة السبعينيات. الإدراكات لا تزال جيدة بقدر البيانات المستخدمة لتدريب النماذج. يعرقل التنبؤ بسمية مرشحي الدواء بسبب قلة المعلومات المتاحة علنًا أو صلة هذه المعلومات. يوجد الكثير من البيانات حول نطاقات البحث الرابحة والمحبوبة بشكل حار مثل السرطان ، على سبيل المثال. هناك قليل حول المجالات المهملة نسبيًا مثل الصحة العقلية أو الأمراض المعدية. الذكاء الاصطناعي ليس حلاً سحريًا لهذه المشاكل. يمكن ملء الفجوات في البيانات من خلال التجربة ، ولكن يستغرق الأمر وقتًا وميزانية كبيرة.
