Google توسّع تعاونها مع العلماء لتشخيص الأمراض وعلاجها باستخدام الذكاء الاصطناعي

نشرت Google في مدونتها الرسمية مادة تشرح فيها كيف تحاول، بالتعاون مع علماء وشركاء بحثيين، جعل الأمراض أكثر قابلية للاكتشاف والعلاج والوقاية. الطموح كبير، لكن الجزء المتاح من الإعلان لا يتضمن أي أرقام: لا أسماء نماذج، ولا مقاييس، ولا قائمة بالشركاء السريريين. لذلك نستعرض ما قيل صراحةً، ونقارنه بما أنجزته Google فعلًا في مجالَي الأحياء والطب. وللمقارنة في الحجم: تضم قاعدة AlphaFold أكثر من 200 مليون بنية بروتينية متوقعة، وقد نال ديميس هاسابيس وجون جامبر عن هذا العمل جائزة نوبل في الكيمياء لعام 2024.

ما الذي قيل في الإعلان

الصياغة بسيطة: الشركة تعمل مع العلماء لتحسين صحة الناس في ثلاثة اتجاهات. الأول هو اكتشاف الأمراض، أي التشخيص والفحص المسحي. الثاني هو العلاج، بدءًا من فهم بيولوجيا المرض وصولًا إلى البحث عن فرضيات علاجية. الثالث هو الوقاية. وبلا تفاصيل محددة، يبدو الإعلان بيانًا عن اتجاه عام أكثر منه إطلاقًا لمنتج. ولا يرد في النص أي مؤشر يتيح مقارنة العمل الجديد بالأعمال السابقة.

على ماذا يستند هذا الإعلان

لدى Google رصيد ملموس في الرعاية الصحية والأحياء. هذه أبرز المشاريع التي تُذكر عادةً في هذا السياق:

• AlphaFold: التنبؤ ببنية البروتينات، وقاعدة بيانات مفتوحة تضم أكثر من 200 مليون سجل؛
• Med-PaLM 2: حقق النموذج في عام 2023 نسبة 86,5% في أسئلة بصيغة امتحان USMLE الطبي؛
• AMIE: نظام حواري بحثي يُجري محادثات تشخيصية مع المريض؛
• AlphaGenome: نموذج يحلّل المناطق التنظيمية في الحمض النووي على متواليات يصل طولها إلى 1 مليون زوج قاعدي؛
• Cell2Sentence-Scale: عائلة نماذج لتحليل بيانات الخلايا المفردة، طُوّرت بالتعاون مع جامعة ييل، وتبلغ أكبر نسخة منها 27 مليار معامل؛
• ARDA: فحص اعتلال الشبكية السكري من صور قاع العين.

لا يتضح أيٌّ من هذه المشاريع سيدخل في الإعلان الجديد. لكن المنطق واضح: البيولوجيا البنيوية وعلم الجينوم وبيانات الخلايا والتشخيص السريري تشكّل سلسلة تمتد من الفرضية المخبرية إلى المريض.

أين تتعثر مثل هذه المشاريع عادةً

النموذج الذي يحل اختبارًا جيدًا لا يعمل بالضرورة في العيادة. بين المعيار القياسي (البنشمارك) ووصف العلاج ثلاثة حواجز. الأول هو البيانات: المجموعات الطبية مجزأة، ومنحازة بحسب الفئات السكانية، ومغلقة بقواعد الخصوصية. الثاني هو التحقق: المطلوب دراسات استباقية، لا مراجعة استعادية للأرشيفات. الثالث هو التنظيم: تقيّم FDA وEMA وما يماثلهما البرمجيات المؤثرة في التشخيص بطرق مختلفة.

وهناك جانب تنظيمي داخلي أيضًا. عبارة «بالتعاون مع العلماء» تعني أن جزءًا من النتائج سيُنشر في مجلات محكّمة وسيخضع لتحقق مستقل. هذه إشارة جيدة، لكنها لا تغني عن البيانات السريرية. أما الدواء المرشح الذي يجده النموذج في المحاكاة، فعليه أن يجتاز اختبارات ما قبل السريرية وثلاث مراحل من الدراسات، وهذا يستغرق سنوات وتصاحبه نسبة استبعاد مرتفعة.

كيف نقرأ مثل هذه الإعلانات

ما دامت المدونة تخلو من التفاصيل، فطرح الأسئلة أجدى من استخلاص النتائج. إذا كنت تعمل في التقنيات الطبية أو الصناعات الدوائية أو تستثمر في هذا القطاع، فتحقق من أربعة أمور عند صدور التفاصيل:

• هل توجد دراسة منشورة محكّمة تصف المنهج والقيود؟
• على أي فئات سكانية وفي أي دول اختُبر النموذج؟
• هل الأوزان أو API أو البيانات متاحة لإعادة الإنتاج المستقلة؟
• ما الوضع التنظيمي: أداة بحثية، أم برمجية معتمدة، أم تجربة تجريبية في عيادة؟

بالنسبة إلى المطورين والشركات الناشئة، السؤال العملي الأهم هو: هل ستتيح Google الوصول إلى النماذج والبيانات؟ إذا فعلت، فسينمو حولها نظام بيئي بسرعة، كما حدث مع AlphaFold. وإن لم تفعل، فسيبقى الإعلان مجرد استعراض لاهتمام الشركة بسوق الصحة. وستعود التحرير إلى الموضوع عند ظهور الوثائق والأرقام.