يستخدم معهد أكسفورد لاكتشاف الأدوية تقنيات الذكاء الاصطناعي و"رسوم المعرفة" (Knowledge Graphs) لتصفية وتحليل كميات هائلة من البيانات الطبية الحيوية، في خطوة من شأنها تسريع الوصول إلى علاجات محتملة لمرض الزهايمر.

يعكف الباحثون المتخصصون في دراسة الزهايمر على الاستفادة من قواعد بيانات مدعومة بالذكاء الاصطناعي لتسريع عملية اكتشاف الأدوية، وذلك من خلال تسهيل تحليل الكم الضخم من البيانات الطبية الحيوية المتوفرة. وبفضل هذه التقنيات، أصبح بإمكان العلماء في معهد أكسفورد لاكتشاف الأدوية في المملكة المتحدة تسريع عملهم في فحص الدوريات العلمية وقواعد البيانات بمعدل يقارب عشرة أضعاف، ما يساعدهم على تحديد أولويات الجينات أو البروتينات المرشحة للعمل عليها أسرع لتطوير أدوية محتملة.

ووفقًا لإيما ميد، كبيرة العلماء في المعهد، فقد اختار علماء الأحياء 54 جيناً من دراسة شاملة على مستوى الجينوم كانت مرتبطة بجهاز المناعة، وجميعها تُعد أهدافاً محتملة للاختبارات المخبرية. وتشمل هذه الأهداف تراكيب بيولوجية مثل الجينات أو البروتينات، وهي ما تسعى الأدوية المحتملة إلى التأثير عليه.

وتضيف ميد أن اختيار أهداف مناسبة لعلاج الزهايمر يُعد تحدياً معقداً نظراً لكثرة الجينات التي يمكن أن تسهم في زيادة خطر الإصابة، فضلاً عن العوامل البيئية والاجتماعية والاقتصادية المتداخلة التي لها دور في تطور المرض.

غير أن العامل الحاسم كان توظيف تقنية "رسم المعرفة"، وهي نوع من قواعد البيانات ذاع صيته قبل أكثر من عقد بفضل استخدامه من قبل محرك البحث غوغل. وقد ساعد هذا الرسم المعرفي فريق المعهد على تحليل خصائص تلك الجينات المستهدفة بسرعة عبر عدد كبير من المصادر، تشمل مكتبة الطب الوطنية الأميركية (PubMed)، ومجلات علمية متخصصة، إلى جانب قواعد بيانات داخلية خاصة بالمعهد.

وتشبه رسوم المعرفة الخرائط في طريقة عرضها للعلاقات بين الأشخاص، والأفكار، والوثائق. وقد بدأت صناعات عديدة، مثل تجارة التجزئة الرقمية، باستخدامها في السنوات الأخيرة لتقديم توصيات مخصّصة للمتسوّقين عبر الإنترنت.

أما في قطاع الأعمال، فتُدمج رسوم المعرفة بأسلوب يُعرف بـ"التوليد المعزز بالاسترجاع" (Retrieval-Augmented Generation – RAG) لضبط نماذج الذكاء الاصطناعي العامة التي تقدمها شركات مثل Anthropic وOpenAI. ويمكن ربط نماذج الذكاء الاصطناعي بقواعد بيانات من نوع مختلف تُعرف بـ"قواعد بيانات المتجهات"، التي تمثل المعلومات على هيئة متجهات رقمية.

فعلى سبيل المثال، تستخدم الشركات هذه الأساليب لتخصيص روبوتات المحادثة التي تبنيها، بحيث تتمكن من الرجوع إلى سياسات المؤسسة والإجابة على استفسارات الموظفين بدقة. وفي مجال الرعاية الصحية وعلوم الحياة، يمكن للمؤسسات الاستفادة من تنظيم مصادر بياناتها المتفرقة في شكل يشبه الخريطة، بدلاً من الاعتماد على قواعد البيانات العلائقية التقليدية، كما يوضح رادو ميكلاوس، المحلل في شركة غارتنر للأبحاث والاستشارات التقنية.

ومن خلال رسم المعرفة، يتمكن العلماء من تتبّع مصدر أيّ معلومة عن جين أو بروتين معيّن، سواء من مقال علمي محدد أو من قاعدة بيانات معينة، بحسب ما أوضحته مارتينا ماركوفا، مديرة المنتجات في شركة Graphwise، وهي شركة متخصصة في بناء رسوم المعرفة للمؤسسات.

وقد تعاون معهد أكسفورد لاكتشاف الأدوية مع شركة Graphwise لتخصيص رسم معرفي واسع النطاق يغطي بيانات أبحاث علوم الحياة الخاصة بهم. وقد مكّن هذا التعاون علماء المعهد من تقليص المدة الزمنية اللازمة لتحليل 54 جيناً من عدة أسابيع إلى بضعة أيام فقط، كما ساعدهم على تحديد مؤشرات حيوية قد تكون مرتبطة بهذه الجينات.

وينوي فريق إيما ميد إجراء اختبارات تحقق تجريبية على مجموعة فرعية من الجينات ذات الأولوية، وذلك للتأكد من أن هذه الأهداف قادرة على إحداث تغييرات في خلايا الدماغ تسهم في تطور المرض، ولمعرفة ما إن كانت قابلة للتعديل بالأدوية.

وتشير ميد إلى أن التوافر المتزايد للبيانات الطبية الحيوية في السنوات الأخيرة قد شكّل فرصة كبيرة للباحثين، شرط أن يكونوا قادرين على تفسير تلك البيانات. ولهذا، تُعد أدوات الذكاء الاصطناعي ورسوم المعرفة دعماً حيوياً للعلماء، سواء امتلكوا خلفية في المعلوماتية الحيوية أو لا. وتختتم بقولها: "بدون هذه الأدوات، قد يشعر الباحث بالضياع وسط هذا الكم من البيانات".