يقول خبراء الذكاء الاصطناعي إن معظم الأمراض يمكن علاجها خلال 5 إلى 10 سنوات، لكن بيرنشتاين يقول انتظر قليلاً. في 26 أغسطس، نشر بيرنشتاين تقريرًا عن صناعة الأدوية الحيوية الأمريكية، وقام بتحليل منهجي للتقدم الحقيقي للذكاء الاصطناعي في تطوير الأدوية: حوالي 70 مشروعًا مدعومًا بالذكاء الاصطناعي دخلت مرحلة التطوير السريري، ومعظمها لا يزال في مراحل مبكرة، والاختبار الحقيقي سيأتي خلال السنوات الثلاث إلى الخمس القادمة.
قال رئيس تنفيذي DeepMind، ديميس هاسابيس: "ربما يمكن للذكاء الاصطناعي علاج جميع الأمراض خلال 10 سنوات"، بينما ذهب رئيس تنفيذي Anthropic، داريو أموديي، إلى أبعد من ذلك: "علاج معظم الأمراض البشرية خلال 5 إلى 10 سنوات". يرى برنستين أن هذه التصريحات تشبه أكثر دفاعًا عن القيمة الاجتماعية للذكاء الاصطناعي، دون أن تستند إلى واقع تطوير الأدوية. فكل طبقة — من اكتشاف الهدف إلى التجارب السريرية، ثم قدرة النظام الصحي على استيعابها — تمثل عقبة. قد يُسرّع الذكاء الاصطناعي بعض المراحل، لكن البيولوجيا يجب أن تُختبر في جسم الإنسان في النهاية، وهذا الإيقاع لا يمكن تقليله بواسطة الخوارزميات.
زيادة معدل النجاح أكثر قيمة من تسريع السرعة
حسب تقدير بيرنشتاين، فإن العائد على الاستثمار الناتج عن زيادة معدل النجاح بنسبة 20% يفوق بكثير توفير الوقت والتكلفة بنفس النسبة. تتركز تكاليف الفشل في المراحل المتأخرة، لذا فإن تجنب الفشل أكثر قيمة من تسريع العملية.
تأثير الذكاء الاصطناعي على معدل النجاح يعتمد على نوع المشكلة التي يحلها. إذا كان الذكاء الاصطناعي يستخدم أساسًا لتحسين الجزيئات المستهدفة المعروفة، فقد يرتفع معدل النجاح، لكن قيمة هذه "المشاكل السهلة" محدودة. أما إذا استُخدم الذكاء الاصطناعي لمعالجة الأمراض الصعبة التي لا يُفهم فهمًا كافيًا من الناحية البيولوجية، فحتى لو كان معدل النجاح الكلي منخفضًا، فإن القيمة المُنشأة تكون أكبر.
أشار برنشتاين إلى استنتاج غير بديهي: كلما زاد استخدام الذكاء الاصطناعي، زادت الحاجة المحتملة إلى التجارب المعملية. تواجه أصعب المشكلات نقصًا شديدًا في بيانات التدريب، حيث يتطلب إنشاء بيانات جديدة استثمارات تجريبية كبيرة. الذكاء الاصطناعي والتجارب المعملية مكملان لبعضهما البعض. تكلفة إجراء تجربة معملية إضافية أقل بكثير من تكلفة فشل مشروع في مراحله المتقدمة.
توزيع الذكاء الاصطناعي في شركات الأدوية: إيلي الأوسع، آمجين الأعمق، روش الأثقل في قوة الحوسبة
قام بيرنشتاين بتوثيق 183 شراكة للكشف عن الأدوية بالذكاء الاصطناعي بين 15 شركة دوائية كبيرة. تختلف الاستراتيجيات بشكل ملحوظ بين الشركات.
تتمتع إيلي بأوسع شبكة شراكات خارجية، حيث أجرت 25 صفقة منذ عام 2019، بدفعات أولية علنية قدرها حوالي 353 مليون دولار أمريكي. وتشمل شركاء التعاون Insilico Medicine وProfluent وVerge Genomics وGenesis Therapeutics. كما تمتلك إيلي مختبر NVIDIA Co-Innovation AI، مما يجعلها الأكثر توازناً بين الاتساع الخارجي والقدرة الحاسوبية الداخلية.
روش تحتل المرتبة الثانية بـ 20 شراكة، مع تركيز واضح على الأورام (8 شراكات) وعلم الأعصاب (4 شراكات). وصفت بيرنشتاين مصنع Genentech الهجين للذكاء الاصطناعي بأنه "أكبر تثبيت محلي لوحدات GPU تم الإعلان عنه في الصناعة". وتمثل شراكة Recursion بقيمة 1.2 مليار دولار أكبر صفقة فردية.
أمين لديها أقل عدد من الشراكات الخارجية (5 شراكات)، وأكثر توزيعات الذكاء الاصطناعي والقدرة الحسابية تميزًا من الداخل. توفر deCODE Genetics، التي تم شراؤها في عام 2012، محركًا رائدًا في علم الجينوم السكاني، يمكنه تحديد وتأكيد التغيرات الوراثية المرتبطة بالأمراض لتحديد أولويات الأهداف. قامت أمين بتدريب خمسة نماذج لغوية خاصة للجسم المضاد على نظام DGX SuperPOD المحلي، مما يوفر حواجز بيانات واضحة.
عدد صفقات أسترازينيكا: 19، مع تركيز اقتصادي عالٍ على ثلاث اتفاقيات مع مجموعة CSPC للصناعات الدوائية، والتي تمثل الجزء الأكبر من المدفوعات المقدمة المعلنة.
تتركز جميع التعاونات العشرة لنيوفو في عام 2022 أو بعده، وسبعة منها تستهدف أمراض القلب والأوعية الدموية والتمثيل الغذائي والكلى، مما يجعلها أكبر شركة أدوية تركّز بشكل أكبر على هذا المجال العلاجي.
أكبر عدد من الشراكات على مستوى المنصة لشركة فايزر (9 شراكات على نطاق كامل خطوط المنتجات)، وتعود علاقات نماذج الذكاء الاصطناعي الأساسية إلى عام 2016 مع IBM Watson، ولم يتم تحديد أي شراكات في مجال الحوسبة المخصصة.
أكد برنشتاين أن جميع هذه أمور تقييمات خارجية، وأن دمج الجودة والتحول الثقافي الداخلي يصعب قياسه.
الذكاء الاصطناعي في التكنولوجيا الحيوية: الأصول السريرية هي المعيار الحقيقي
حوالي 70 مشروعًا مدعومًا بالذكاء الاصطناعي تتركز بشكل رئيسي على الشركات المدرجة، وتختلف تعريفاتها بشكل كبير، من إعادة توجيه الأدوية بالذكاء الاصطناعي إلى اكتشاف الأهداف بالذكاء الاصطناعي وتصميم الجزيئات بالذكاء الاصطناعي، مع نطاق واسع جدًا.
Rentosertib الخاص بـ Insilico هو مثال نموذجي للدواء المُصمم بالذكاء الاصطناعي من البداية إلى النهاية. حددت منصة الذكاء الاصطناعي PandaOmics TNIK كهدف لمرض التليف الرئوي Idiopathic، وصممت Chemistry42 الجزيئات باستخدام الذكاء الاصطناعي التوليدي، حيث استغرق الأمر حوالي 18 شهرًا من الفرضية المستهدفة إلى المرشح ما قبل السريري. الدواء دخل المرحلة الثالثة، ومن المتوقع أن تُكشف النتائج الرئيسية في أكتوبر 2029، وهي واحدة من أهم نقاط البيانات في صناعة الأدوية المدعومة بالذكاء الاصطناعي.
تعمل Recursion مع روش وباير وسانوفي من خلال اكتشاف الأهداف المدعومة بالتصوير الخلوي والمتعدد العوامل.
Generate Biomedicines تُصمّم أدوية بروتينية، وقد دخل GB-0895 (جسم مضاد TSLP) المرحلة الثالثة للتحقق من إمكانية تحويل البروتينات المصممة بالذكاء الاصطناعي إلى خطط توصيل متميزة.
تُصمم Relay Therapeutics الأدوية من خلال نمذجة حركة البروتين، وقد دخل zoogalalisib (مثبط PI3Kα) المرحلة الثالثة لاختبار ما إذا كان يمكن تحسين نافذة العلاج من خلال التحديد التكويني.
تستخدم Schrödinger استراتيجية تعتمد على الحسابات الفيزيائية، وقد تم تقديم طلب تسويق لـ Zasocitinib (مثبط TYK2). لقد تم التحقق سريرياً من هذا الهدف من قبل deucravacitinib التابع لـ BMS، وبالتالي يجب اعتباره مثالاً ناجحاً على التحسين المدعوم بالحسابات، حيث لم يُظهر الذكاء الاصطناعي أي اختراق في اكتشاف أهداف جديدة. استغرق الأمر من اختيار الهدف إلى الاختبار السريري ما بين 8 إلى 10 سنوات، دون تقصير خط الزمن القياسي للصناعة.
بيانات موافقة إدارة الأغذية والعقاقير لم تُظهر بعد تأثير الذكاء الاصطناعي
في الخمس سنوات الأخيرة، وافقت إدارة الأغذية والعقاقير على متوسط 48.5 دواء جديد سنويًا، وهو ما يزيد بنسبة حوالي 43% مقارنة بمتوسط 33.8 دواء جديد سنويًا بين عامي 1985 و2025. وتعتقد بيرنشتاين أن هذا يعكس بشكل أكبر تحديث التنظيم، وصعود الأدوية الحيوية، وتأثير التراكمي للاستثمارات السابقة في البحث والتطوير، حيث لم يُلاحظ بعد تأثير مرئي للذكاء الاصطناعي على بيانات الموافقة. نظرًا لأن حجم مصادر الذكاء الاصطناعي لا يزال صغيرًا ويحتاج التحقق السريري إلى وقت، فلن يتغير هذا الوضع في المدى القريب.
استنتاجات بيرنشتاين واقعية. لقد لعب الذكاء الاصطناعي دورًا في تصميم الجزيئات والفرز الافتراضي واكتشاف الأهداف، مع دخول بعض المشاريع المبكرة مرحلة سريرية متقدمة. "شفاء جميع الأمراض" يتطلب التغلب على عوائق متعددة تشمل فهم البيولوجيا، والتجارب السريرية، والموافقات التنظيمية، وسعة النظام الصحي، وهي مشكلات لا يمكن حلها من خلال تكرار الخوارزميات. قد تكمن قيمة الذكاء الاصطناعي في صناعة الأدوية في مساعدة الصناعة على اتخاذ قرارات أفضل، وليس في تسريع العمليات. الإجابة الحقيقية ستكون متاحة بعد 3 إلى 5 سنوات.
Disclaimer
هذا المقال هو تلخيص وتفسير من قبل Chaoxiang Research لتقرير بحثي صادر عن وسيط مالي خارجي (برنشتاين، 26 أغسطس 2026)، مع دمج معلومات السوق المفتوحة. جميع التصنيفات وأسعار الهدف وتوقعات الأرباح والقرارات المذكورة في هذا المقال تعبر عن آراء محللي الوسيط، وتمثل موقف المؤسسة التي ينتمون إليها فقط، ولا تعكس آراء Chaoxiang Research، ولا تشكل أي نصيحة استثمارية.
السوق يحمل مخاطر، ويجب اتخاذ القرارات بشكل مستقل. لا ينبغي اعتبار هذا المقال أساسًا للشراء أو البيع لأي أوراق مالية.
كتابة: ريتا