در صبحی مهآلود در یکی از مراکز درمانی اروپا، بیماری که با تشخیص «تومور جامد» مواجه شده، روی تخت معاینه نشسته است. هنوز نام دارویی که برای او تجویز شده فقط یک کد است: «او کِی اِن ۴۳۹۵». نه پزشک و نه بیمار به طور قطع نمیدانند که این دارو
تا کجا پیش خواهد رفت و به نتیجه خواهد رسید.آنچه قطعی است، این است که مسیر رسیدن این مولکول خاص به این اتاق درمانی، یک مسیر عادی و سنتی نبوده است. این دارو نه در سکوت و انزوای یک آزمایشگاه سنتی، بلکه در امتداد سالها تحلیل داده، اجرای
الگوریتمهای پیچیده و تصمیمهای پرریسک شکل گرفته است.این تصمیمها در یک شرکت فرانسوی به نام «اوکین» گرفته شد؛ جایی که هوش مصنوعی قرار بود وعدهای قدیمی را عملی کند: کوتاهکردن راه طولانی میان کشف علمی و درمان واقعی. داروسازی مدرن سالهاست
با یک تناقض جدی دستبهگریبان است.از یک سو، زیستشناسی انسان هر روز پیچیدهتر به نظر میرسد؛ از سوی دیگر، هزینه و زمان توسعه هر داروی جدیدی به شکل سرسامآوری افزایش یافته است. آمارها نشان میدهند که بخش بزرگی از داروها هرگز از مرحله
آزمایش بالینی عبور نمیکنند.
پراکندگی و محرمانه بودن دادهها، گلوگاه توسعه دارو بود
شکستها در مسیر توسعه دارو معمولاً بسیار دیر اتفاق میافتند؛ یعنی زمانی که میلیاردها دلار هزینه شده و بیماران به درمانهای جدید امید بستهاند. مسئله فقط کمبود دادههای خام پزشکی نیست، بلکه پراکندگی شدید این دادهها و عدم دسترسی به آنها
است.اطلاعات حیاتی بیماران در بیمارستانها باقی میماند، دادههای مولکولی محرمانه در شرکتهای داروسازی محصور شده است و قوانین سختگیرانه مربوط به حریم خصوصی، انتقال و جابهجایی این دادهها را تقریباً ناممکن کرده است.در
چنین فضای دشواری، در سال ۲۰۱۶ شرکتی در شهر پاریس شکل گرفت که بنیانگذار آن یک پزشک متخصص بود. توماس کلوزل، متخصص سرطانشناسی (انکولوژیست)، تجربه بالینی خود را با دغدغهای عمیق وارد حوزه فناوری و هوش مصنوعی کرد.او بارها با بیمارانی مواجه
شده بود که درمان مناسب را دیر دریافت میکردند یا اصولاً درمانی برای بیماری آنها وجود نداشت. کلوزل و همبنیانگذارش ژیل ونریب، پژوهشگر حوزه «یادگیری ماشین»، به این نتیجه رسیدند که مشکل فقط «نداشتن الگوریتم بهتر» نیست، بلکه این است که الگوریتمها به دادههایی
نیاز دارند که اجازه دسترسی به آنها وجود ندارد. شرکت «اوکین» دقیقاً از همین نقطه متولد شد.
روش «یادگیری فدرال»، مدلها را به جای دادهها جابهجا کرد
راهحلی که شرکت «اوکین» برای غلبه بر مشکل محرمانگی دادهها انتخاب کرد، در آن زمان هنوز به یک جریان اصلی تبدیل نشده بود و آن روش «یادگیری فدرال» نام داشت. ایده اصلی ساده بود، اما اجرای آن به لحاظ فنی پیچیدگیهای زیادی داشت.بهجای
انتقال دادههای خام بیماران، مدلهای هوش مصنوعی به سراغ خود دادهها میرفتند، در همان محل و محیط بیمارستان آموزش میدیدند، و در نهایت تنها وزنها و پارامترهای آموزشدیده به اشتراک گذاشته میشد. دادههای خام هرگز بیمارستان را ترک نمیکردند.اما
دانش استخراجشده از این دادهها، میتوانست به راحتی میان مراکز مختلف جریان یابد. این ایده در عمل، در پروژهای اروپایی به نام «ملودی» مورد آزمون قرار گرفت؛ یک کنسرسیوم اروپایی که چندین شرکت بزرگ داروسازی را کنار هم نشاند.این شرکتها توانستند
بدون آنکه مجبور به افشای اسرار دادهای خود باشند، همکاری کنند. شرکت «اوکین» یکی از بازیگران محوری این پروژه بود. نتیجه، پلتفرمی بود که نشان داد میتوان بدون نقض محرمانگی، مدلهایی با عملکردی بهتر از مدلهای منفرد ساخت.
انتشار یک مقاله علمی، اعتماد صنعت داروسازی را جلب کرد
نقطه عطف بعدی، نه در یک بیانیه تجاری ساده، بلکه در یک مقاله علمی بسیار مهم اتفاق افتاد. ژانویه ۲۰۲۳، مجله «نیچر مدیسین» پژوهشی را منتشر کرد که در آن «اوکین» و همکارانش نشان دادند که با استفاده از یادگیری فدرال میتوان پاسخ بیماران مبتلا
به نوع خاصی از سرطان سینه به شیمیدرمانی را پیشبینی کرد.این کار با تحلیل تصاویر دیجیتال پاتولوژی از چندین بیمارستان مختلف انجام شده بود. دادهها از مراکز گوناگون جمعآوری شده بودند، بدون آنکه در یک جای واحد متمرکز شوند و این امر بسیار
مهم بود.مدل هوش مصنوعی توانسته بود الگوهایی را شناسایی کند که پیشتر برای چشم انسان یا روشهای کلاسیک پزشکی کاملاً نامرئی و غیرقابل تشخیص بودند. در متن مقاله تأکید شده بود که این نخستین بار است که چنین رویکردی در مقیاس چندمرکزی و واقعی
اجرا میشود.برای «اوکین»، این فقط یک موفقیت دانشگاهی نبود؛ این مقاله یک سند رسمی بود که نشان میداد زیرساخت هوشمند و روش انتخابی شرکت میتواند از سطح نظریههای صرف عبور کند و به تصمیمهای واقعی و بالینی درمانی نزدیک شود.
سرمایهگذاریهای عظیم، هوش مصنوعی را به یونیکورن تبدیل کرد
پیش از آنکه این مقاله مهم منتشر شود، صنعت داروسازی نشانههایی از اعتماد عمیق خود را به این رویکرد جدید نشان داده بود. شرکت «سانوفی»، یکی از بزرگترین شرکتهای داروسازی جهان، در سال ۲۰۲۱ تصمیم گرفت ۱۸۰ میلیون دلار در شرکت «اوکین» سرمایهگذاری
کند.این سرمایهگذاری سنگین، «اوکین» را به جمع استارتاپهای «یونیکورن» (شرکتهای نوپای بیش از یک میلیارد دلار ارزش) رساند، اما مهمتر از عدد، پیام این سرمایهگذاری بود: هوش مصنوعی، اگر بتواند ریسک توسعه دارو را کاهش دهد، ارزش سرمایهگذاری
و شرطبندی مالی را دارد.پس از «سانوفی»، نامهای بزرگ دیگری نیز به این همکاری اضافه شدند: «بریستول مایرز اسکوئیب»، «سرویر» و «ام اس دی». هر همکاری جدید، دامنه دادهها و کاربردهای بالقوه هوش مصنوعی را به شکلی فزاینده گسترش میداد.شرکت
«اوکین» دیگر صرفاً یک شرکت فناوری نبود؛ بلکه به تدریج به یک بازیگر فعال و تأثیرگذار تبدیل میشد که در تصمیمهای واقعی توسعه دارو و مسیر تحقیقاتی نقش تعیینکننده داشت.
انتخاب یک مولکول دارویی توسط سیستم هوش مصنوعی تأیید شد
تا این مرحله، شرکت «اوکین» بیشتر در حوزه تشخیص و پیشبینی پاسخ درمان فعال بود. اما پرسش اصلی و کلیدی همچنان باقی مانده بود: آیا هوش مصنوعی میتواند در خود فرآیند کشف دارو نیز مداخله کند و نقش اصلی را داشته باشد؟پاسخ
این پرسش، در سال ۲۰۲۴ شکل گرفت؛ زمانی که «اوکین» اعلام کرد که از پلتفرم داخلی خود، که با نام «کِی ۱.۰» شناخته میشود، برای انتخاب یک داروی درونشرکتی استفاده کرده است. این سیستم هوشمند، از انتخاب هدف مولکولی تا طراحی مسیر بالینی، دادههای متنوع را در کنار
هم قرار میداد.نتیجه نهایی این فرآیند پیچیده، مولکولی با کدی مشخص بود: «او کِی اِن ۴۳۹۵». طبق توضیحات رسمی شرکت، این دارو یک «مهارکننده سهگانه» است؛ ترکیبی که میتواند مسیرهای التهابی و ایمنی مرتبط با رشد تومور را هدف بگیرد.نکته
مهم در این مرحله، نه ادعای اثربخشی، بلکه مسیر انتخاب دارو بود. «اوکین» تأکید کرد که این دارو نخستین برنامه توسعهای شرکت است که از آغاز تا طراحی بالینی، با اتکا به سیستم هوش مصنوعی آنها پیش رفته است.
اولین داروی منتخب هوش مصنوعی وارد فاز آزمایش انسانی شد
ژانویه ۲۰۲۵، بیانیهای کوتاه اما بسیار معنادار منتشر شد: نخستین بیمار در کارآزمایی بالینی «فاز یک» داروی «او کِی اِن ۴۳۹۵» دوز دارو را دریافت کرده است. در این بیانیه آمده بود که این برنامه، اولین نمونه از داروی «بهینهسازیشده با هوش مصنوعی»
شرکت «اوکین» است که وارد مرحله بالینی میشود.این دارو برای بیماران مبتلا به تومورهای جامد طراحی شده و هدف اولیه، ارزیابی ایمنی و تحملپذیری آن در بدن انسان است. این لحظه، اوج یک مسیر چندساله و پرچالش بود که با تکیه بر فناوری شکل گرفته
بود.از دادههایی که هرگز جابهجا نشدند، از الگوریتمهایی که بیسروصدا در سرورهای بیمارستانی آموزش دیدند، تا تصمیمهایی که هیئتمدیره شرکتهای عظیم را قانع کرد. اکنون، نتیجه همه اینها در بدن یک انسان آزمایش میشد.هیچ
تضمینی برای موفقیت وجود نداشت؛ فاز یک معمولاً بیش از آنکه وعده بدهد، سؤال ایجاد میکند. اما همین که یک داروی منتخب با اتکا به زیرساخت هوش مصنوعی به این مرحله رسیده بود، برای صنعت داروسازی معنای تاریخی و مهمی داشت.
امید بیماران، محصول جانبی فناوری درمانی شد
در تمام این سالها، بیماران اغلب در متن بیانیههای رسمی نامی نداشتند. آنها فقط در قالب «داده»، «اسلاید پاتولوژی» یا «نمونه بالینی» ظاهر میشدند. اما تأثیر واقعی تصمیمها، در نهایت بر زندگی همین افراد سنگینی میکند و هدف اصلی است.«اوکین»
در توضیحات خود بارها بر این نکته تأکید کرده که هدف نهایی، پزشکی دقیق است؛ یعنی درمانی که نه برای «بیماری»، بلکه برای «بیمار مشخص» و منحصربهفرد طراحی شود.مطالعه «نیچر مدیسین» نشان داد که میتوان از تصاویر بافتی، اطلاعاتی استخراج کرد
که پاسخ درمان آینده را پیشبینی میکند. اگر این مسیر در آینده تثبیت شود، بیماران ممکن است پیش از تحمل عوارض سنگین شیمیدرمانی، بدانند آیا احتمال پاسخ وجود دارد یا نه.این وعده بزرگ، همان جایی است که فناوری از سطح یک ابزار صرف، به سطح
یک امید جدید برای بیماران و خانوادههای آنها نزدیک میشود.
اعتبارسنجی و نظارت، مسیر آتی داروی هوشمند را تعیین میکند
با وجود همه این پیشرفتها، مسیر شرکت «اوکین» عاری از تردید و چالشهای جدی نیست. خود شرکت نیز در بیانیهها و مقالات علمی خود، بر محدودیتها و مشکلات موجود تأکید کرده است. مدلهای هوش مصنوعی در پزشکی با چالش ناهمگونی دادهها روبهرو هستند.دادههای
جمعآوریشده یک بیمارستان با دادههای بیمارستان دیگر یکسان نیست. انتقال نتایج پژوهشی به جمعیت واقعی نیازمند اعتبارسنجیهای گسترده و دقیق است. از سوی دیگر، نهادهای نظارتی با احتیاط به استفاده از الگوریتمها در تصمیمهای بالینی نگاه میکنند.همین
تردیدهاست که روایت را از تبلیغات ساده جدا میکند. «اوکین» نه نخستین شرکتی است که وعده شتاب در داروسازی را میدهد و نه آخرین آن خواهد بود. تفاوت در این است که مسیر طیشده، با مقالات داوریشده، همکاریهای صنعتی و یک کارآزمایی بالینی واقعی مستند شده است.آنچه
اکنون روشن است، این است که «اوکین» توانسته است یکی از پیچیدهترین وعدههای هوش مصنوعی در پزشکی را از سطح شعار به سطح آزمایش انسانی برساند. گزارش این مسیر، بیش از آنکه داستان پیروزی یک فناوری باشد، درباره تغییری در منطق داروسازی است.