ويمثل تقارب المعلومات الذكية الاصطناعية والمجينات أحد أكثر التغييرات تحولا في الطب الحديث، إذ يجمع بين مجموعات البيانات الضخمة والمعقدة للحمض النووي البشري وبين قوة التعرف على النمط للتعلم الآلي، والباحثين والمستوصفين أدوات بناء يمكن أن تنبأ بها مخاطر الأمراض قبل ظهور الأعراض، وهذا التآزر يتيح الانتقال من العلاج التفاعلي إلى الوقاية الاستباقية، مما يؤدي أساسا إلى تغيير كيفية فهمنا للصحة وإدارتها.

فهم الجينيين والإناث

والطبيعة هي دراسة مجموعة كاملة من الحمض النووي للكائنات الحية، بما في ذلك جميع جيناتها وعناصرها التنظيمية والمناطق غير المزينة، وعلى عكس الجينات التي تركز على الجينات الوحيدة، فإن الكائنات المجهرية تلتقط المشهد الوراثي الكامل الذي يزيد على ثلاثة بلايين زوج أساس من البشر، وهذا الرأي الشامل يوفر معلومات عن المواضع المسبقة لمئات الأمراض، من الاضطرابات المنوية النادرة التي تصيب الاضطرابات الجينية إلى ظروف معقدة مثل الديسير الثاني.

ويمكن لنظم المعلومات الإدارية أن تتعلم العلاقات المعقدة وغير الخطية بين المتغيرات الجينية ونتائج الأمراض دون أن تتطلب برمجة صريحة لكل قاعدة، مثلاً، يمكن تدريب شبكة عصبية عميقة على ملايين المتغيرات الجينية والسجلات السريرية المقابلة لتحديد التركيبات الخفية من جميع الظواهر التي تزيد من المخاطرة بظروف محددة.

ولا يتعلق الأمر بالجمع بين التكنولوجيا وتطبيق تكنولوجيا أخرى فحسب، بل يشمل بناء خطوط أنابيب قابلة للتشغيل المتبادل تدمج البيانات المتسلسلة للجينوم، والسجلات الصحية الإلكترونية، والتصوير، والمعلومات المتعلقة بأسلوب الحياة، ثم تجهز نماذج البيانات المتكاملة هذه لتوليد درجات المخاطر المحتملة، وتقترح آليات أساسية، بل وتوصي باتخاذ تدابير وقائية، ونتيجة لذلك، فإن هناك فئة جديدة من الطب التنبؤي يمكن أن تُحدَّد شخصياً إلى النواة الفردية.

كيف يحسن الإدمان على الأمراض

الاعتراف بالأدوية في بيانات جينوميك

وتعتمد الأساليب الإحصائية التقليدية لدراسات الجمعيات على نطاق الجينوم على اختبار كل متغير جيني بشكل مستقل ضد نوع من أنواع الأمراض، وفي حين أن هذا النهج فعال لتحديد المتغيرات المشتركة ذات التأثيرات المتوسطة، فإنه يفتقد التفاعلات الوبائية المعقدة والتفاوتات النادرة التي كثيرا ما تؤدي إلى الإصابة بالمرض، ويمكن لأساليب التنفيذ، ولا سيما النماذج المجمعة والتعلم العميق، أن تلتقط هذه الآثار غير الضارة.

ويمكن أن تحلل مباشرة نماذج التعلم العميق القائمة على التكافؤ مثل الشبكات العصبية الملتوية والمتحولين، وتحلل هذه النماذج مثل DeepVariant تستخدم أجهزة التلقيم المغناطيسية في تسمية المتغيرات الجينية من القراءات المتسلسلة بدقة أكبر من الظواهر الرثوية التقليدية.

Polygenic Risk Scores (PRS) Enhanced by AI

وتجميع علامات المخاطر البوليجينية آثار آلاف المتغيرات الجينية المشتركة في قياس واحد، ومن الناحية التاريخية، تم حساب استراتيجية الحد من الفقر باستخدام نماذج خطية ذات آثار مضافة، مما يتجاهل التفاعلات والمساهمات غير الخطية، ويمكن أن يحسن نظام تحديد معدلات الإصابة بالفيروس باستخدام التراجع غير الخطي، أو تعزيز التدرج، أو الشبكات العصبية التي تتعلم شروط التفاعل تلقائيا، مما يؤدي إلى زيادة دقة التنبؤ بالسرطانات المتعددة الأطراف، ولا سيما فيما يتعلق بالكشف عن الأمراض التقليدية عن الإصابة بالسرطان.

فعلى سبيل المثال، أظهرت دراسة نشرت في علم الوراثة ] أن نظاماً عاماً لأفضليات الحد من الفقر في مجال أمراض الشريان التاجي يستوعب 30 في المائة من قابلية التكاثر القياسية لمعدلات الحد من الفقر.() ويترجم هذا الارتفاع في القدرة التنبؤية إلى تدخلات سابقة وأكثر دقة، مثل تعديل أسلوب الحياة أو العلاج بالوضع، بالنسبة للأفراد المعرضين لخطر كبير.

التكامل مع البيانات المتعددة المواقع والبيانات السريرية

ويزداد تنبؤ الأمراض بشكل كبير عندما تقترن البيانات الجينية بقياسات جزائية أخرى (الكتابة، والبروتوماتيكيات، والميضات) والمتغيرات السريرية (العمر، والجنس، وتاريخ الأسرة، والعلامات البيولوجية) وتتناسب نماذج الاختبارات مع هذا التكامل المتعدد الوسائط، ومن ذلك مثلاً أن هناك قيماً متغيرة في مجال المقاييس (الإنكليزية والفرنسية) (الإنكليزية والفرنسية: 1)

وفي بحوث مرض الزهايمر، يمكن أن تتنبأ نماذج منظمة العفو الدولية التي تدمج النمط العام للآداب، والخطر المتعدد الجيني، وملامح الأشعة المقطعية الدماغية، وسجلات الاختبار المعرفي، قبل خمس سنوات من التشخيص السريري، وتفتح هذه الطاقة التنبؤية الباب أمام التجارب الطبية الوقائية وخطط الرصد الشخصية.

التطبيقات والفوائد

الطب الشخصي

وربما كان أكثر الفوائد شيوعا هو القدرة على تكييف العلاجات حسب الوراثة الشخصية، ويمكن للمبادرة أن تحاكي كيف ستستجيب مجموعة فريدة من المتغيرات للمريض لمختلف المخدرات، وتتوقع كل من الفعالية وردود الفعل السلبية، وفي مجال صناعة الأدوية، تستخدم نماذج التعلم الآلات علامات المفارقة لتحديد الجرعة المثلى لمقاومة الرؤوس النباتية، أو تحديد آثار المرضية الشديدة الخطورة.

وفي مجال رعاية السرطان، يمكن لتحليل الورم الذي تحركه منظمة العفو الدولية أن يحدد عمليات طفرة السائقين، وأن يوصي بالعلاجات المستهدفة، وأن يتوقّع استجابة من جانب نقاط التفتيش المناعية، وأن تستخدم شركات مثل طب التمبّق والمؤسسة (AI) لفرز مئات الجينات المتصلة بالسرطان، وأن تُصدر تقارير عملية لأخصائيي الأورام، ونتيجة لذلك، تتخذ قرارات علاجية أسرع وأكثر دقة لتحسين معدلات البقاء.

التشخيص المبكر قبل ظهور الشعارات

ويمكن للفحص الجينومي الذي تعمل به الوكالة الدولية للطاقة أن يحدد مخاطر الأمراض قبل ظهور العلامات السريرية بفترة طويلة، فعلى سبيل المثال، يمكن للتسلسل الجيني حديثي الولادة، إلى جانب تحليلات AI، أن يكشف عن حالات الوفاة القلبية المفاجئة، أو الأخطاء التي تحدث عن طريق الولادة في الإصابة بالمرض، أو السرطانات الوراثية، ويمكن للآباء والأطباء أن ينفذوا تدابير الرصد أو الوقاية فوراً.

وفي حالة مرض الزهايمر، يمكن لنموذج " آي " الذي تم تدريبه على أنماط بروميد الميثيل والخطر المتعدد الجيني أن يحدد الأفراد في الأربعينات من العمر الذين لديهم احتمال كبير بأن يتطوروا أعراض بعد سن 65 عاماً، رغم أن هذه الأدوات التنبؤية تقتصر حالياً على أطر البحوث، فإن هذه الأدوات يمكن أن تصبح في القريب العاجل جزءاً من الرعاية الوقائية الروتينية، مما يتحول إلى حد بعيد الرعاية الصحية من إدارة الأزمات إلى التخفيف من المخاطر.

التعجيل بتطوير المخدرات

كما أن منظمة العفو الدولية وعلم الشيخوخة تُحدث ثورة في اكتشاف المخدرات، إذ يمكن للمعارف الصناعية، بتحليل مجموعات كبيرة من البيانات الجينية من المصارف الأحيائية (مثل مصرف بيوبانك في فنلندا) في المملكة المتحدة، أن تحدد الأهداف الجينية المرتبطة بالمرض، مما يمكّن شركات المستحضرات الصيدلانية من اختيار أهداف المخدرات ذات احتمالات أكبر للنجاح، مما يقلل من معدل التناقص في التجارب السريرية.

أما نماذج المقاييس الخلقية، مثل تلك التي تستخدمها الأدوية والمواد الصيدلانية المتكررة في إنسيليكو، فتصمم جزيئات جديدة مصممة خصيصاً لمجموعات فرعية للمرضى محددة جينياً، وبالنسبة للأمراض النادرة التي لا تؤثر إلا على بضعة آلاف من الناس، فإن هذا النهج يجعل من الممكن اقتصادياً تطوير العلاجات التي يمكن التخلي عنها.

تقييم المخاطر المتعلقة بصحة السكان

وعلى مستوى الصحة العامة، يمكن أن يحدد تصنيف المخاطر التي يسببها مرض الإيدز في العالم، على أساس نوع الجنس، السكان المعرضين لخطر كبير، الذين يستفيدون أكثر من غيرهم من التدخلات الوقائية، وعلى سبيل المثال، يمكن لنظام صحي أن يستخدم سجلاً من المخاطر المتعددة جينياً للسرطان الملون لتحديد الأولويات في حالات الإحالة إلى الأشعة المستعمرة، وبالمثل، يمكن أن يُتوقع من أي المجتمعات المحلية أن تكون عرضة لخطر الإصابة بسرطان الثديي وسرطان المبيض، مما يؤدي إلى الحد من برامج الإرشاد والاختبارات الوراثية المستهدفة.

التحديات والنظر في المسائل الأخلاقية

خصوصية البيانات والأمن

وتقتصر البيانات الجينية على التحديد الفريد حتى ولو كان جزء صغير من الحمض النووي للشخص يمكن ربطه بها وأقاربها، حيث أن نماذج التعميم تتطلب مجموعات كبيرة من البيانات لأغراض التدريب، وتزداد مخاطر انتهاك حرمة الحياة الخاصة، وتفتقر الحماية الحالية مثل إزالة الهوية إلى ما يكفي لأن " آي " يمكن أن تعيد تحديد هوية الأفراد من البيانات الاصطناعية أو الكلية.

وينص تشريع مثل قانون عدم التمييز في مجال المعلومات الوراثية في الولايات المتحدة والناتج المحلي الإجمالي في أوروبا على بعض الضمانات، ولكن لا يزال الإنفاذ صعبا، لا سيما عندما تتدفق البيانات عبر الحدود، ويجب على المرضى أن يثقوا في أن معلوماتهم الوراثية لن تستخدم لحرمان التأمين أو العمل أو الخدمات الاجتماعية، وبناء الثقة يتطلب إدارة شفافة للبيانات وأطر قوية للموافقة توضح بوضوح دور الوكالة في تفسير جينومهم.

Algorithmic Bias and Fairness

ومعظم مجموعات البيانات الجينية متحيزة بشدة تجاه أفراد من أسلاف أوروبيين، وكثيرا ما تكون للنماذج التي تم تدريبها على هذه البيانات أداء ضعيفا بالنسبة للسكان غير الأوروبيين، مما يؤدي إلى تنبؤات غير دقيقة بالمخاطر وتوسيع الفوارق الصحية، فعلى سبيل المثال، لا تكون لمجموعات المخاطر المتعددة الجنسيات المستمدة من المجموعات الأوروبية سوى قدرة تنبؤية ضئيلة لدى السكان الأفارقة أو الآسيويين، ويعمل الباحثون بنشاط على تنويع المصارف الأحيائية، ولكن التقدم المحرز يجب أن يكون بطيئا.

وبخلاف تحيز الأجداد، يمكن أن تُستولى على المغاوير الاجتماعية والاقتصادية والبيئية عن غير قصد من قبل منظمة العفو الدولية. كما أن نموذجاً يتوقّع مخاطر الأمراض الناجمة عن البيانات الجينية قد يتعلم أيضاً وجود ارتباط مع مدونة الزب أو الدخل أو الحصول على الرعاية الصحية، وهي ليست وراثية حقاً، وضمان الإنصاف يتطلب اختياراً دقيقاً للمعالم، وإلغاء التحيز، والتثبت المستمر من مختلف الفئات السكانية.

الشفافية وإمكانية التنبؤ

وكثيرا ما يوصف نماذج التعلم العميق بأنها " صناديق سوداء " - وهي تقدم توقعات دقيقة ولكنها لا توفر إلا القليل من الرؤية بشأن السبب، وفي حالة وجود عيادات طبية، يحتاج الأطباء والمرضى إلى فهم الأسباب الكامنة وراء تحقيق درجة من المخاطر للثقة والعمل عليها، ويجري تطوير أساليب مفسرة للتنبؤ بها في مجال الأمراض غير المعدية، وهي أدوات يمكن أن تُظهر وجود نماذج للكشف عن مخاطر التكاثر في المختبرات الطبية (SHapley Additive exPlan).

غير أن الشرح كثيرا ما يتداول بدقة، وقد تتطلب أكثر النماذج تفسيرا (مثلاً، التراجع الخطي) أقل قوة من الشبكات العصبية المعقدة، والموازنة بين هذه المطالب مجالاً نشطاً من مجالات البحث، وفي القرارات الطبية ذات الاتساع، قد يتطلب المنظمون في نهاية المطاف مستوى أدنى من الشرح لنظم المعلومات المسبقة عن علم المنشورة.

الحاجة إلى مجموعات بيانات كبيرة من الجودة

وتحتاج نماذج التدريب على التنفيذ القوي إلى بيانات جينومية من ملايين الأفراد، مقرونة بنتائج سريرية مفصلة طويلة الأجل، وتُجمع هذه البيانات باهظة التكلفة وتستغرق وقتا طويلا، وتثير شواغل إضافية تتعلق بالخصوصية، ويجب أن تكون مبادرات مثل مصرف بيروك، وكل برنامج البحوث في الولايات المتحدة، ومشاريع الجينوم الوطنية في اليابان والشرق الأوسط تعمل على سد هذه الفجوة، ومع ذلك، فإن العديد من مجموعات البيانات تعاني من نماذج مختلفة من الاختلالات الفنية.

وعلاوة على ذلك، فإن إدماج البيانات الجينية في السجلات الصحية الإلكترونية يكتنفه التحديات: فالموارد البشرية الإلكترونية غالباً ما تكون غير منظمة، وتحتوي على أخطاء في الترميز، وتختلف بين المؤسسات، ويمكن أن تساعد أدوات تجهيز اللغات الطبيعية التي تُستخدمها الوكالة في استخراج معلومات مفيدة من المذكرات السريرية، ولكنها تستحدث مصادر إضافية للخطأ، وضمان جودة البيانات في نهاية المطاف، على تحقيق التنبؤ بالمرض الموثوق به.

الاتجاهات المستقبلية

التكامل مع البيانات القابلة للزراعة والبيئة

أما الحدود التالية فتجمع بين درجات المخاطر الجينية والبيانات المستمرة من الأجهزة القابلة للارتداء (معدل القلب، والنشاط، والنوم، والبلوكوس) والمجسات البيئية (نوعية الهواء، التعرض للأشعة فوق البنفسجية، والاقتراع) ويمكن أن تؤدي نماذج الإي آي التي تغذي هذه المجرىات في الوقت الحقيقي إلى جانب الملامح الوراثية الثابتة إلى إجراء تقييمات دينامية دائمة للمخاطر.

معلومات متقنة عن البيانات الجيني التركيبية

ولمعالجة شح الخصوصية والبيانات، يستخدم الباحثون شبكات خصومية سخية وأجهزة آلية مختلفة لإنشاء مجموعات بيانات دينامية صناعية تحافظ على الممتلكات الإحصائية دون أن تتضمن تسلسلاً حقيقياً، وإذا كانت هذه البيانات التركيبية ذات نوعية كافية، يمكن استخدامها لتدريب وتوثيق نماذج AI دون الكشف عن معلومات حساسة.

التنظيم والتبني السريري

وتنتقل تنبؤات الجينومي العاملة بالقوى العاملة من البحث إلى الممارسة السريرية، وقد قامت الهيئة بالفعل بتطهير عدة أدوات قائمة على أساس AI من أجل التفسير البديل (مثل خط أنابيب علم الوراثة الصوفية) وسجلات مخاطر متعددة الأجينات لبعض السرطانات، غير أن الاعتماد السريري الواسع النطاق سيتطلب أطرا تنظيمية واضحة تقيِّم الأداء الكيميائي والفائدة السريرية على السواء.

ويجب أيضا أن تتطور نماذج التأمين واسترداد التكاليف، ومن المرجح أن يغطي المدفوعون اختبارا للجينوم إذا ما غيروا مباشرة الإدارة، مثل اتخاذ قرار بشأن استئصال الثدي الوقائي أو بدء العلاج بالإحصاءات، وستكون الدراسات الاقتصادية الصحية التي تبين وفورات في التكاليف من الوقاية المبكرة حاسمة.

الاحتياجات التعليمية والمتعلقة بالهياكل الأساسية

وأخيراً، يجب تدريب قوة العمل في مجال الرعاية الصحية على تفسير التنبؤات الجينية التي تقودها الوكالة الدولية للطاقة الذرية والعمل على تنفيذها، وبدأت المدارس الطبية في إدماج علم الشيخوخة وعلوم البيانات في مناهجها، ولكن الأطباء الممارسين بحاجة إلى تعليم مستمر، وعلاوة على ذلك، يجب أن تدعم البنية التحتية لتكنولوجيا المعلومات في المستشفيات إدماج ملفات جينومية كبيرة مع المؤسسات الصحية ونظم دعم القرار السريري، وبدون هذه الاستثمارات، حتى أكثر النماذج قدرة على استخداماً ناقصاً.

خاتمة

ويعود تقاطع الاستخبارات الاصطناعية والمجين إلى إعادة تشكيل التنبؤ بالمرض من تخمين محتمل إلى علم دقيق يقوم على البيانات، ومن خلال تعزيز قدرة الباحثين في مجال مكافحة المخدرات على اكتشاف أنماط مبسطة في مجموعات البيانات الجينية الضخمة، يمكننا التنبؤ بمخاطر الأمراض في وقت سابق، والأخذ بزمام المعالجة، والتعجيل باكتشاف المخدرات، ومع ذلك فإن المسار إلى الأمام لا توجد عقبات: خصوصية البيانات، والتطورات الأخلاقية، والإمكانية، والإمكانية،