تصور کنید سال‌ها از زمان توسعه یک داروی جدید حذف شود و مسیر رسیدن به درمان، از آزمون و خطاهای کورکورانه به یک فرآیند مهندسی‌شده تبدیل شود. این همان هدفی است که غول داروسازی بوهرینگر اینگلهایم (Boehringer Ingelheim) در ۲ سپتامبر ۲۰۲۶ با انعقاد قرارداد مجوز برای پلتفرم K Pro دنبال می‌کند؛ سامانه‌ای عامل‌محور (Agentic) که توسط شرکت Owkin توسعه یافته و مانند یک دانشمند مجازی، روی داده‌های چندوجهی بیماران استدلال می‌کند تا به عنوان یک «دانشمند هوش مصنوعی» عمل کند.
کشف دارو معمولاً شبیه به یک قمار از نوع آزمون و خطا است. اما با استفاده از یک عامل (Agent) — شبیه به دستیاری هوشمند که نه‌تنها دستورات را اجرا می‌کند، بلکه می‌تواند به‌طور خودکار فرضیه‌ها را تولید و آزمایش کند — پژوهشگران می‌توانند بدون بررسی دستی میلیون‌ها نقطه داده، مستقیماً از داده‌های خام بیولوژیکی به اهداف دارویی تأییدشده برسند. این چرخش، دقیقاً مشابه همان اتفاقی است که در دنیای مالی رخ داد؛ جایی که معاملات کمی (Quantitative Trading) جایگزین انتخاب دستی سهام توسط تحلیلگران شدند.
زمینه استراتژیک
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی ادغام هوش مصنوعی در علوم زیستی اشاره کردیم، داده‌های باکیفیت، سوخت اصلی این تحول هستند. این رویکرد در واقع بخشی از یک روند گسترده‌تر است که در آن هوش مصنوعی فاصله میان تحقیق و توسعه تا تجاری‌سازی دارو را کوتاه می‌کند تا محصولات سریع‌تر به دست بیمار برسند. طبق اعلام Owkin، این توافق بر دو حوزه درمانی کلیدی متمرکز است: سرطان‌شناسی (Oncology) و ایمنی‌شناسی (Immunology). بر اساس مفاد این قرارداد، Owkin داده‌های چندوجهی (Multimodal) در حوزه سرطان را به بوهرینگر اینگلهایم مجوز می‌دهد و به‌طور اختصاصی برای حوزه ایمنی، داده‌های چندوجهی جدیدی تولید خواهد کرد.
این همکاری با استراتژی گسترده‌تر بوهرینگر اینگلهایم هم‌سو است. تا می ۲۰۲۶، خط لوله دارویی این شرکت بیش از ۸۰ پروژه پیش‌بالینی و بالینی فعال را فهرست کرده است. نیمی از این خط لوله بر پایه همکاری‌های خارجی در مجموعه‌های پژوهشی و بالینی بنا شده است. در این میان، دسترسی به مجموعه داده‌های MOSAIC (اطلس مکانی مالتی‌اومیکس در سرطان) که در حال حاضر بزرگ‌ترین مجموعه داده‌های مالتی‌اومیکس مکانی در جهان در حوزه سرطان است، برتری استراتژیک این شرکت را تضمین می‌کند.
قابلیت‌های فنی K Pro
پلتفرم K Pro در واقع یک ارکستراتور هوشمند است که مهارت‌های تخصصی مختلف هوش مصنوعی را ترکیب می‌کند. این سیستم محیطی واحد برای بازجویی از داده‌ها و اجرای تحلیل‌های تکرارپذیر فراهم می‌کند. قابلیت‌های استدلالی آن هم از تحلیل‌های انسان‌محور و هم از کمپین‌های خودکار برای تولید، آزمایش و اولویت‌بندی فرضیه‌ها پشتیبانی می‌کند.
توابع مستند شده‌ی این پلتفرم عبارتند از:
- رتبه‌بندی اهداف درمانی و کاندیداهای ژنی با استفاده از شواهد آماری استخراج شده از مجموعه‌های داده TCGA و MOSAIC.
- ارزیابی قابلیت هدف‌گیری (Tractability) و پروفایل‌های ایمنی اهداف دارویی.
- شناسایی و توصیف زیرگروه‌های بیماران بر اساس پروفایل‌های مالتی‌اومیکس و نتایج بالینی.
- اعتبارسنجی زیست‌نشانگرها (Biomarkers) در داده‌های RNA-seq توده‌ای (Bulk)، تک‌سلولی، مکانی و داده‌های بالینی.
- تولید گزارش‌های آماری در سطح استانداردهای انتشارات علمی برای ارزیابی اهداف، اولویت‌بندی زیست‌نشانگرها و تحلیل چشم‌انداز ثبت اختراعات (Patent Landscape).
موتور داده‌ای MOSAIC
قدرت K Pro به عمق پروژه MOSAIC وابسته است. طبق آخرین گزارش‌ها، این مجموعه داده ۱۱ حوزه درمانی و ۶ مودالیته (نوع داده) مختلف را پوشش می‌دهد. این مودالیته‌ها شامل ترانسکریپتومیکس مکانی، توالی‌یابی RNA تک‌سلولی، توالی‌یابی RNA توده‌ای، توالی‌یابی کل اکسوم (Whole Exome Sequencing)، هیستولوژی دیجیتال H&E و داده‌های بالینی برای تک‌تک بیماران است.
شاخص‌های کلیدی این بانک داده شامل موارد زیر است:
- ۲۷۲۵ بیمار در مجموع.
- ۱۰۰ متغیر بالینی برای هر بیمار.
- داده‌های اومیکس مکانی تولید شده برای ۲۳۷۱ بیمار.
- اومیکس تک‌سلولی برای ۲۱۶۸ بیمار.
شرکت Owkin قصد دارد این مقیاس را به ۷۰۰۰ بیمار در هفت اندیکاسیون سرطان گسترش دهد؛ از جمله گلیوبلاستوما، سرطان ریه سلول غیر کوچک (NSCLC)، سرطان تخمدان، مثانه، مزوتلیوما، سرطان سینه و لنفوم B-cell بزرگ منتشر (DLBCL). هدف این پروژه، نقشه‌برداری از تعاملات درون محیط ریزتومور (Tumor Microenvironment) برای کشف زیست‌شناسی جدید بیماری‌ها و شناسایی دقیق زیرگروه‌های بیماران است. این پروژه یک تلاش مشترک است که شرکای مؤسس آن شامل Gustave Roussy، Charité، CHUV، Universitätsklinikum Erlangen و دانشگاه پیتسبرگ هستند.
پیاده‌سازی و خط لوله
این مشارکت پس از یک اجرای آزمایشی در سال ۲۰۲۵ صورت گرفت که در آن Owkin بینش‌های عمیق مکانی از محیط ریزتومور یک هدف ژنی خاص ارائه داد. در حال حاضر، خط لوله بوهرینگر اینگلهایم شامل مهارکننده تیروزین کیناز HER2 به نام zongertinib و فعال‌کننده سلول T مدل DLL3/CD3 به نام obrixtamig است. در حوزه ایمنی، آن‌ها در حال دنبال کردن کاندیداهایی برای درمان اسکلروز سیستمیک، لوپوس اریتماتوز سیستمیک و بیماری‌های التهابی روده (IBD) هستند.
برای صنعت داروسازی، این یک گذار از «هوش مصنوعی به‌عنوان ابزار» به «هوش مصنوعی به‌عنوان همکار» است. وقتی یک عامل می‌تواند به‌طور خودکار اهداف را اولویت‌بندی و زیست‌نشانگرها را اعتبارسنجی کند، گلوگاه صنعت از «تحلیل داده» به «اعتبارسنجی آزمایشگاهی» در محیط لابراتوار منتقل می‌شود.
توماس کلوزل، مدیرعامل Owkin، این مسیر را گامی به سوی «ابر‌هوش مصنوعی بیولوژیکی» می‌داند. او اظهار داشت که دهه آینده توسعه دارو با دسترسی به داده‌های عمیق چندوجهی بیماران و دانشمندان مصنوعی مانند K Pro تعریف خواهد شد. این شرکت پیش از این در می ۲۰۲۶ با آسترازنیکا (AstraZeneca) و در ژوئن ۲۰۲۶ با سانوفی (Sanofi) قراردادهای مجوز چندساله مشابهی برای K Pro امضا کرده است؛ قرارداد با سانوفی در واقع بر پایه یک مشارکت استراتژیک است که از سال ۲۰۲۱ آغاز شده بود.
باید منتظر ظهور اولین کاندیداهای کارآزمایی بالینی از خط لوله K Pro بود، زیرا این نتایج ثابت خواهد کرد که آیا هوش مصنوعی عامل‌محور واقعاً می‌تواند نرخ موفقیت کارآزمایی‌های فاز ۱ را افزایش دهد یا خیر.
گام بعدی شما
- دنبال کردن نتایج اولین کارآزمایی‌های بالینی حاصل از خط لوله K Pro برای سنجش نرخ موفقیت فاز ۱.
- بررسی مقایسه‌ای مدل‌های عامل‌محور در مقابل مدل‌های تحلیل داده سنتی در بیوتکنولوژی.
- مطالعه مستندات پروژه MOSAIC برای درک نحوه ترکیب داده‌های مکانی و بالینی.
اما تأثیر این مدل‌ها بر کاهش هزینه‌های تولید دارو حتی تکان‌دهنده‌تر است — به تحلیل ما درباره‌ی اقتصاد استنتاج در مدل‌های تخصصی مراجعه کنید.
گفتگو