عندما يجلب الذكاء الاصطناعي الأمل: ماذا تكشف قصة سرطان عن مستقبل الطب

إذا كنت تتابع أخبار الذكاء الاصطناعي، فغالباً ما ترى الآن نوعين فقط من العناوين: الخوف من فقدان الوظائف والخوف من إساءة الاستخدام. تزييف عميق، ثغرات أمنية، تسريحات جماعية، مراقبة، تلاعب. كثير من هذا حقيقي ويستحق الانتباه. لكن بسبب ذلك يكاد يختفي شيء آخر: التكنولوجيا نفسها يمكنها أيضاً أن تضغط المعرفة، وتقلل الاحتكاك، وفي بعض الحالات تعيد الوقت إلى الناس عندما يكونون في أمسّ الحاجة إليه.

لقد كتبت هنا في المدونة من قبل، في مقال آخر ، عن السرعة التي يتغير بها كل شيء الآن. وهذا النص هو، بطريقة ما، الوجه الطبي للفكرة نفسها: سوق أقل، ضجيج أقل، وإنسان أكثر.

هناك قصة من OpenAI Forum تعبّر عن ذلك تماماً. ليست قصة عاطفية، وليست مريحة، وبالتأكيد ليست وعداً بمعجزة. لكنها تكشف عن شيء سنسمع عنه على الأرجح أكثر بكثير في المستقبل، حتى من أشخاص ليسوا من أصحاب الملايين.

باختصار:

• في هذه الحالة، لم يحل الذكاء الاصطناعي محل الطبيب. لكنه سرّع التحليل والبحث والتنسيق بشكل هائل.
• اليوم ما زال هذا النوع من المسارات موزعاً بشكل غير عادل للغاية، لأنه يتطلب المال والوقت والوصول والاستعداد لتحمل تعقيد طبي مرتفع.
• وهكذا أيضاً تبدأ كثير من التقنيات الكبرى قبل أن تصبح أمراً عادياً لعدد أكبر بكثير من الناس.

إذا أردت مشاهدة العرض الأصلي، فهو مضمّن هنا مباشرة:

قصة يسهل أن تمر من دون ملاحظة

في قلب هذه القصة يوجد سيد سيبراندي، المؤسس المشارك لـ GitLab. تم تشخيصه بأوستيوساركوما، وهو سرطان عظام نادر وعدواني. في المنتدى يصف بصراحة شديدة مدى قسوة العلاج القياسي: جراحة، تثبيت للعمود الفقري، إشعاع، علاج كيميائي، نقل دم، وانهيار جسدي كامل. بالنسبة لكثير من الناس، هذا وحده أكثر من كافٍ.

إحدى نقاط التحول المبكرة المهمة بالنسبة له كانت ما يسمى بـ click chemistry، وهي طريقة حازت على جائزة نوبل وتسمح بربط مركبات معينة بطريقة شديدة الدقة. بالنسبة إلى سيد، لم يكن هذا مثيراً علمياً فقط، بل كان حاسماً نفسياً أيضاً، لأنه أراه أن الطب لا يتحرك دائماً فقط عبر التجارب القياسية الكبيرة. عبر مسارات مثل single-patient IND يمكن، في الحالات القصوى، أن توجد أيضاً طرق قانونية ورسمية لعلاجات شديدة التخصيص.

ثم جاء الجزء الأصعب: عاد السرطان. لم يبق تقريباً أي خيار قياسي راسخ. لا خط علاجي واضح. لا خطوة تالية بديهية. لا جملة بسيطة مثل “الآن سنفعل العلاج ب.” وعند هذه النقطة بالضبط حدث شيء أراه معبّراً جداً عن هذا الزمن: ترك عمله ودخل في founder mode، لا من أجل شركة ناشئة، بل من أجل بقائه هو نفسه.

للوهلة الأولى يبدو هذا غريباً. مؤسس تقني يتعامل مع السرطان كما لو كان مشكلة هندسية. وبصراحة، كانت ردة فعلي الأولى ستكون أيضاً مشوبة بالشك. الطب ليس منتج SaaS. الشات بوت ليس طبيب أورام. واستدعاء API ليس علاجاً.

ومع ذلك سيكون من السهل أكثر من اللازم أن نرفض هذه القصة باعتبارها مجرد حالة خاصة من وادي السيليكون. ما نراه هنا ليس “شفاءً معجزياً بواسطة ChatGPT”، بل طريقة عمل جديدة في الطب: بيانات أكثر، واكتشاف أنماط أكثر، وعمل متوازٍ أكثر، وفرضيات أسرع، وأسئلة أفضل، وحلقات أقصر بين الاكتشاف والقرار.

ماذا فعل الذكاء الاصطناعي فعلاً في هذه الحالة

أهم نقطة أولاً: الذكاء الاصطناعي لم يعالج السرطان. هذا سيكون تبسيطاً خاطئاً وخطيراً. ما ساعد هنا كان مزيجاً من التشخيص، والمتخصصين، والمقاربات التجريبية، والخبرة السريرية، والمثابرة الشخصية، والذكاء الاصطناعي باعتباره مسرّعاً.

في العرض، يصف سيد سيبراندي وجايكوب ستيرن عدة أمثلة ملموسة.

لقد جمعا كميات هائلة من البيانات، بما في ذلك، بحسب قولهما، نحو 25 تيرابايت من المواد. وشمل ذلك bulk RNA sequencing، وتحليل الخلايا المفردة، وعلم الأمراض، والمسوح، وبيانات الدم، ونماذج العضيات، وعدة طرق تشخيصية تجريبية. هذا العمق من البيانات لا يزال بعيداً جداً عن متناول معظم المرضى اليوم. لكن الجزء المثير هو ما الذي تفعله بهذه البيانات بعد توفرها.

جايكوب ستيرن، وهو عالم وراثة، يقول صراحة في المنتدى إنه ليس طبيباً. وما منحه له الذكاء الاصطناعي، بحسب وصفه، لم يكن معرفة سحرية، بل شيئاً يشبه بدلة الرجل الحديدي للمجالات المتخصصة جداً. أي القدرة على اللحاق السريع بالموضوع، والتحدث مع الخبراء بصورة معقولة، وطرح أسئلة أفضل، وتهيئة الخطوات التالية الصحيحة.

أحد الأمثلة المبكرة: أعطوا ChatGPT ملف CSV ناتجاً عن bulk RNA sequencing وطلبوا قراءة أولية. هذا وحده كان كافياً لإظهار بعض العلامات وبعض ديناميكيات البيئة الورمية بسرعة أكبر. وبعد ذلك ذهبوا أبعد بكثير: لغة طبيعية كمدخل، ومراجعة أدبية agentic، وبناء فرضيات، وخطوات بيوانفورماتية، وشفرة، ورسوم بيانية، وتقرير موجز كمخرجات.

في أحد الأمثلة الواردة في العرض، استغرق تحليل من هذا النوع نحو 30 دقيقة وكلف تقريباً 20 دولاراً من تكاليف API. وفي الخلفية كان متصلاً بحوالي 600,000 خلية مفردة من نقاط زمنية مختلفة لسحب الدم. هذا التباين وحده لافت: تعقيد بيولوجي هائل من جهة ومساعدة تحليلية منخفضة الكلفة نسبياً من جهة أخرى.

ويصبح الأمر أكثر إثارة عندما يتحدثون عن تطوير العلاجات. فهم يذكرون:

• لقاح mRNA شخصي ضد السرطان مبني على طفرات محددة في الورم
• علاجات TCR-T مصممة لاستهداف الورم بدقة أكبر
• مقاربات CAR-T مع منطق أمان إضافي لتقليل التأثيرات الخطرة على الأنسجة السليمة
• البحث عن أهداف قليلة الدراسة، أي بروتينات أو بنى قد تكون شديدة الأهمية في حالة فردية واحدة، لكنها شبه غائبة عن البحث السائد

يقول سيد في نقطة ما إن سلّمه العلاجي انتقل من الصفر إلى أكثر من 30 خياراً. ليس لأن دواءً معجزياً ظهر فجأة، بل لأن البيانات والتشخيص والمعرفة المتخصصة والذكاء الاصطناعي فتحت معاً مساحة بحث أكبر بكثير.

وأفضل مثال على هذا التأثير، “الإبرة في كومة القش”، هو بالنسبة لي Penexin 3. بحسب العرض، كان هذا البروتين موجوداً في سرطانه بنحو 10,000 مرة أكثر من النسيج السليم. ومع ذلك لم يكن هناك في الأدبيات العلمية ما يكاد يُذكر عنه. وكان افتراض الفريق أن هذا الهدف، لكونه كارهًا للماء، يمر ببساطة من خلال كثير من الاختبارات القياسية من دون أن يُرى. وهنا بالضبط يُظهر الذكاء الاصطناعي ما الذي يمكنه أن يضيفه في حالات كهذه. ليس لأنه “أذكى من جميع الباحثين”، بل لأنه يملك من الصبر ما يكفي للمرور في مساحات بيانات ضخمة مراراً وتكراراً حتى تظهر إشارات غير عادية كهذه.

هنا تظهر قوته الحقيقية. ليس كعرّاف، بل كأداة تحوّل آلاف الأوراق العلمية ونقاط البيانات والعلامات وملفات الآثار الجانبية والعلاقات البيولوجية إلى شيء قابل للتشغيل بسرعة أكبر بكثير.

بالنسبة لي، هنا تكمن جوهر القصة: الذكاء الاصطناعي يضغط المعرفة المتخصصة. هو لا يحوّل الشخص العادي إلى طبيب. لكنه قد يقرب المرضى الملتزمين والعائلات والفرق متعددة التخصصات كثيراً من الأدبيات الحالية ومن مساحة اتخاذ القرار الحقيقية.

هذا المستقبل ما زال موزعاً بشكل غير عادل جداً

يجب ألا نجمّل الأمر. في الوقت الحالي، هذه القصة ما زالت نخبوية إلى حد كبير.

لكي تسلك هذا المسار، تحتاج إلى:

• المال
• الوقت
• متخصصين أقوياء جداً
• الوصول إلى طرق تشخيص نادرة
• طاقة ذهنية هائلة
• القدرة على تحمل التعقيد الطبي

هم أنفسهم يقولون ذلك بوضوح كبير في العرض. بعض الأمور باهظة الثمن للغاية. وأمور أخرى أصبحت رخيصة بشكل مفاجئ. وهذا المزيج تحديداً هو ما يجعل هذه اللحظة مثيرة للاهتمام. نحن نشاهد انتقالاً: تطوير العلاج نفسه لا يزال غالباً مكلفاً وبطيئاً ومثقلاً بالبيروقراطية. لكن بعض الطبقات تحته بدأت تصبح أقل كلفة بالفعل.

في المنتدى، يذكرون أرقاماً تقريبية مثل 50 دولاراً لـ bulk RNA sequencing، ونحو 500 دولار لتسلسل الجينوم الكامل، ونحو 20 دولاراً لتحليل أكثر تقدماً بمساعدة الذكاء الاصطناعي. هذه ليست التكلفة الكاملة لطب السرطان، لكنها إشارات. طبقة الوصول إلى المعرفة بدأت تصبح انكماشية من ناحية الكلفة.

وهذا مهم للغاية، لأن الطب اليوم يفشل كثيراً ليس أولاً بسبب نقص حسن النية، بل بسبب الاحتكاك: البيانات مبعثرة، والمعرفة المتخصصة معزولة في صوامع، والدراسات تستغرق وقتاً طويلاً جداً، والحالات النادرة تسقط خارج المسارات القياسية، ويضيع وقت كبير جداً بين الاكتشاف والقرار.

والأمر الآخر الذي أراه قوياً في هذه القصة هو أنها لا تريد أن تبقى مجرد playbook نخبوية لحالة واحدة. في العرض وفي موقع المشروع المرتبط به، يتضح أن البيانات والدروس المستفادة والعمليات تُحضّر عمداً بحيث يتمكن مرضى وفرق أخرى لاحقاً من البناء عليها بشكل أسرع.

هكذا تبدأ كثير من التقنيات الكبرى

ولهذا بالضبط ذكرتني هذه القصة بنمط قديم. في البداية، تكون التقنية الجديدة تقريباً دائماً متاحة لأولئك الذين يملكون مالاً أكثر، ووصولاً أكبر، ومساحة أكبر للتجريب من غيرهم.

في فترات كثيرة من التاريخ، كانت أحواض الاستحمام مخصصة أساساً للملوك أو النبلاء أو الأسر الثرية جداً. واليوم أصبحت المياه الساخنة جزءاً عادياً من الحياة اليومية لملايين الناس.

وهذا ليس استثناءً. هناك ثلاثة أمثلة أخرى تُظهر النمط نفسه:

• كان الضوء الكهربائي في المنازل يوماً ما رفاهية للمباني الغنية والفنادق والصناعة. واليوم لا نلاحظ مدى اعتياديته إلا عندما ينقطع التيار.
• كان السفر جواً في الماضي رمزاً للثروة والمكانة والاستثناء. واليوم، حتى لو لم يكن متاحاً بالسعر نفسه للجميع، فهو بوضوح تنقل جماهيري وليس امتيازاً أرستقراطياً.
• كان تسلسل الجينوم في وقت ما مشروعاً بمليارات الدولارات وعلى مدى سنوات طويلة. واليوم، في بعض الحالات، نتحدث عن مئات الدولارات وأيام قليلة بدلاً من عقود.

وهكذا بالضبط، في رأيي، ينبغي أن ننظر إلى هذا الشكل الجديد من الطب الشخصي. ما يبدو اليوم كطب concierge لمؤسسين شديدي الاتصال قد يصبح لاحقاً متاحاً على نطاق أوسع في صورة أبسط وأكثر توحيداً وأكثر أتمتة.

التكنولوجيا تتوسع. أولاً ببطء، ثم فجأة.

ليس تلقائياً. وليس من تلقاء نفسها. وليس بعدل بين ليلة وضحاها. لكن النمط التاريخي واضح: أولاً رفاهية، ثم أداة، ثم بنية تحتية.

لماذا تمنحني هذه القصة الأمل رغم ذلك

أكثر ما يلفتني في هذه القصة أنها لا تعتمد على معجزة. إنها تعتمد على الضغط والتركيز.

هنا يضغط الذكاء الاصطناعي:

• الأدبيات العلمية
• التشخيص
• اكتشاف الأنماط
• التواصل بين التخصصات
• القدرة على عدم الاستسلام بسرعة في الحالات النادرة

وهذا ذو قيمة هائلة في الطب. لأن الأمراض النادرة والمسارات غير المألوفة لا تفشل كثيراً بسبب غياب المعلومات تماماً، بل لأن لا أحد يملك الوقت لتجميعها بصورة قابلة للاستخدام.

إذا أمكن تحويل آلاف الصفحات من التاريخ الطبي والقيم المخبرية والمسوح وبيانات RNA والدراسات إلى نموذج عملي، فهذا لا يهم فقط بعض الحالات الثرية وغير العادية. إنه لمحة عن طب قد يصبح أدق وأكثر شخصية، ونأمل أن يكون أكثر عدلاً.

وما يبدو اليوم علاجاً استثنائياً قد يصبح غداً معيارياً في صورة أصغر وأكثر عملية:

• نظام يبرز العلامات النادرة تلقائياً
• مساعد يرتب مسبقاً الدراسات ذات الصلة للأطباء والمرضى
• أداة تجعل المسارات العلاجية الممكنة وملفات الآثار الجانبية أكثر شفافية
• تشخيص يأخذ البيولوجيا الفردية بجدية أكبر بدلاً من اتباع المسارات القياسية فقط

ونعم، من شبه المؤكد أننا سنسمع المزيد كثيراً عن كل هذا، وليس فقط من قصص المؤسسين ذوي الموارد. الأدوات ستتحسن. التكاليف ستنخفض. الواجهات ستصبح أبسط. وهناك يبدأ التوسع الحقيقي.

خلاصي

لهذا أرى أن هذه القصة مهمة. إنها تساعد على تصحيح زاوية النظر قليلاً. الذكاء الاصطناعي ليس فقط خطراً. وليس فقط تسريحات وظائف. وليس فقط ضجيجاً. وليس فقط مشكلة أمنية. بل يمكنه أيضاً أن يصبح أداة تساعد الناس على التنقل بشكل أفضل داخل نظام مريض وبطيء ومثقل في كثير من الأحيان.

وبالطبع لا ينبغي أن نقع في رومانسية التكنولوجيا. فأساس صحتنا الأهم يظل مدهشاً في بساطته وشديد الإنسانية:

• نوم كافٍ
• حركة
• تغذية
• انضباط يومي

هذا الجزء ما زال إلى حد كبير في أيدينا نحن. وهو يظل الأساس.

إذا كانت هذه المواضيع تهمك، فهناك بالفعل على المدونة نصوص عملية وشخصية عن تتبع الصحة وبياناتها وكذلك عن Whoop والتعافي والنوم والجهد .

لكن بعد ذلك مباشرة، أنا مقتنع، سنحتاج إلى الذكاء الاصطناعي. ليس كبديل للأطباء، وليس كزر سحري، بل كطبقة ثانية من الذكاء فوق البيانات والبحث والتعقيد.

وهنا أيضاً يبدو Google مهماً بالنسبة لي. مع AlphaFold، أتاحت Google DeepMind للعالم الهياكل المتوقعة لأكثر من 200 مليون بروتين، ومع AlphaFold 3 جهزت الخطوة التالية، حيث يمكن نمذجة البروتينات وتفاعلاتها مع الجزيئات الأخرى بصورة أفضل. هذا ليس “علاج كل الأمراض”. لكنه رافعة أساسية هائلة، لأن البيولوجيا تصبح أكثر قابلية للقراءة بالنسبة إلى الباحثين.

لذلك أبقى متفائلاً. لا ساذجاً. ولا أعمى. لكن متفائلاً. إذا استطعنا أن نفكر معاً في نمط الحياة والوقاية والطب الجيد والذكاء الاصطناعي بطريقة نظيفة، فقد يجلب المستقبل فعلاً مزيداً من الصحة لعدد أكبر بكثير من الناس.

إلى اللقاء،
جو