تستعرض Google مجموعة من نماذج الذكاء الاصطناعي والأدوات البحثية المستخدمة لتسريع اكتشاف الأدوية، تحليل الجينوم، رسم خرائط الدماغ، وتحسين تشخيص السرطان والتنبؤ بتفشي الأمراض. وتعرض الشركة نتائج بحثية وشراكات، مع بقاء معظم التطبيقات في نطاق البحث أو الدعم السريري لا الاستبدال الكامل للخبراء.
تستخدم Google الذكاء الاصطناعي عبر مراحل متعددة من البحث الطبي، بدءاً من تحليل آليات المرض على المستوى الجزيئي ووصولاً إلى دعم التشخيص والتخطيط للصحة العامة. وتقول الشركة إن فرقها نشرت خلال السنوات الخمس الماضية 90 ورقة بحثية محكّمة حول فهم الأمراض ومعالجتها، حصدت أكثر من 90 ألف استشهاد.
المادة، التي كتبها Yossi Matias نائب رئيس Google والمدير العام لـ Google Research، وPushmeet Kohli نائب رئيس العلوم في Google DeepMind وكبير العلماء في Google Cloud، تقدم حصيلة لأدوات وشراكات بحثية بدلاً من الإعلان عن منتج طبي واحد.
من الجينوم إلى خرائط الدماغ
تقدم Google منصة AlphaGenome Atlas بوصفها فهرساً لتنبؤات تأثير التغيرات أحادية الحرف في الجينوم على البيولوجيا الجزيئية. واستخدم باحثون من University of Exeter المنصة لتحليل بيانات أكثر من 54 ألف شخص، وتحديد متغيرات مرتبطة بمستويات بروتينات منها PLA2G7 المرتبط بالشيخوخة وEGLN1، وهو مستشعر خلوي للأكسجين.
وفي مجال اكتشاف الأدوية، استخدم باحثون في Institute for Global Health في برشلونة نموذج AlphaFold لفحص 30 ألف مركب افتراضياً بحثاً عن نشاط مضاد لمرض شاغاس. وأسهم العمل في تحديد دواءين معتمدين من FDA لإعادة توظيفهما ضد المرض، الذي يصيب نحو 8 ملايين شخص وقد يؤدي إلى مضاعفات خطيرة إذا لم يُعالج.
كما أعادت Google، بالتعاون مع Lichtman Lab في Harvard، بناء جزء من دماغ بشري بدقة نانوية، وأتاحت البيانات عبر Neuroglancer، إلى جانب خرائط لأدمغة ذبابة وسمكة زيبرا يرقة وطائر مغرد.
تقصير المسافة بين البحث والتطبيق
في تجربة سريرية بالتعاون مع Stanford University School of Medicine، ساعد نموذجا DeepVariant وDeepConsensus في الوصول إلى تشخيص جيني باستخدام تسلسل الجينوم الكامل خلال أقل من ثماني ساعات في حالات حرجة زمنياً. وتقول Google إن هذا الإنجاز حظي أيضاً باعتراف Guinness World Record.
وتعرض الشركة كذلك AlphaProtein Novo، وهو مسار تعلم آلي لتصميم إنزيمات جديدة من المبادئ الأولى. وفي الاختبارات المخبرية، صمم النظام إنزيمات لتوليف أجزاء أساسية من أدوية وأخرى لتحليل بلاستيك بيئي سام في ظروف قاسية.
دعم التشخيص والصحة العامة
في دراستين نُشرتا في Nature Cancer بالتعاون مع Imperial College London وNational Health Service، اختُبر نظام للتصوير الشعاعي للثدي على 125 ألف امرأة. رصد النظام 25% من حالات السرطان الفاصلة التي كانت تُفَوَّت تاريخياً، وأظهر إمكانية خفض عبء قراءة الصور على الاختصاصيين بنسبة تصل إلى 40%. وهذه نتائج بحثية لا تعني اعتماد النظام بديلاً عن أطباء الأشعة.
وفي حالات سرطان الدم لدى الأطفال، أكد DeepSomatic المتغيرات المعروفة واكتشف 10 طفرات لم تُرصد سابقاً عند تطبيقه على حالات حقيقية سبق تسلسلها في Children’s Mercy Hospital. كما استخدمت Google نماذج جغرافية مع بيانات بيئية وطقسية وحركية للمساعدة في توقع تفشي الأمراض؛ وفي بحث من WHO AFRO وINRB في جمهورية الكونغو الديمقراطية، ساعدت نماذج جغرافية حوارية في تحديد مخاطر التعرض للإيبولا وانتقاله بوتيرة أسرع.
لماذا يهم هذا الاتجاه؟
التغير الفعلي هنا ليس مجرد استخدام نموذج لغوي في عيادة، بل توسيع دور الذكاء الاصطناعي ليغطي اكتشاف الأدوية، تفسير المتغيرات الجينية، معالجة صور التشخيص، وتخصيص موارد الصحة العامة. غير أن المصدر يقدم النتائج من منظور Google، ولا يوضح في هذه المادة تفاصيل الاعتماد التنظيمي أو قابلية تعميم كل نموذج على مجموعات سكانية وأنظمة صحية مختلفة.
وتقول Google.org إنها قدمت في 2026 أكثر من 60 مليون دولار لمنظمات تستخدم النماذج المتقدمة في أبحاث الأمراض، بينها Makerere University وUniversity of Pennsylvania. وتبقى قيمة هذه المبادرات مرتبطة بتحويل النتائج البحثية إلى أدوات سريرية موثوقة، مع الحفاظ على التحقق المستقل والإشراف الطبي.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.