جامعة ميسيسيبي الأمريكية وكولوركون يبنيان قاعدة بيانات بالذكاء الاصطناعي لدفع إنتاج الأدوية المطبوعة ثلاثية الأبعاد على نطاق واسع
أخبار ar.wedoany.com، توصل باحثون في جامعة ميسيسيبي (University of Mississippi) إلى اتفاق جديد مع شركة المكونات الدوائية كولوركون (Colorcon) لبناء قاعدة بيانات مدعومة بالذكاء الاصطناعي بشكل مشترك، تساعد الصيدليات ومصنّعي الأدوية على إنتاج أدوية مخصصة مطبوعة ثلاثية الأبعاد. يقود هذا المشروع مو ماني روجامان (Mo Maniruzzaman)، رئيس قسم الصيدلانيات وتوصيل الأدوية وأستاذ في جامعة ميسيسيبي، وسيطوّر مختبره خوارزمية تعلّم لمواءمة التركيبة الصحيحة من المكونات لكل دواء ترغب الصيدلية في طباعته.
وقال ماني روجامان إن المشروع يقوم في جوهره على إنشاء بنك معلومات، أشبه بمرجع في تصنيع الأدوية. ويتوقع أن يتجاوز الاستخدام النهائي لقاعدة بيانات الذكاء الاصطناعي نطاق كولوركون بكثير: فبناء قاعدة البيانات هذه سيكون مفيداً جداً، ليس لكولوركون فحسب، بل لشركات مماثلة وحتى لشركات الأدوية الكبرى. وأضاف أن شركات أخرى يمكنها بسهولة اعتماد منصات من هذا النوع في خطوط اكتشافها الخاصة، والاستفادة من نتائج هذا البحث لحل مشكلاتها.
يتكوّن كل دواء من نوعين من المكونات: مركّبات فعّالة، مثل الأسيتامينوفين (acetaminophen) في مسكنات الألم؛ ومكونات غير فعّالة، أي السواغات (excipients)، وتشمل المواد الرابطة والمالئات والملوّنات ومواد التغليف، وهي التي تُكسب القرص شكله. ولا يتوافق كل سواغ مع كل مكوّن فعّال، لذا عند إنتاج تركيبة دوائية جديدة، يتعيّن على الباحثين التحقق من أن مكوناتها لا تتداخل مع بعضها. ويسعى مختبر ماني روجامان إلى حل أحد هذه المشكلات الجوهرية بالذكاء الاصطناعي: فبدلاً من الاختبار اليدوي للتركيبات، تُدرَّب الخوارزمية على مواءمة السواغات الصحيحة مع أي مكوّن فعّال تحتاج الصيدلية إلى طباعته.
وانطلاقاً من الطريقة الحالية لتصنيع الأدوية، أشار كشيتيج تشيتنيس (Kshitij Chitnis)، طالب دكتوراه في السنة الثالثة في تخصص الصيدلانيات وتوصيل الأدوية بمختبر ماني روجامان، إلى أن مشكلة الأشكال الدوائية التقليدية تكمن في أنها غير مخصّصة وفقاً للمريض؛ فإنتاج أدوية فردية بطرق التصنيع التقليدية غير واقعي على نطاق واسع. ويوفّر الطباعة ثلاثية الأبعاد حلاً بديلاً: ففي المختبر، تُغذّى مكونات الدواء المسحوقة إلى آلة بثق، وهي آلة تضغط المواد إلى خيوط تُستخدم كـ"حبر" في الطابعة ثلاثية الأبعاد. بعد ذلك يمكن طباعة هذا الخيط على شكل أقراص أو كبسولات تناسب حجم وجرعة المريض الفرد، مثل صنع أقراص أصغر للأطفال، أو تصميم كبسولات تُطلق الجرعة وفق توقيت مؤجّل.
وحتى لو حُلّت مشكلة مواءمة المكونات، فإن أحد أكبر العوائق أمام إدخال الأدوية المطبوعة ثلاثية الأبعاد إلى الاستخدام اليومي في الصيدليات يظل تقنياً: إذ يحتاج الصيادلة إلى تعلّم تشغيل الطابعة ثلاثية الأبعاد بأنفسهم. وقال سوجيث باشيتي (Sujith Bashetty)، وهو طالب دكتوراه آخر في السنة الثالثة بالمختبر، إن أداة ذكاء اصطناعي قادرة على الاختيار التلقائي للسواغات المتوافقة وإصدار الأوامر مباشرة إلى الطابعة ستُخفّف عنهم معظم هذا العبء. وأشار باشيتي إلى أن الفريق يمهد الطريق لأدوية مطبوعة ثلاثية الأبعاد قابلة للتوسع وخاضعة للتنظيم. وأوضح أن السواغات الصناعية هي المفتاح لجعل هذا المسار مجدياً تجارياً: فإذا نجح استخدام السواغات الصناعية، أمكن تخفيف عبء التوسع على نطاق واسع؛ وإذا أمكن طباعة الأدوية في الصيدلية عند الطلب، فسيوفّر ذلك ملايين الدولارات. ووصف باشيتي الهدف الأوسع للمشروع بعبارات مماثلة: إذ يهدف المشروع إلى سدّ فجوة التصنيع المتقدم عبر تطوير أدوية قابل للتوسع، ودفع مستقبل توصيل الأدوية المخصصة عالية الأداء.
وإذا ثبتت موثوقية قاعدة البيانات هذه، يرى الباحثون أنها قد تساعد الأدوية المطبوعة ثلاثية الأبعاد على الخروج من بيئات البحث المتخصصة إلى الاستخدام الروتيني، بحيث تطبع الصيدليات أدوية بجرعات مخصصة عند الطلب، بدلاً من الاعتماد فقط على أقراص وكبسولات موحّدة منتجة على نطاق واسع.
لا تستهدف ثغرة مشروع جامعة ميسيسيبي الطباعة نفسها، بل تمكين الصيادلة غير المدرّبين على تشغيل الطابعات من استخدام هذه التقنية بشكل موثوق وعلى نطاق واسع. وتعالج قاعدة بيانات ماني روجامان بالذكاء الاصطناعي هذه العقبة المحددة عبر تولّي قرارات مواءمة المكونات؛ وإلا لاحتاج الصيادلة إلى تدريب متخصص لاتخاذ هذه القرارات.
في المقابل، تتناول شركات أخرى هذه العقبة من جانبي الأجهزة والمواد. فقد نشرت FabRx في فبراير 2025 دراسة اختبرت فيها طابعتها M3DIMAKER لملء الكبسولات تلقائياً في صيدلية تحضير مجتمعية، ووجدت أن الجهاز قلّل العمل اليدوي بنسبة 55% وقصّر إجمالي زمن التحضير بنحو 10% مقارنة بالتحضير اليدوي التقليدي. كما أكملت CurifyLabs في يوليو 2026 جولة تمويل من الفئة A بقيمة 14 مليون دولار لتوسيع نطاق "أحبارها الدوائية" المعتمدة وفق ممارسات التصنيع الجيد (GMP). وبفضل هذا المنتج، يمكن للصيادلة الاختيار من مكتبة تركيبات مطبوعة معتمدة مسبقاً، بدلاً من تطوير تركيبات المكونات بأنفسهم.
تبني هذه الجهود الضوابط في الأجهزة أو المواد المعتمدة مسبقاً، بينما يسعى مشروع جامعة ميسيسيبي إلى حل مشكلة التطبيق ذاتها على مستوى القرار، باستبدال المعرفة المتخصصة التي يحتاجها الصيدلي بنظام ذكاء اصطناعي.
