كيف يساعد الذكاء الاصطناعي في فكّ أسرار الأمراض العصبية الوراثية؟

قد تبدأ القصة بطفل تأخر في الكلام، والحركة، أو يعاني ضعفاً في العضلات، ونوبات صرع، فيما تكشف صور الدماغ عن تغيرات لا يجد الأطباء لها تفسيراً واضحاً... وبعد رحلة بين العيادات والفحوص، تُقرر الأسرة إجراء أحد أكثر الاختبارات الطبية تقدماً: تسلسل الإكسوم، أو الجينوم، بحثاً عن سبب وراثي. تصل العينة إلى المختبر، وتُقرأ المادة الوراثية، لكن النتيجة قد تكون مفاجئة: «لا يوجد تشخيص جزيئي واضح». أو ربما يجد المختبر تغيراً جينياً، لكنه يصنفه «متغيراً ذا دلالة غير مؤكدة» (VUS)، أي إن الأدلة لا تكفي بعد لمعرفة إن كان هذا المتغير مسؤولاً عن المرض. هذه المعضلة كانت من أبرز ما طُرح في المؤتمر الدولي للجمعية السعودية للطب الوراثي SSMG 2026-الذي حضره ملحق «صحتك» في جدة- وعُقد تحت شعار: «من التشخيص إلى العلاج في علم الجينوم». وهنا يطرح السؤال نفسه: كيف نستطيع قراءة الجينوم ولا نستطيع دائماً تفسير ما أصاب المريض؟ في إحدى جلسات المؤتمر المخصصة للذكاء الاصطناعي والطب الجينومي، قدمت الدكتورة نوف الغانمي، الأستاذة المشاركة للذكاء الاصطناعي والمعلوماتية الحيوية بجامعة الملك عبد العزيز ورئيسة وحدة المعلوماتية الحيوية بمعهد علوم طب الجينوم، محاضرة بعنوان: «المعلوماتية الحيوية المدفوعة بالذكاء الاصطناعي في الجينوم العصبي». واللافت أنها لم تبدأ بالخوارزميات، وإنما بالمريض: طفل بأعراض عصبية، وتاريخ عائلي، وفحص جيني، ثم تقرير يقول: «لا يوجد تشخيص جزيئي واضح»، أو «متغير ذو دلالة غير مؤكدة». وكان سؤالها: ماذا حدث بين المريض وتلك الجملة التي ظهرت في التقرير؟ • البحث عن واحد بين الملايين. لفهم المشكلة، يمكن تخيل الجينوم كمدينة ضخمة يسكنها ملايين الأشخاص، بينما نحاول العثور على شخص واحد قد يقودنا إلى تفسير المرض. يختلف جينوم الإنسان عن الجينوم المرجعي في نحو أربعة إلى خمسة ملايين موضع. ومع التحليل تبدأ عملية تضييق دائرة البحث، حتى تتحول الملايين إلى عشرات من المتغيرات، ثم إلى عدد قليل يستحق الدراسة. لكن كلما ضيقنا دائرة البحث، ظهر خطر استبعاد الإجابة الحقيقية بالخطأ. فكل خطوة يمكن أن تقربنا من السبب، لكنها قد تستبعد أيضاً المتغير المسؤول عن المرض. وتزداد المهمة صعوبة في الأمراض العصبية؛ فقد تؤدي تغيرات في جينات مختلفة إلى أعراض متشابهة، كالصرع، أو التأخر النمائي، كما قد تتغير الأعراض مع العمر، فضلاً عن وجود تغيرات وراثية لا تلتقطها بعض الاختبارات بسهولة. وهكذا نصل إلى حقيقة أساسية، وهي أن قراءة الجينوم لا تعني بالضرورة فهمه. • بين التنبؤ والتشخيص. أوضحت الدكتورة نوف الغانمي في محاضرتها أن العثور على تغير جيني لا يعني الوصول إلى تشخيص. فإذا وجد المختبر تغيراً في الحمض النووي «دي إن إيه» DNA، فهناك ثلاثة أسئلة ينبغي الإجابة عنها: - أولاً: هل يؤثر هذا التغير فعلاً في عمل الخلية؟ - ثانياً: حتى لو كان له تأثير، هل يمكن لهذا الجين أن يفسر حالة المريض وأعراضه؟ - وثالثاً: هل أصبحت الأدلة مجتمعة قوية بما يكفي لتصنيف هذا المتغير على أنه مسبب للمرض؟ قد يتنبأ نموذج ذكاء اصطناعي بدرجة عالية بأن تغيراً ما سيؤثر في أحد البروتينات، لكن ذلك وحده لا يعني أنه سبب مرض الطفل. • أدوات ذكية لجوانب مختلفة. بدأ الذكاء الاصطناعي يغير طريقة العمل في مختبرات الجينوم، لكن ليس هناك برنامج واحد يعرف كل شيء. فإذا كشف الفحص تغيراً جينياً غامضاً، يمكن لنموذج أن يسأل: هل سيؤثر في البروتين؟ ويبحث آخر عن تأثيره في تعامل الخلية مع الرسالة الجينية، بينما تقارن أداة أخرى أعراض الطفل بالأمراض المعروفة. ومن أمثلة هذه الأدوات AlphaMissense، وSpliceAI، وExomiser. وهي لا تتنافس على إعطاء «الإجابة الصحيحة»، بل تنظر إلى المشكلة من زوايا مختلفة. ولهذا لا ينبغي التعامل معها كلجنة تصويت؛ إذ إن قول عدة خوارزميات إن المتغير ضار لا يعني أن لدينا عدة أدلة مستقلة. والسؤال الأفضل هو: هل تتفق الأدلة المختلفة على تفسير واحد لما يحدث لهذا المريض؟ ومن أبرز التطورات الحديثة نموذج AlphaGenome الذي يحاول توقع تأثير تغيرات «دي إن إيه» في عمليات متعددة داخل الخلية، بما فيها تشغيل الجينات، ومعالجة الحمض النووي الريبوز «آر إن إيه» RNA، وتنظيم نشاط مناطق من الجينوم. وبذلك يتوسع السؤال من «هل هذا التغير ضار؟» إلى «ما الذي قد يغيره هذا الاختلاف في طريقة عمل الخلية؟»، لكن AlphaGenome يظل أداة بحثية لتوليد الفرضيات، وليس أداة تصدر تشخيصاً طبياً، أو حكماً نهائياً على المتغير. • نتائج مربكة في التحليل الجيني. وتوقفت الدكتورة نوف الغانمي عند إحدى أكثر النتائج إرباكاً في التحليل الجيني: المتغير ذو الدلالة غير المؤكدة Variant of Uncertain Significance (VUS). نعود إلى تقرير الطفل، حيث ظهر متغير جيني، لكن الأدلة لا تكفي بعد لتحديد ما إذا كان مسؤولاً عن المرض. ويمكن تشبيه الأمر -للتبسيط- بوجود مشتبه به لا تكفي الأدلة لإدانته، ولا لتبرئته. فالمتغير يستحق الاهتمام، لكن العلم لا يملك بعد ما يكفي للقول إنه سبب المرض. وهنا قد يكون أحد أهم أدوار الذكاء الاصطناعي ليس أن يقول: «وجدت التشخيص»، وإنما: «هذا هو الدليل الذي ينقصنا». قد تكون الخطوة التالية فحص الوالدين، أو فحص RNA، أو اختباراً وظيفياً، أو البحث عن علامة سريرية محددة لدى الطفل. وهكذا يساعد الذكاء الاصطناعي على تحويل عدم اليقين إلى سؤال يمكن اختباره. فالهدف -كما أوضحت الغانمي- ليس القول إن «الذكاء الاصطناعي توصل إلى التشخيص»، بل جعل حالة عدم اليقين قابلة للعمل. إذا كانت لدينا أداة للبروتين، وأخرى لمعالجة «آر إن إيه» RNA، وثالثة للأعراض، فضلاً عن قواعد البيانات، والدراسات المتجددة، فمن سيجمعها في صورة واحدة؟ هنا طرحت د. نوف الغانمي مفهوم «الذكاء الاصطناعي الوكيلي» (Agentic AI)، وقدمت تصوراً مقترحاً لتوظيفه في الجينوم العصبي، بحيث يبدأ التحليل من المريض، ثم تُستدعى الأدوات المناسبة لكل سؤال، وتُجمع نتائجها، وتراجع أوجه التعارض أو النقص بينها، قبل أن تعود إلى الخبير البشري في صورة فرضيات مدعومة بالأدلة. ورغم الاسم التقني، فالفكرة بسيطة: تخيل منسقاً ذكياً يعمل مع مجموعة من الخبراء؛ يعرف أي خبير ينبغي أن يسأل، ومتى، ثم يجمع الإجابات في صورة واحدة. فالابتكار ليس في استبدال الأدوات المتخصصة، وإنما في جعلها تعمل معاً حول المريض. وهذا الاتجاه بدأ يجد تطبيقات بحثية فعلية. ففي عام 2026 نشرت مجلة «نتشر» Nature دراسة عن نظام يسمى DeepRare يستخدم نهجاً وكيلياً في الأمراض النادرة، ويجمع أكثر من 40 أداة ومصدراً للمعرفة. وفي مجموعة اختبار ضمت 168 حالة، وضع النظام التشخيص الصحيح في المرتبة الأولى في 69.1 في المائة من الحالات، مقابل 55.9 في المائة لأداة تقليدية لترتيب الأمراض والجينات المرشحة. ولا يعني ذلك أن الكمبيوتر أصبح طبيب وراثة، لكنه يشير إلى أن جمع أجزاء الصورة قد يكون أقوى من النظر إلى كل جزء منفرداً. أما التصور الذي عرضته الغانمي للجينوم العصبي، فقد شددت على أنه مقترح بحثي، وليس نظاماً سريرياً مطبقاً أو مثبتاً حتى الآن. • الذكاء الاصطناعي يقترح والإنسان يقرر. ومهما تطورت هذه الأنظمة، يبقى القرار النهائي للإنسان. فالذكاء الاصطناعي يجمع الأدلة، ويقترح، واختصاصي الوراثة يقيّمها، والمختبر يتحقق عند الحاجة، ثم يضع الطبيب المعالج النتيجة في سياق المريض، ويتخذ القرار الطبي. إنها علاقة يمكن وصفها بـ«الذكاء الهجين» (Hybrid Intelligence)، الآلة تساعد على رؤية الصورة، والإنسان يتحمل مسؤولية تفسيرها، واتخاذ القرار. • تشخيص لاحق. وإذا خضع طفل لفحص جيني عام 2022 ولم نجد السبب، فهل ينبغي أن يبقى «غير مشخص» إلى الأبد؟ ليس بالضرورة. فقد يُكتشف لاحقاً ارتباط جين جديد بالمرض، أو تتحسن طرق التحليل، أو تظهر معلومات تغير فهمنا لمتغير كان مجهول الدلالة، أو تظهر لدى الطفل أعراض تجعل الصورة أوضح. لهذا استخدمت د. الغانمي عبارة لافتة: «النتيجة السلبية للإكسوم لها تاريخ». وفي 2026 نشرت مجلة «Nature Medicine» دراسة عن نظام آلي لإعادة تحليل بيانات مرضى الأمراض النادرة الذين لم يصل الباحثون إلى تشخيص لحالاتهم. وعند إعادة تحليل بيانات 4735 حالة غير مشخصة، أمكن الوصول إلى 241 تشخيصاً جديداً، أي نحو 5.1 في المائة، نتيجة تطور أدوات التحليل، والمعرفة العلمية. ولا تعني النسبة أنها ستتكرر في كل مجموعة من المرضى، لكن الرسالة واضحة: ما لم يكشفه التقرير الجيني اليوم، قد تكشفه إعادة التحليل غداً. وأما عبارة «لم نجد سبباً»، فقد تعني في الحقيقة: «لم نجد السبب بعد». • ما أهمية هذا في السعودية؟ الذكاء الاصطناعي لا يتعلم في فراغ؛ فجودة نتائجه مرتبطة بجودة البيانات التي يتعلم منها. وعند تفسير تغير جيني تصبح معرفة مدى شيوعه بين السكان مهمة. فما يبدو نادراً جداً في قاعدة بيانات عالمية، قد تكون له صورة مختلفة في مجتمع لم يكن ممثلاً فيها بالقدر الكافي. كما أن وجود القرابة بين الوالدين في بعض الأسر قد يغير طريقة البحث عن بعض الأمراض الوراثية المتنحية، وبالتالي استراتيجية تحليل الجينوم نفسها. ولذلك فإن بناء طب جينومي سعودي لا يعني فقط امتلاك أحدث أجهزة التسلسل، أو نماذج الذكاء الاصطناعي، بل بناء معرفة جينومية محلية تساعد على تفسير ما نراه لدى المرضى، مع حماية البيانات، وإبقاء القرار الطبي خاضعاً للتدقيق البشري. • عودة أخيرة إلى الطفل. لم يحصل طفلنا بعد على تشخيص واضح. وربما لن يستطيع الذكاء الاصطناعي أن يعطينا اسم المرض، لكنه يستطيع مساعدة الفريق الطبي في تحديد المتغيرات التي تستحق الاهتمام، والأدلة التي ما زالت تنقصنا. وهنا تتجلى رسائل د. نوف الغانمي الخمس: المريض أولاً، وتأثير المتغير لا يعني بالضرورة أنه سبب المرض، ولكل نموذج ذكاء اصطناعي وظيفة مختلفة، وتكامل الأدوات ينبغي أن يقود إلى فرضيات قابلة للاختبار، أما النتيجة الجينية السلبية، أو المتغير غير المؤكد، فلا يعنيان نهاية البحث. وعندها لا يصبح الذكاء الاصطناعي بديلاً عن الطبيب، وإنما أداة تساعده على الوصول إلى السؤال الصحيح. ولسنوات كان السؤال الأكبر في مختبرات الجينات: «هل هذا المتغير ممرض؟» وأما السؤال الأكثر فائدة للمريض فهو: «هل يفسر هذا المتغير حالة هذا المريض؟... وما الذي ينبغي أن نختبره بعد ذلك؟». وهنا ربما تكمن القيمة الحقيقية للذكاء الاصطناعي في الطب الجينومي: ليس في أن يقدم تشخيصاً بضغطة زر، بل في أن يحول غموض الجينوم إلى أسئلة أفضل، والأسئلة إلى اختبارات، والاختبارات إلى فرصة أقرب للوصول إلى الإجابة.