الذكاء الاصطناعي يفك شفرة الأمراض العصبية الوراثية

الإثنين، 19 أكتوبر 2026 05:46 ص

الذكاء الاصطناعي

يسهم الذكاء الاصطناعي في تطوير أساليب تشخيص الأمراض العصبية الوراثية، من خلال تحليل البيانات الجينية وربطها بالأعراض السريرية والتاريخ العائلي للمريض، بما يساعد الأطباء على تحديد الأسباب المحتملة للأمراض التي يصعب تشخيصها بالوسائل التقليدية.

وتبدأ رحلة التشخيص في كثير من الحالات بأعراض مثل تأخر الكلام والحركة لدى الأطفال، وضعف العضلات ونوبات الصرع، ما يدفع الأطباء إلى إجراء فحوص جينية متقدمة، من بينها تسلسل الإكسوم أو الجينوم، بحثًا عن التغيرات الوراثية المرتبطة بالحالة المرضية.

ورغم التطور الكبير في تقنيات قراءة الحمض النووي، فإن تحديد التغيرات الجينية لا يعني بالضرورة الوصول إلى تشخيص نهائي، إذ قد تكشف الفحوص عن متغيرات جينية لا تتوافر أدلة كافية لتحديد ما إذا كانت تسبب المرض، وهو ما يُعرف بالمتغيرات ذات الدلالة غير المؤكدة، وناقش المؤتمر الدولي للجمعية السعودية للطب الوراثي 2026، الذي عُقد في جدة تحت شعار «من التشخيص إلى العلاج في علم الجينوم»، دور الذكاء الاصطناعي والمعلوماتية الحيوية في تحسين فهم الأمراض العصبية الوراثية، واستكشاف إمكانات التقنيات الحديثة في تفسير النتائج الجينية المعقدة.

خوارزميات الذكاء الاصطناعي تحلل ملايين التغيرات الجينية

وتعتمد عملية تحليل الجينوم، على فحص ملايين الاختلافات في المادة الوراثية، ثم تضييق نطاق البحث لتحديد المتغيرات التي يمكن أن تفسر الأعراض التي يعاني منها المريض، وتزداد صعوبة هذه المهمة في الأمراض العصبية، إذ يمكن أن تؤدي تغيرات في جينات مختلفة إلى أعراض متشابهة، كما قد تتغير المظاهر المرضية مع تقدم العمر، ما يجعل الربط بين المتغير الجيني والحالة السريرية تحديًا أمام الأطباء والباحثين.

وخلال إحدى جلسات المؤتمر، استعرضت الدكتورة نوف الغانمي، الأستاذة المشاركة للذكاء الاصطناعي والمعلوماتية الحيوية بجامعة الملك عبد العزيز ورئيسة وحدة المعلوماتية الحيوية بمعهد علوم طب الجينوم، دور تقنيات الذكاء الاصطناعي في تحليل الجينوم العصبي، موضحة أن العثور على تغير جيني لا يكفي وحده لإثبات مسؤوليته عن المرض، ويتطلب الوصول إلى تشخيص موثوق تحديد مدى تأثير المتغير في وظيفة الخلية، ومدى قدرة الجين المرتبط به على تفسير الأعراض، فضلًا عن تقييم قوة الأدلة العلمية المتاحة لتصنيفه باعتباره مسببًا للمرض.

أدوات متخصصة لتحليل البروتينات والحمض النووي

وتتعدد تطبيقات الذكاء الاصطناعي المستخدمة، في تحليل البيانات الجينية، إذ تتخصص بعض النماذج في توقع تأثير التغيرات الجينية في البروتينات، بينما تركز أدوات أخرى على معالجة الحمض النووي الريبوزي أو مقارنة الأعراض بالأمراض الوراثية المعروفة، ومن بين هذه الأدوات AlphaMissense، وSpliceAI، وExomiser، التي تساعد الباحثين على تقييم المتغيرات الجينية من زوايا مختلفة، بما يتيح جمع أدلة متعددة لتحديد التفسيرات الأكثر احتمالًا لحالة المريض.

يبرز نموذج AlphaGenome، بوصفه أداة بحثية تهدف إلى توقع تأثير التغيرات في الحمض النووي على عمليات تنظيم نشاط الجينات ومعالجة الحمض النووي الريبوزي، بما يساعد على فهم كيفية تأثير الاختلافات الجينية في وظائف الخلايا، ولا تمثل هذه النماذج بديلًا عن الفحوص الطبية أو التقييم السريري، إذ تُستخدم نتائجها لتوليد فرضيات بحثية وتوجيه مزيد من الاختبارات، وليس لإصدار تشخيص نهائي بصورة مستقلة.

الذكاء الاصطناعي الوكيلي يجمع الأدلة للوصول إلى التشخيص

يمثل الذكاء الاصطناعي الوكيلي، أحد الاتجاهات الحديثة في تحليل الجينوم، إذ يعتمد على تنسيق عمل مجموعة من الأدوات المتخصصة، بحيث تُستخدم كل أداة للإجابة عن سؤال محدد، ثم تُجمع النتائج وتُراجع أوجه الاتفاق والتعارض بينها، ويتيح هذا النهج الانتقال من تحليل كل متغير جيني بصورة منفصلة إلى بناء تصور متكامل يجمع البيانات الوراثية والأعراض السريرية والمعلومات العلمية المتاحة، بما يساعد المتخصصين على تحديد الخطوات التالية في رحلة التشخيص.

وأشارت دراسة منشورة في مجلة Nature، خلال عام 2026، إلى نظام DeepRare، الذي يعتمد على نهج الذكاء الاصطناعي الوكيلي في تشخيص الأمراض النادرة، من خلال الاستعانة بأدوات ومصادر معرفية متعددة، وأظهرت نتائج النظام في مجموعة اختبار شملت 168 حالة وضع التشخيص الصحيح في المرتبة الأولى بنسبة 69.1%، مقارنة بنسبة 55.9% لأداة تقليدية لترتيب الأمراض والجينات المرشحة، وهو ما يشير إلى إمكانية تعزيز دقة التحليل عند دمج الأدوات المتخصصة، دون أن يعني ذلك الاستغناء عن الخبرة الطبية البشرية.

إعادة تحليل البيانات تفتح الباب أمام تشخيصات جديدة

لا تعني النتيجة السلبية للفحص الجيني، بالضرورة عدم وجود سبب وراثي للمرض، إذ يمكن أن تسهم الاكتشافات العلمية الجديدة وتطور خوارزميات التحليل في إعادة تفسير بيانات المرضى الذين لم يحصلوا على تشخيص واضح في السابق، وقد تساعد إعادة تحليل البيانات في اكتشاف ارتباطات جديدة بين الجينات والأمراض، أو إعادة تقييم متغيرات كانت مصنفة سابقًا ضمن المتغيرات ذات الدلالة غير المؤكدة، خاصة عندما تظهر أدلة علمية إضافية أو أعراض جديدة لدى المريض.

وتناولت دراسة منشورة في مجلة Nature Medicine، خلال عام 2026، نظامًا آليًا لإعادة تحليل بيانات مرضى الأمراض النادرة غير المشخصة، وشملت الدراسة إعادة تحليل بيانات 4735 حالة، وأسفرت عن الوصول إلى 241 تشخيصًا جديدًا، بما يعادل نحو 5.1% من الحالات، وتوضح هذه النتائج أهمية مواصلة تطوير أدوات التحليل الجيني وإعادة تقييم النتائج السابقة، إذ قد تتحول البيانات التي لم تقدم تفسيرًا واضحًا في وقت سابق إلى مدخل للوصول إلى التشخيص مع تقدم المعرفة العلمية.

البيانات الجينية المحلية تدعم دقة التشخيص

وتتوقف فعالية نماذج الذكاء الاصطناعي في الطب الجينومي، على جودة البيانات التي تعتمد عليها ومدى تمثيلها للمجموعات السكانية المختلفة، إذ قد تختلف معدلات انتشار بعض المتغيرات الجينية بين المجتمعات، ما يجعل الاعتماد على قواعد بيانات غير ممثلة لجميع السكان تحديًا أمام دقة التفسير.

وتكتسب هذه المسألة أهمية في السعودية، إذ يمكن أن يساعد تطوير قواعد بيانات جينومية محلية في تحسين فهم الأمراض الوراثية وتفسير المتغيرات الجينية لدى المرضى، مع مراعاة الخصائص السكانية وأنماط الوراثة المرتبطة ببعض الحالات.

ورغم الإمكانات التي توفرها هذه التقنيات، يظل دور الذكاء الاصطناعي داعمًا لعمل الأطباء واختصاصيي الوراثة، من خلال ترتيب الأدلة وتحديد الفرضيات التي تحتاج إلى اختبارات إضافية، بينما تبقى مسؤولية التحقق من النتائج واتخاذ القرارات العلاجية لدى الفريق الطبي.

وبذلك، لا تقتصر أهمية الذكاء الاصطناعي في تشخيص الأمراض العصبية الوراثية على تسريع تحليل البيانات، بل تمتد إلى تحويل النتائج غير الحاسمة إلى مسارات بحثية أكثر تحديدًا، وزيادة فرص الوصول إلى تفسير علمي لحالات ظلت دون تشخيص لسنوات.