مع تزايد الاعتماد على الذكاء الاصطناعي في مجالات متعددة، برزت نماذج اللغات الضخمة (LLMs) كأدوات واعدة تفتح آفاق جديدة في الاكتشاف العلمي، خاصة في مجال تصميم الأدوية. لكن، ما مدى فعالية هذه النماذج في التعامل مع التحديات الواقعية لتصميم الأدوية الصغيرة (SMDD)؟

تسعى SMDD-Bench، المعايير الجديدة التي تم تقديمها، إلى معالجة هذه القضية. تتضمن هذه المنصة 502 مهمة مصممة بعناية، تشمل 5 أنواع من المهام: تحديد النماذج الدوائية ثنائية الأبعاد (2D Pharmacophore Identification)، اكتشاف نقاط التفاعل (Interaction Point Discovery)، تغيير الهيكل (Scaffold Hopping)، تحسين الرصاص (Lead Optimization)، وتجميع القطع (Fragment Assembly).

تتميز SMDD-Bench بتحدياتها المتعددة الأدوار والحاجة إلى التفكير الكيميائي والبيولوجي المركب. ومع تقييم 7 نماذج من نماذج اللغات الضخمة، جاء النموذج الأقوى، GPT-5.4، ليحقق فقط 40.2% من الحلول المطلوبة. هذه النتيجة تثير التساؤل حول مدى إمكانية استقلالية نماذج اللغات الضخمة في تصميم الأدوية دون تدخل بشري.

من خلال إطلاق SMDD-Bench، نأمل أن تتمكن الباحثون والمطورون في مجال الذكاء الاصطناعي من تطوير أدوات أكثر كفاءة. ويمكنكم متابعة نتائج التقييم على الموقع الرسمي [smddbench.com].

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.