L'INTELLIGENZA ARTIFICIALE CHE CI PIACE: QUELLA CHE CI FA CAMPARE DI PIÙ E MEGLIO! - L'IA STA RIVOLUZIONANDO LA PRODUZIONE FARMACEUTICA: LA STRAORDINARIA CAPACITA' DI CALCOLO DELLA NUOVA TECNOLOGIA PERMETTE AI RICERCATORI DI COLLEGARE LE INFORMAZIONI BIOLOGICHE DELLE MALATTIE PER CREARE NUOVI COMPOSTI CHIMICI - I NUOVI FARMACI, A CUI NESSUNO AVEVA PENSATO PRIMA, POTRANNO CURARE PATOLOGIE COME IL CANCRO: PER QUESTO, ENTRO IL 2030, LE AZIENDE INVESTIRANNO 15 MILIARDI NELLA RICERCA BASATA SULL'IA...
Articolo di “The Economist” – dalla rassegna stampa estera di “Epr comunicazione”
INTELLIGENZA ARTIFICIALE NELL ASSISTENZA SANITARIA
È in atto una rivoluzione dell'intelligenza artificiale nella produzione di farmaci. Trasformerà il modo in cui vengono prodotti i medicinali e l'industria stessa – scrive "The Economist".
Patrick Schwab non è un normale ricercatore farmaceutico e il suo posto di lavoro non è un normale laboratorio farmaceutico. Non ci sono banchi né liquidi ribollenti. Mancano anche i camici bianchi da laboratorio. Il dottor Schwab è invece vestito completamente di nero. Ma questo è l'abbigliamento adatto per chi lavora a King's Cross, una zona che un tempo era occupata da scali ferroviari ed edifici industriali, ma che ora, dopo una trasformazione, è uno dei quartieri più alla moda di Londra.
INTELLIGENZA ARTIFICIALE NELL ASSISTENZA SANITARIA
Il dottor Schwab lavora per GSK, un'azienda farmaceutica. Il suo compito è quello di ripensare il futuro della produzione di farmaci utilizzando un ramo altrettanto trendy dell'informatica, l'intelligenza artificiale (AI). Sta applicando questa tecnologia per trasferire il più possibile il carico di lavoro dalla vetreria ai computer: progettazione di farmaci in silico, piuttosto che in vitro.
A tal fine sta sviluppando uno strumento software chiamato Phenformer, che sta addestrando a leggere i genomi. Collegando le informazioni genomiche con i fenotipi, il termine biologico che indica i risultati fisici e comportamentali di particolari combinazioni genetiche, Phenformer apprende come i geni determinano le malattie. Ciò gli consente di generare nuove ipotesi sulle malattie e sui loro meccanismi sottostanti.
Insilico Medicine, un'azienda biotecnologica di Boston, sembra essere stata la prima ad applicare la nuova generazione di IA, nota come modelli transformer, alla ricerca di farmaci. Nel 2019 i suoi ricercatori si sono chiesti se fosse possibile utilizzarli per inventare nuovi farmaci a partire da dati biologici e chimici. Il loro primo obiettivo era la fibrosi polmonare idiopatica, una malattia polmonare.
Hanno iniziato addestrando un'IA su set di dati relativi a questa condizione e hanno trovato una proteina promettente. Una seconda IA ha poi suggerito molecole che si sarebbero agganciate a quella proteina e ne avrebbero modificato il comportamento, ma che non fossero troppo tossiche o instabili.
INTELLIGENZA ARTIFICIALE NELL ASSISTENZA SANITARIA
Successivamente, i chimici umani hanno preso il testimone, creando e testando le molecole selezionate. Il risultato è stato chiamato rentosertib e ha recentemente completato con successo la fase intermedia dei test clinici. L'azienda afferma che ci sono voluti 18 mesi per arrivare a un candidato per lo sviluppo, rispetto a una tempistica più usuale di quattro anni e mezzo.
Insilico ha ora una pipeline di oltre 40 farmaci sviluppati dall'intelligenza artificiale per il trattamento di patologie quali il cancro, le malattie intestinali e renali. E il suo approccio si sta diffondendo. Secondo una proiezione, gli investimenti annuali in questo settore passeranno da 3,8 miliardi di dollari a 15,2 miliardi di dollari tra il 2025 e il 2030.
[…]
Data la strana economia dell'industria farmaceutica – i farmaci che entrano nella fase di sperimentazione clinica hanno un tasso di fallimento del 90%, portando il costo di sviluppo di un farmaco di successo a ben 2,8 miliardi di dollari – anche miglioramenti marginali in termini di efficienza offrirebbero grandi vantaggi. I rapporti provenienti da tutto il settore suggeriscono che l'intelligenza artificiale ha iniziato a fornire questi risultati.
Ha ridotto la fase preclinica (quella che precede l'inizio delle sperimentazioni sull'uomo) da tre-cinque anni a 12-18 mesi. Inoltre, ha migliorato il tasso di successo. Uno studio pubblicato nel 2024 sulle prestazioni delle molecole scoperte dall'IA nelle prime fasi della sperimentazione clinica ha rilevato un tasso di successo dell'80-90%. Questo dato è da confrontare con le medie storiche del 40-65%.
[…]
L'intelligenza artificiale sta anche contribuendo a migliorare la progettazione delle sperimentazioni. Un approccio prevede l'utilizzo di “agenti” di intelligenza artificiale che si comportano come se fossero in grado di pensare e ragionare. Tornando alla GSK, Kim Branson, responsabile dell'IA, ha mostrato al vostro corrispondente una dimostrazione di un sistema basato su agenti chiamato Cogito Forge.
Quando viene sottoposto a una domanda di biologia, Cogito Forge è in grado di scrivere il proprio codice per aiutare a rispondere alla domanda, raccogliere i set di dati appropriati, unirli e quindi creare una presentazione completa di grafici che mostrano le conclusioni a cui è giunto.
Da lì può generare un'ipotesi su una malattia, comprese previsioni verificabili, e cercare di verificarla o confutarla con una ricerca bibliografica. Tale ricerca impiega tre agenti: uno per cercare le ragioni per cui l'ipotesi è valida, un secondo per cercare le ragioni per cui non lo è e un terzo per giudicare quale delle altre due è corretta.
Un altro settore in cui l'IA mostra risultati promettenti è la selezione dei pazienti per le sperimentazioni. Può analizzare le cartelle cliniche, le biopsie e le scansioni corporee dei candidati per identificare chi potrebbe trarre il massimo beneficio da un nuovo farmaco. Una scelta migliore dei partecipanti significa sperimentazioni più piccole, e quindi più veloci ed economiche.
L'uso più intrigante dell'IA per migliorare le sperimentazioni, tuttavia, è la creazione di pazienti sintetici (talvolta chiamati gemelli digitali) che fungono da controlli abbinati ai partecipanti reali. Per fare questo, un'IA esamina i dati delle sperimentazioni passate e impara a prevedere cosa potrebbe accadere a un partecipante se seguisse il decorso naturale della sua condizione piuttosto che essere trattato.
[…]
Se adottato, l'uso di pazienti sintetici ridurrebbe le dimensioni dei bracci di controllo delle sperimentazioni e potrebbe, potenzialmente, eliminarli del tutto in alcuni casi. Potrebbero anche risultare interessanti per i partecipanti, poiché aumenterebbero le loro possibilità di ricevere il trattamento in fase di sperimentazione piuttosto che essere inseriti in un gruppo di controllo.
Un modello pubblicato nel 2025 da Unlearn.AI, un'azienda di digital twin con sede a San Francisco, ha suggerito che questo approccio avrebbe potuto ridurre le dimensioni di un braccio di controllo in una sperimentazione clinica sulla malattia di Parkinson in fase iniziale del 38% e del 23% in un altro studio sulla malattia di Alzheimer. Inoltre, gli studi clinici in fase iniziale, che a volte non prevedono un braccio di controllo, potrebbero ora introdurli digitalmente per aumentare la fiducia nei primi segni di efficacia e migliorare la progettazione degli studi successivi.
Molte proteine, molecole sempre più utilizzate come farmaci ma molto più grandi delle molecole dei farmaci convenzionali, tendono a muoversi. Ciò rende più difficile determinarne la forma precisa. Le molecole di RNA, alla base di una nuova classe di vaccini, sono altrettanto complesse. E lo sono ancora di più le complesse strutture a membrana che si trovano all'interno delle cellule. Ma questo è un settore in cui la comprensione sta avanzando rapidamente. Le IA vengono ora addestrate a modellare le interazioni tra proteine e altre molecole, a prevedere il ripiegamento dell'RNA e persino a simulare cellule virtuali.
[…]
Questi allontanamenti dai normali strumenti di scoperta farmaceutica sollevano la questione se le aziende farmaceutiche convenzionali siano a rischio di disruption. OpenAI, in particolare, ha chiarito la sua aspettativa che i modelli raggiungeranno alti livelli di capacità in biologia e sta addestrando sistemi in grado di ragionare e fare scoperte nelle scienze della vita. Per il momento, le aziende farmaceutiche hanno il vantaggio di disporre di una grande quantità di dati biologici e del contesto per comprenderli e utilizzarli. Al momento, la collaborazione è all'ordine del giorno. OpenAI, ad esempio, sta collaborando con Moderna, un pioniere dei vaccini a RNA, per accelerare lo sviluppo di vaccini personalizzati contro il cancro. Ma questo equilibrio di vantaggi potrebbe cambiare.
Chiunque ottenga il sopravvento, tuttavia, se le IA riusciranno a ottenere efficienze simili dalle sperimentazioni cliniche, la probabilità che una molecola superi con successo il percorso delle sperimentazioni cliniche potrebbe aumentare dal 5-10% al 9-18%. Potrebbe non sembrare molto, ma rappresenta un'enorme riduzione del rischio per l'azienda, con una conseguente riduzione dei costi di sviluppo dei farmaci. A medio termine, ciò potrebbe stimolare gli investimenti e aumentare il numero di farmaci immessi sul mercato. A lungo termine, se l'intelligenza artificiale riuscirà a risolvere i problemi della biologia, le possibilità tecniche di migliorare la salute umana potrebbero essere quasi illimitate.
