Come l’intelligenza artificiale sta rivoluzionando lo sviluppo dei farmaci: tutti ne parlano, ma nessuno spiega come. Ecco la sintesi del dettagliato articolo pubblicato dal New York Times 
Nei laboratori high-tech, gli esperti generano dati per addestrare gli algoritmi dell’ intelligenza artificiale a progettare farmaci più efficaci e più velocemente. La trasformazione é appena all’inizio.
I laboratori delle aziende farmaceutiche in California sono una sinfonia di automazione miniaturizzata. I robot ronzano, trasportando minuscoli tubi di fluidi verso varie postazioni. Scienziati in camice blu, guanti sterili e occhiali protettivi monitorano le macchine.
Ma l’azione reale avviene su scala nanometrica: le proteine in soluzione si combinano con le molecole chimiche contenute in minuscoli pozzetti in chip di silicio personalizzati che sono come microscopici stampi per muffin.
Ogni interazione viene registrata, milioni e milioni di volte ogni giorno, generando 50 terabyte di dati grezzi al giorno, l’equivalente di oltre 12.000 film.
C’é tutta un’ondata di giovani aziende e start-up che cercano di sfruttare l’intelligenza artificiale per produrre farmaci innovativi più rapidamente possibile.
Le aziende stanno sfruttando la nuova tecnologia – che impara da enormi quantità di dati per generare risposte – per rivoluzionare la scoperta dei farmaci. Spostano il campo dal meticoloso lavoro artigianale a una precisione più automatizzata e molto più rapida.
Secondo la società di consulenza McKinsey & Company , l’intelligenza artificiale rappresenta “un’opportunità irripetibile” per il settore farmaceutico.
Proprio come i chatbot più diffusi, i software che simulano ed elaborano le conversazioni umane (scritte o parlate), consentendo agli utenti di interagire con i dispositivi digitali, come ChatGPT vengono addestrati sui testi Internet e i generatori di immagini come DALL-E imparano da vaste quantità di immagini e video, l’intelligenza artificiale per la scoperta di farmaci si basa sui dati.
E si tratta di dati molto specializzati: informazioni molecolari, strutture proteiche e misurazioni delle interazioni biochimiche. L’intelligenza artificiale apprende dai modelli presenti nei dati per suggerire possibili farmaci utili, come se abbinasse le chiavi chimiche ai giusti blocchi proteici. 
Poiché l’intelligenza artificiale per lo sviluppo di farmaci si basa su dati scientifici precisi, le “allucinazioni” tossiche sono molto meno probabili rispetto a chatbot più ampiamente addestrati. E qualsiasi potenziale farmaco deve essere sottoposto a test approfonditi nei laboratori e negli studi clinici prima di essere approvato per i pazienti.
L’intelligenza artificiale generativa può quindi progettare digitalmente una molecola di farmaco. Tale progetto viene tradotto, in un laboratorio automatizzato ad alta velocità, in una molecola fisica e testato per la sua interazione con una proteina bersaglio. I risultati, positivi o negativi, vengono registrati e reimmessi nel software di intelligenza artificiale per migliorare la progettazione successiva, accelerando il processo complessivo.
“L’intelligenza artificiale generativa sta rivoluzionando il settore del processo e dello sviluppo dei farmaci fino adesso disordinato e molto umano”, ha affermato David Baker, biochimico e direttore dell’Institute for Protein Design dell’Università di Washington.
Lo sviluppo di farmaci é stato fino adesso un’impresa costosa, dispendiosa in termini di tempo e di successo. Gli studi sul costo della progettazione di un farmaco e del percorso degli studi clinici fino all’approvazione finale variano ampiamente. Ma la spesa totale è stimata in media in 1 miliardo di dollari. Ci vogliono dai 10 ai 15 anni. E quasi il 90% dei farmaci candidati che entrano negli studi clinici sull’uomo falliscono, solitamente per mancanza di efficacia o a causa di effetti collaterali imprevisti.
I giovani sviluppatori di farmaci basati sull’intelligenza artificiale stanno cercando di utilizzare la loro tecnologia per migliorare queste probabilità, riducendo tempo e denaro.
La loro fonte di finanziamento più consistente proviene dai giganti farmaceutici, che da tempo fungono da partner e banchieri per iniziative di ricerca più piccole. Gli odierni produttori di farmaci basati sull’intelligenza artificiale sono generalmente concentrati sull’accelerazione delle fasi precliniche di sviluppo, che convenzionalmente richiedono dai quattro ai sette anni. Alcuni potrebbero provare a partecipare essi stessi agli studi clinici. Ma é proprio in quella fase che di solito subentrano le grandi aziende farmaceutiche, che gestiscono i costosi test sull’uomo, che possono richiedere altri sette anni.
Per le aziende farmaceutiche affermate, la strategia dei partner rappresenta un percorso relativamente a basso costo per sfruttare l’innovazione.
“Per loro, é come prendere un taxi per portarti da qualche parte invece di dover comprare un’auto”, spiega Gerardo Ubaghs Carrión, ex banchiere di investimenti biotecnologici presso Bank of America Securities. 
Le principali aziende farmaceutiche pagano i loro partner di ricerca per raggiungere traguardi importanti verso i farmaci candidati, che possono procurare guadagni per centinaia di milioni di dollari nel corso degli anni. E se un farmaco alla fine viene approvato e diventa un successo commerciale, si genera un flusso di royalties.
Ci sono, in generale, due percorsi diversi: le aziende che stanno costruendo grandi laboratori e quelle che non lo stanno facendo.
Isomorphic, lo spin-out per la scoperta di farmaci di Google DeepMind, il gruppo centrale dell’intelligenza artificiale del colosso tecnologico, ritiene che migliore é l’intelligenza artificiale, meno dati sono necessari. E sta scommettendo sulla sua abilità nel software.
Nel 2021, Google DeepMind ha rilasciato un software che prevedeva con precisione le forme in cui le stringhe di amminoacidi si sarebbero ripiegate come proteine. Quelle forme tridimensionali determinano il funzionamento di una proteina. Si è trattato di un impulso alla comprensione biologica e utile nella scoperta di farmaci, poiché le proteine guidano il comportamento di tutti gli esseri viventi.
Il mese scorso, Google DeepMind e Isomorphic hanno annunciato che il loro ultimo modello di intelligenza artificiale, AlphaFold 3, può prevedere come interagiranno molecole e proteine: un ulteriore passo avanti nella progettazione di farmaci.
“Ci stiamo concentrando sull’approccio computazionale”, ha affermato Max Jaderberg, responsabile dell’intelligenza artificiale di Isomorphic. “Pensiamo che ci sia un enorme potenziale da sfruttare”.
“Il test finale per noi, e in generale, é se tra 10 anni guardando indietro si potrà dire che il tasso di successo clinico é aumentato notevolmente e se si disporrà di farmaci migliori per la salute umana”, ha affermato ” Jacob Berlin, cofondatore e amministratore delegato della multinazionale Terray Therapeutics.
Facebook Comments
