Lo sviluppo di un nuovo farmaco è uno dei processi industriali più complessi e lunghi. In media sono necessari oltre dieci anni e investimenti che possono superare i due miliardi di dollari per portare una nuova molecola sul mercato, con tassi di insuccesso ancora molto elevati, soprattutto nelle fasi cliniche avanzate. In questo contesto, l’intelligenza artificiale sta trasformando il modo in cui i farmaci vengono scoperti, progettati e valutati.
Negli ultimi anni, un numero crescente di imprese farmaceutiche ha iniziato a integrare modelli di apprendimento automatico e strumenti avanzati di analisi dei dati lungo l’intera catena di ricerca e sviluppo. L’obiettivo è ridurre tempi e costi, aumentare le probabilità di successo e migliorare la qualità delle decisioni nelle fasi iniziali, prima che i progetti richiedano sperimentazioni cliniche particolarmente onerose. Uno dei principali vantaggi dell’intelligenza artificiale in questo ambito è la capacità di analizzare enormi volumi di dati eterogenei, come immagini cellulari, informazioni genomiche e trascrittomiche, nonché strutture chimiche. Questo approccio si rivela particolarmente utile nello studio di malattie complesse, tra cui il cancro e le patologie neurodegenerative.
Il caso di Recursion Pharmaceuticals è emblematico di questa evoluzione. L’azienda, con sede a Salt Lake City, ha costruito il proprio modello industriale sull’integrazione tra intelligenza artificiale, screening fenotipico ad alta produttività e automazione dei processi di laboratorio. La piattaforma sviluppata da Recursion consente di generare e analizzare milioni di immagini cellulari, accelerando l’individuazione di nuove ipotesi terapeutiche attraverso un approccio integrato all’intero processo di scoperta del farmaco. Anziché applicare l’intelligenza artificiale a una singola fase, l’azienda punta a coordinare dati e modelli lungo tutte le tappe della ricerca, ottenendo ipotesi biologiche più solide e tempi di sperimentazione sensibilmente ridotti rispetto agli standard tradizionali.
I primi risultati mostrano una significativa compressione delle tempistiche nelle fasi iniziali, caratterizzate da un elevato grado di automazione. Qualora tali programmi dimostrassero efficacia clinica nelle fasi più avanzate, questo modello potrebbe affermarsi come punto di riferimento per l’intero settore.
Pur essendo tra i pionieri di questo approccio, Recursion non rappresenta un caso isolato. Un numero sempre maggiore di aziende farmaceutiche sta investendo in piattaforme di intelligenza artificiale proprietarie o avviando collaborazioni con startup tecnologiche e operatori specializzati nel calcolo ad alte prestazioni. Oggi l’AI viene impiegata per progettare nuove molecole, prevedere le interazioni tra farmaci e bersagli biologici, analizzare dati, nonché migliorare la progettazione degli studi clinici.
Nonostante le prospettive promettenti, l’adozione dell’intelligenza artificiale nello sviluppo dei farmaci presenta ancora criticità rilevanti. Restano centrali la qualità e la disponibilità dei dati, la trasparenza e comprensibilità dei modelli – particolarmente importanti in un settore fortemente regolato – e la capacità effettiva degli algoritmi di tradurre correlazioni statistiche in benefici clinici concreti.
La traiettoria, tuttavia, appare ormai definita. L’intelligenza artificiale non è più una sperimentazione marginale, ma uno strumento strategico destinato a incidere profondamente sull’organizzazione, sui costi e sulle logiche della ricerca farmaceutica.
