Se la cura per il cancro la scopre l’intelligenza artificiale

Tenete bene a mente questo termine: in silico. Perché è quello che con ogni probabilità sentirete quando verrà scoperta la cura contro il cancro, o sarà trovato l’antibiotico che risolverà le infezioni resistenti, o il rimedio per l’Alzheimer. Potremmo dire che questo strano latinismo sia stato coniato per esclusione, per dare un nome alla ricerca farmaceutica che non è in vitro (cioè in provetta) e nemmeno in vivo (quindi sugli organismi viventi) ma procede grazie all’Intelligenza artificiale, nel silicio dei chip e nei modelli computazionali dei computer.

Il laboratorio di farmaci del futuro, infatti, non ha camici bianchi, né provette. Al posto del caos controllato del banco di laboratorio, ci sono codici e algoritmi: si ricercano le medicine che useremo nei prossimi anni, ma non si mescola chimica. Il recente rapporto del Capgemini Research Institute sull’industria biofarmaceutica ha previsto che tra un decennio il 60 per cento dei nuovi farmaci sarà stato progettato dall’IA. Lungi dall’essere fantascienza, la ricerca con l’IA sta già iniziando a cambiare la storia della medicina.

De novo drug design e drug repurposing

«La progettazione di farmaci in silico non serve solo a creare molecole da zero, ma è utile anche per trovare nuovi utilizzi per quelli già esistenti», spiega a Panorama Antonio Lavecchia, ordinario di chimica farmaceutica all’Università di Napoli Federico II e autore del libro Applied Artificial Intelligence for Drug Discovery. «Da un lato, grazie ai computer e all’IA, i ricercatori progettano molecole nuove, simulando come potrebbero legarsi a una proteina coinvolta in una malattia: è il cosiddetto de novo drug design, in cui il farmaco nasce “al computer” e solo dopo, se promettente, viene prodotto e testato in laboratorio».

Ma esiste un approccio altrettanto importante: il drug repurposing, il riposizionamento dei farmaci. «In questo caso» prosegue Lavecchia «non si parte da zero, perché l’IA e i modelli in silico analizzano grandi quantità di dati su medicinali già approvati, sulla loro struttura chimica e sui meccanismi d’azione, per capire se possono essere efficaci su malattie diverse da quelle originarie». Un esempio concreto è stato quello del baricitinib, sviluppato per l’artrite reumatoide e poi riproposto per il trattamento di Covid-19.

Antibiotico-resistenza e nuove molecole

«Nel campo dell’antibiotico-resistenza, oggi particolarmente cruciale, esistono già esempi concreti dell’impatto dell’Intelligenza artificiale sulla ricerca», sottolinea Eugenio Santoro, responsabile dell’Unità per la ricerca in sanità digitale e terapie digitali dell’Irccs Istituto Mario Negri. «Mi riferisco, per esempio, agli studi su halicin e abaucina, antibiotici sperimentali individuati – nel primo caso – attraverso strategie di riposizionamento e nel secondo da analisi nuove, effettuate su milioni di composti».

Halicin, che prende il nome da Hal, il computer di 2001: Odissea nello spazio, originariamente sviluppato per il diabete, si è dimostrato capace di sconfiggere molti batteri, fra cui il temibile Acinetobacter baumannii, resistente a tutti gli antibiotici finora conosciuti. Non è il solo: il Clostridium difficile, per esempio, provoca un’infezione che negli anziani è spesso letale e che genera in Europa una spesa ospedaliera di circa 5 miliardi all’anno.

Dalla scoperta ai trial clinici

«La biotech Insilico Medicine di Boston ha utilizzato piattaforme di IA anche per generare un candidato farmacologico per la fibrosi polmonare idiopatica», spiega ancora Lavecchia. «Questo composto, chiamato rentosertib, è passato dalla scoperta al primo stadio di sperimentazione clinica in circa 30 mesi, un tempo molto più breve rispetto ai cicli di sviluppo tradizionali». Nel 2024, Insilico ha completato l’arruolamento dei pazienti per lo studio di Fase 2 in Cina e ha pubblicato su Nature Biotechnology i risultati dettagliati. «I dati preliminari indicano che rentosertib è stato ben tollerato e mostra segnali iniziali di efficacia».

Accelerazioni e risparmi più necessari che mai: oggi il 90 per cento dei farmaci che giungono fino all’ultima fase di sperimentazione falliscono l’obiettivo e ogni nuova molecola che arriva sul mercato, dopo 12-15 anni di test, costa in media 2,8 miliardi di dollari. Uno studio pubblicato su Drug Discovery Today nel giugno 2024 ha però mostrato che le molecole scoperte con l’IA hanno un tasso di successo iniziale dell’80-90 per cento.

Quando l’IA arriva al letto del paziente

Alcuni farmaci “riposizionati” grazie all’IA sono già arrivati ai pazienti. È il caso del clonazepam, utilizzato per una bambina statunitense affetta dalla rarissima sindrome di DeSanto-Shinawi. Attraverso la piattaforma BabyFORce, l’IA ha selezionato tra i medicinali esistenti quello più promettente per incrementare la produzione del gene coinvolto. I risultati sono ancora preliminari, ma la bambina ha iniziato a pronunciare le prime parole e a gattonare.

Big tech, regolatori e futuro della medicina

Anche i colossi tecnologici sono scesi in campo. Un sistema di IA chiamato C2S-Scale 27B, sviluppato da Google DeepMind insieme all’Università di Yale, ha generato una nuova ipotesi sul comportamento cellulare del cancro, poi validata sperimentalmente. «Con ulteriori test preclinici e clinici, questa scoperta potrebbe rivelare una nuova promettente strada per lo sviluppo di terapie», ha scritto Sundar Pichai.

Dell’importanza dell’IA anche nelle diagnosi è convinto Giuseppe Remuzzi, che ha citato uno studio del New England Journal of Medicine: l’IA raggiunge l’85,5 per cento di diagnosi corrette contro il 20 dei clinici. Le agenzie regolatorie, dall’Ema alla Fda, hanno già pubblicato linee guida comuni per l’uso responsabile dell’IA nei farmaci. Anche in Italia la ricerca corre: gruppi universitari stanno già sintetizzando nuove molecole contro l’antibiotico-resistenza.

Forse le provette non scompariranno del tutto, ma non saranno più il luogo dove nasce l’intuizione. Quella prenderà forma prima, nei chip. Perché, come scriveva Ippocrate, «la vita è breve, l’arte è lunga». E oggi l’arte della medicina ha imparato a pensare in silico.