Scienza e Medicina

Scoprire nuovi farmaci con l’aiuto dell’Intelligenza Artificiale? Si può fare!

25 October 2018 | Scritto da Maria Pia Catalani

L’IA offre un metodo per creare nuovi farmaci, dimezzando tempi e costi

Dimenticate lo stereotipo dello scienziato in camice bianco, chiuso nel suo laboratorio a manovrare provette e altri arnesi del mestiere. L’evoluzione tecnologica alla quale stiamo assistendo ai giorni nostri non può esimersi dal coinvolgere anche il mondo della ricerca, con l’intento di apportare dei miglioramenti in termini di efficienza, tempistiche e, non ultimo, di costi.
Così questa immagine di ricercatore forse un giorno potrebbe diventare un ricordo sbiadito e, a rimpiazzare lo scienziato in camice bianco, potrebbero esserci delle macchine manovrate in remoto, magari comodamente dal divano di casa, o perché no, un robot in grado di operare autonomamente.

Prendiamo la ricerca farmaceutica: dall’idea di un potenziale farmaco alla messa in commercio dello stesso, intercorrono circa dieci-quindici anni: questo perché esistono una serie di steps obbligatori, sperimentazioni, leggi e normative che hanno lo scopo non solo di provare l’efficacia del farmaco ma di tutelare la sicurezza di chi dovrà assumerlo, evitando o riducendo possibilmente a zero i potenziali effetti collaterali.  Purtroppo il percorso non è soltanto lungo e costoso ma è costellato di frequenti sconfitte che rendono vani gli sforzi e gli investimenti fatti. È qui che, anche in ambito farmaceutico, entra in gioco la tanto discussa intelligenza artificiale, alla quale è affidato il compito di: velocizzare il processo e marginalizzare i fallimenti.

Per comprendere in che modo l’intelligenza artificiale possa aiutare l’intero processo di Ricerca e Sviluppo di un farmaco, dobbiamo andare un po’ di più nel dettaglio e comprendere quali sono le fasi che un’idea deve attraversare prima di materializzarsi in farmaco sul banco di una farmacia.

Come nasce un farmaco? Una volta individuata la patologia da trattare e il target terapeutico che si suppone sia coinvolto (DNA, enzima, proteina, ecc.) e sul quale indirizzare il potenziale farmaco, inizia la sperimentazione preclinica ovvero quegli studi cosiddetti “in vitro” (in provetta) atti a comprendere le caratteristiche della sostanza che potrebbe un giorno diventare un farmaco. Se il riscontro è positivo si procede poi ad uno studio più approfondito e alla sperimentazione “in vivo”, in modo da verificare gli effetti terapeutici della molecola. Se la ricerca ha successo e il farmaco è considerato efficacie in vivo e non potenzialmente tossico, si procede alla sperimentazione clinica, cioè sull’uomo. Questa prevede tre ulteriori fasi: la fase 1 che serve a fornire una prima valutazione della sicurezza e tollerabilità del farmaco su volontari sani, la fase 2 in cui viene indagato in maniera approfondita il beneficio terapeutico della sostanza in sperimentazione, la fase 3 in cui il farmaco viene confrontato con un placebo e, se dimostra l’efficacia terapeutica atta a migliorare la qualità della vita, può essere messo in commercio. L’intero processo ha un costo che si aggira intorno ai 2 bilioni di dollari ma di gran lunga più alto è il numero di dati che vengono generati durante tutto questo lungo, complicato e tortuoso percorso.

Intelligenza artificiale e machine learning. Volendo andare migliorare e a velocizzare questo processo decennale, cercando di assicurarsi il più possibile di raggiungere l’obiettivo ed arrivare con un farmaco sul mercato, ci sono quindi più fronti sui quali intervenire avvalendosi dell’aiuto di intelligenza artificiale e machine learning, al punto che sono nate numerose startup iperspecializzate, che hanno l’obiettivo di ottimizzare specifici step del percorso di ricerca e sviluppo.

Simon Smith, Chief Growth Officer di BenchSci (una startup che ha sviluppato una piattaforma di intelligenza artificiale in grado di estrarre informazioni rilevanti per esperimenti legati all’utilizzo degli anticorpi, a partire da un set di dati pubblici) ha catalogato tutte le startup e le aziende che utilizzano algoritmi di intelligenza artificiale per la scoperta o sviluppo dei farmaci.
Da questa analisi è emersa la presenza di 106 startup attive, a vari livelli, nel campo dell’intelligenza artificiale al servizio della produzione di medicinali. Le aziende si affidano sempre meno a piattaforme come Watson, il sistema sviluppato da Ibm che cerca rispondere un po’ a tutte le esigenze del processo di ricerca, e favoriscono, invece, quelle compagnie in grado di fornire strumenti specifici realizzati per un preciso compito.

I servizi offerti da queste startup alle aziende farmaceutiche vanno dall’aggregazione e sintesi delle informazioni di base per la generazione di nuovi farmaci “candidati”, all’ottimizzazione ed esecuzione delle sperimentazioni cliniche. L’intelligenza artificiale si rivela quindi un giocatore versatile nel processo di ricerca e sviluppo.

Di fatto le principali attività nelle primissime fasi di ricerca riguardano la capacità di mettere insieme la grande mole di dati che le aziende hanno collezionato nei propri database, in modo da: aumentare le opportunità di scoperta, individuare i target più promettenti ed arrivare al termine della fase preclinica con un maggior numero di molecole di successo. Nella fase di sviluppo, invece, l’intelligenza artificiale potrebbe agevolare la riduzione dei costi e dei fallimenti, ad esempio attraverso l’ottimizzazione dei protocolli (pianificazione ed esecuzione delle sperimentazioni cliniche, reclutamento pazienti, pubblicazione dei dati generati).

Ovviamente non mancano le perplessità ma tanti sono i sostenitori di queste tecnologie: come  Alex Zhavoronkov, Ceo della startup americana Insilico Medicine, secondo il quale “nei prossimi anni, utilizzando metodi appropriati di deep learning, saremo in grado di ridurre dell’80-85% i costi per la scoperta di nuovi farmaci, e accorciare il processo di ricerca e sviluppo da 10-15 anni a 2-3”.

Perché non provare? Sulla rivista Nature di settembre del 2017 viene raccontato un aneddoto interessante risalente al 2016, che ha come protagonisti dei chimici esperti, dipendenti della casa farmaceutica Sunovion. A questo gruppo di ricercatori con sede a Marlborough, nel Massachusetts, viene chiesto di individuare, a partire da una griglia di centinaia di composti, i migliori potenziali farmaci avendo a disposizione: la propria conoscenza, le strutture chimiche delle molecole ed alcuni dati biologici. Degli 11 sfidanti totali, dieci riuscirono ad arrivare al risultato dopo molte ore di lavoro, mentre uno ci riuscì in pochi millisecondi.  Soltanto al termine dell’esperimento venne rivelato che quest’ultimo era un algoritmo di intelligenza artificiale sviluppato da Willem Van Hoom, responsabile della divisione di chemo-informatica di Exscientia, una startup americana che utilizza intelligenza artificiale per progettare farmaci. In seguito, Exsciencia e Sunovion hanno continuato a collaborare assieme con l’obiettivo di scoprire nuovi farmaci in ambito psichiatrico.

Tuttavia, nonostante il successo dimostrato da questo esperimento, molti chimici farmaceutici rimangono scettici e frenano l’entusiasmo, forse convinti che la complessità della chimica non possa essere ridotta a semplici linee di codice o più semplicemente perché la mancanza di conoscenza in materia ne scoraggia l’utilizzo. Proprio Nature, inoltre, a dimostrazione invece dell’interesse della comunità scientifica verso l’AI, ha annunciato il lancio nel 2019 di una nuova testata giornalistica online destinata esclusivamente alle scoperte in campo medico supportate dall’intelligenza artificiale.

In conclusione, per quanto riguarda l’ambito farmaceutico ci dobbiamo aspettare, quindi, che intelligenza artificiale e machine learning verranno sempre di più impiegate soprattutto nelle prime fasi di Ricerca e sviluppo del farmaco in modo tale da arrivare velocemente alla fase clinica, con un aumento della pipeline e una riduzione di potenziali fallimenti. Detto ciò, tuttavia, è difficile che l’intelligenza artificiale andrà a sostituire lo scienziato in tutte le sue attività: uomo e macchina dovranno collaborare. Quindi, tra un ricercatore che non sarà in grado di usufruire dell’intelligenza artificiale e uno che, invece, la utilizzerà come strumento per migliorare il proprio lavoro, alla fine soltanto quest’ultimo riuscirà a sopravvivere.

Occhio giovani ricercatori, il consiglio è quello di stare al passo con i tempi!

Maria Pia Catalani
Maria Pia Catalani

Contributor

Maria Pia Catalani è laureata in Chimica e Tecnologie Farmaceutiche e in Controllo e qualità del Farmaco. È una folle appassionata di musica e di viaggi.

leggi tutto