Se abbiamo avuto i vaccini anti covid-19 così presto – mesi invece degli anni di solito necessari per un vaccino – lo dobbiamo anche all’Intelligenza Artificiale, sorretta da super-potenza di calcolo. L’hanno dichiarato in varie occasioni i produttori dei vaccini covid, come Moderna e Pfizer.
Gli algoritmi di AI sono stato un sotto-testo silenzioso alla nostra lotta al covid.
Hanno dato notevoli vantaggi nell’ottimizzazione e nello sviluppo di terapie efficaci, nella formazione del personale sanitario e tecnico e nella creazione di siti di produzione dei vaccini su larga scala.
Facciamo il punto sullo stato dell’arte e sugli sviluppi legati all’utilizzo di strumenti di machine learning in questa “corsa all’oro” da cui dipende, letteralmente, il futuro della salute a livello globale.
Ricerca sul vaccino anti-covid: il ruolo di intelligenza artificiale e machine learning
In tutto il mondo, sono migliaia i ricercatori che collaborano in centinaia di laboratori per combattere il Covid-19 che ha infettato sinora sessanta milioni di persone (pressoché pari all’intera popolazione italiana) e causato oltre un milione e quattrocentomila morti. Recentemente, un gruppo di esperti ha notato – alla 2020 Berlin Science Week – che l’intelligenza artificiale e altre tecnologie come il Machine Learning possono dare un senso alle montagne di dati ricavate da diversi esperimenti, scoprendo modelli che il cervello umano (per quanto complesso) potrebbe non riuscire a individuare.
Mentre i candidati al vaccino avanzano verso le fasi finali dei test sugli esseri umani – con il Regno Unito già pronto alla somministrazione alla popolazione – gli esperti hanno affermato che l’Intelligenza Artificiale sarebbe stata vitale per analizzare rapidamente i dati clinici e immunologici a nostra disposizione.
L’Intelligenza artificiale negli impianti di produzione del vaccino anti-covid
La ricercatrice Rene Faber, della società farmaceutica Sartorius Stedim Biotech, ha affermato che vi è la necessità di utilizzare queste “innovazioni pratiche” al più presto. Citando l’esempio delle tecnologie “monouso”, la Faber ha affermato che queste soluzioni possono aiutare a sviluppare rapidamente le capacità di produzione dei vaccini. Nelle “tecnologie monouso”, ha affermato la Faber, l’intero processo di produzione è composto di plastica; la stessa plastica che viene utilizzata una sola volta (usa-e-getta) dall’utente finale. La Faber, intervenendo ad una sessione della Falling Walls Foundation, ha affermato che l’utilizzo di un tale processo “veloce” permetterebbe la costruzione di impianti di produzione di vaccini in maniera celere, risparmiando un anno o anche più di un anno per costruire il processo di produzione dei vaccini. E una volta costruito un impianto basterà fare un (relativamente semplice) “copia-incolla” ed esportare il medesimo in Europa e in Asia.
La ricercatrice della Sartorius ha affermato che un’altra tecnologia importante nella ricerca di un vaccino contro il Covid-19 è l’automazione. Quando i clienti sviluppano un processo di produzione, gli stessi devono eseguire un gran numero di esperimenti per restringere i parametri di processo. Secondo la Faber, i produttori devono anche capire come il processo di produzione può influire sulla qualità del vaccino, trovando al contempo il modo di ottimizzarne la resa. E questo è un lavoro molto importante, che deve essere fatto pur richiedendo molto tempo; tuttavia, vi sono strumenti molto innovativi che consentono una produttività molto elevata (e l’automazione è tra questi).
La digitalizzazione e gli strumenti come l’Intelligenza Artificiale sono utilizzati per l’analisi dei dati in tempo reale, nonché per prevedere o modificare il processo prima che qualcosa vada storto. Quindi – tirando le somme – vi sono una serie di innovazioni che oggi sono a disposizione dei ricercatori, innovazioni che gli stessi ricercatori possono utilizzare per accelerare lo sviluppo dei vaccini e costruirne la loro produzione (pre-durante-post).
E ancora, secondo Rene Faber, la produzione della maggior parte dei prodotti di biologia si basa sul comportamento delle singole cellule e l’Intelligenza Artificiale viene utilizzata per decifrare come questi elementi costitutivi della vita agiscono, come ad esempio nella produzione di proteine e altre molecole, nonché nella stessa produzione dei vaccini. Per la Faber, strumenti come l’Intelligenza Artificiale, i modelli meccanicistici, gli strumenti statistici, l’analisi statistica dei dati, sono tutti fondamentali – anche combinati tra loro – nella corsa al vaccino.
Come funziona un attacco virale e a cosa serve il vaccino
Anche se variano nei dettagli, gli attacchi virali nel corpo umano iniziano per lo più nello stesso modo. Quando un virus entra nel corpo – ad esempio, attraverso la bocca o il naso – si “infiltra” nelle cellule sane legandosi ai recettori sulla superficie delle cellule. Il virus può quindi “dirottare” i meccanismi delle cellule per fare più copie di sé stesso. E ciò che ne consegue sfocia in un’infezione. Fermare tutto questo è compito del sistema immunitario, che è progettato per cacciare e distruggere gli agenti patogeni – come virus e batteri – dal corpo umano. Come primo passo, il sistema immunitario invia all’infezione una serie di “risposte”.
Se questo non è sufficiente, la risposta del sistema immunitario porta a diverse soluzioni. Nel frattempo che il corpo risponde con tutte le “armi” a sua disposizione, ci si ammala (con sintomi, lievi sintomi o in maniera asintomatica). L’obiettivo di un vaccino, quindi, è quello di esporre il corpo umano ad un agente patogeno senza far ammalare l’ospite, in modo che il sistema immunitario sia pronto a combatterlo in ogni successiva esposizione. Tuttavia, per un dato virus ci sono decine di migliaia di sottocomponenti diversi delle proteine esterne che il sistema immunitario può riconoscere, e quindi decine di migliaia di possibilità diverse per il vaccino.
L’innovazione nel campo dello sviluppo del vaccino
Per Uwe Gottschalk, Chief Technology Officer della società elvetica Lonza, nel campo dello sviluppo di vaccini anti-Covid-19, le innovazioni in campo tecnologico stanno cominciando a fornire un valido apporto. Per Gottschalk l’industria farmaceutica nel suo complesso è piuttosto lenta e questo perché non è possibile prendere scorciatoie e compromettere l’efficacia e la sicurezza dei prodotti in oggetto. Con questa sfida attorno al vaccino anti-Covid-19, le aziende stanno applicando tutto il loro know-how – sfruttando le tecnologie a loro disposizione, come il Machine Learning e l’Intelligenza Artificiale – per accelerarne lo sviluppo. Citando un altro esempio di nuova tecnologia che sta arrivando “in aiuto” contro la pandemia di Covid-19, Gottschalk ha affermato che la società Lonza sta attualmente installando siti di produzione su larga scala per la produzione di vaccini prima ancora che qualsiasi apparecchiatura sia in loco. Secondo Gottschalk la sua società può formare i suoi specialisti con l’aiuto della Realtà Virtuale[1]. In pratica, anche se sono seduti in un centro di formazione o tra le mura domestiche, gli specialisti di Lonza si formano con un approccio tale da permettere di risparmiare mesi nella corsa al vaccino.
Il professor Carlos A. Guzmán dell’Helmholtz Centre for Infection Research di Braunschweig (Germania) – invece, ha affermato che, anche grazie all’uso dell’Intelligenza Artificiale nello sviluppo di vaccini, ci si può permettere di appurare come ogni singolo essere umano, anche all’interno della stessa fascia d’età, non risponde ai vaccini nello stesso modo, aggiungendo altresì che è importante capire perché ci sono degli alti e bassi nel rispetto del piano terapeutico di ogni persona. Guzmán ritiene che se il meccanismo che sta dietro a tutto questo viene compreso, si possono sviluppare nuovi vaccini che possono funzionare anche per gruppi di popolazione che in genere hanno una scarsa risposta all’immunizzazione. Per Guzmán questo tipo di tecnologia può essere implementato ottenendo al contempo risultati anche in altri campi. [2]
Vaccini in pista contro il Covid-19
| Gruppo produttore | Paesi | Tipo di vaccino | Finanziamento | Finanziatori |
| University of Oxford, AstraZeneca | UK, USA | Viral-vector (adenovirus) | $1.25 miliardi | Governi Usa e UK |
| Sinovac Biotech | Cina | Inactivated virus | $15 milioni | Advantec Capital, Vivo Capital |
| Wuhan Institute of Biological Products, Sinopharm | Cina | Inactivated virus | $142 milioni | Governo cinese |
| Beijing Institute of Biological Products, Sinopharm | Cina | Inactivated virus | $142 milioni | Governo cinese |
| Moderna, National Institute of Allergy and Infectious Diseases | USA | RNA vaccine (mRNA) | $2.48 miliardi | Governo Usa |
| Inovio Pharmaceuticals/ International Vaccine Institute | USA | DNA vaccine | $97 milioni | Governo Usa e altri |
| CureVac | Germania | RNA vaccine (mRNA) | $440 milioni | $355 milioni dal Governo tedesco più $85 millioni di prestito dall’Banca europea di investimento |
| BioNTech, Fosun Pharmaceutical, Pfizer | USA, Cina, Germania | RNA vaccine (mRNA) | $1.95 miliardi | Governo Usa |
| Gamaleya Research Institute of Epidemiology and Microbiology | Russia | Viral-vector (adenoviruses) | NA | Governo russo |
| CanSino Biologics, Institute of Biotechnology/ Academy of Military Medical Sciences (Cina) | Cina | Viral-vector (adenovirus) | NA | Governo cinese |
Fonti: World Health Organization, University of Michigan Health Lab, The Lancet, Trialsite News, Barron’s, Reuters, Council on Foreign Relations, The New York Times, Pharmaphorum, Fierce Pharma, The Wall Street Journal, Digital Journal, Genetic Engineering & Biotechnology News, Intellizence, Inovio Pharmaceuticals
La “corsa all’oro” del vaccino anti covid-19
Strano ma vero, i primi test sull’uomo di un vaccino contro il Covid-19 sono stati effettuati – con l’aiuto dell’Intelligenza Artificiale – già a marzo scorso, in pratica quando nel Bel Paese la situazione iniziava a farsi problematica. E da marzo il mondo ha fatto parecchia strada se si pensa che, secondo l’Organizzazione Mondiale della Sanità (OMS), vi sono 34 “candidati vaccini” testati sull’uomo e beni 145 sugli animali o in laboratorio.
E la cosa sorprende ancora di più se si pensa che, in genere, ci vogliono molti anni, o addirittura decenni, per sviluppare un vaccino. Fino ad oggi, il record di velocità era detenuto dal vaccino contro la parotite, che ha richiesto ben quattro anni per il suo sviluppo. Non c’è da stupirsi che la ricerca stia andando a gonfie vele. Le nostre società e le nostre economie probabilmente non torneranno alla normalità finché non sarà stato somministrato un vaccino altamente efficace a una parte sostanziale della popolazione del pianeta. Ciò che è evidente è che la ricerca di un vaccino è ormai un’impresa vasta, che coinvolge migliaia di ricercatori in centinaia di laboratori in tutto il mondo che spendono miliardi di dollari.
I laboratori stanno portando avanti almeno otto diversi tipi di vaccino. Alcuni includono quelli “tradizionali”, basati su virus inattivati, altri – come quelli “nuovi” – che comportano l’uso di materiale genetico (i cosiddetti vaccini a DNA e RNA). Altri ancora si basano su proteine speciali o altri agenti biologici.
E in questa “corsa all’oro” dell’era moderna, i sistemi di Machine Learning e le analisi computazionali hanno svolto – e stanno svolgendo – un ruolo importante. Questi strumenti aiutano i ricercatori a comprendere il virus e la sua struttura e a prevedere quali dei suoi componenti provocheranno una risposta immunitaria (un passo fondamentale nella progettazione del vaccino). Tali (non tanto) nuove tecnologie possono aiutare gli scienziati a scegliere gli elementi dei potenziali vaccini e a dare un senso ai dati sperimentali in loro possesso. Inoltre aiutano gli scienziati a tracciare le mutazioni genetiche del virus nel tempo, informazioni che determineranno il valore di qualsiasi vaccino negli anni a venire. L’Intelligenza Artificiale è un grande catalizzatore che consente agli scienziati di trarre intuizioni combinando dati provenienti da molteplici fonti sperimentali e dal mondo reale.
Man mano che gli strumenti di Intelligenza Artificiale diventano più potenti, i ricercatori stanno anticipando un momento in cui i metodi di calcolo potrebbero aiutare gli scienziati a risolvere le nostre sfide più fastidiose per i vaccini, come trovare un vaccino efficace contro l’HIV, o creare un vaccino contro l’influenza che sia buono per più di un anno. Tuttavia, all’euforia si accompagna sempre una cautela: l’Intelligenza Artificiale non può sostituire o accelerare l’aspetto più cruciale e dispendioso in termini di tempo dello sviluppo del vaccino. Gli esperimenti sugli animali e sull’uomo devono avvenire attraverso il puro sforzo umano, con migliaia di scienziati, operatori sanitari e partecipanti che registrano la loro esperienza con un vaccino in tempo reale. In pratica con il Covid-19, l’Intelligenza Artificiale ha fatto più di quanto abbia mai fatto prima d’ora. Ed è solo una parte di una più ampia suite di strumenti di calcolo che stanno rivoluzionando la ricerca e lo sviluppo di vaccini. Poche persone potrebbero pensare alla prossima pandemia, ma i ricercatori stanno già iniziando a capire come questi strumenti potranno essere utilizzati una (si spera mai) prossima volta.
Il machine learning al servizio della ricerca medica
Gli strumenti di Machine Learning sono ormai ampiamente diffusi in Sanità. Se dapprima erano visti come gli aiutanti “minori” della ricerca, ossia semplici “gregari” del ricercatore, adesso figurano come parti vitali della ricerca stessa, compresa l’analisi computazionale.
Ad esempio, sul fronte della “previsione”, il machine learning con le Graph Convolutional Neural Networks (GCNN) si sono rilevate cruciali per la scoperta di nuovi farmaci. Queste “reti” sono in grado di gestire i grafici ed estrarre le caratteristiche tramite la codifica delle informazioni. Il successo delle GCNN è stato dimostrato nella previsione delle proprietà dei farmaci, nella stima dell’interfaccia proteica, nella previsione della reattività e nelle interazioni tra farmaci e il loro target.
L’intelligenza artificiale per il vaccino identifica il bersaglio corretto sul virus
Ma come si diceva l’AI ci aiutato molto ad accelerare la ricerca dei vaccini. Vediamo ora come e perché.
È importante prima di tutto comprendere la struttura tridimensionale delle proteine virali. Le proteine virali sono fatte di catene lineari di sostanze chimiche chiamate aminoacidi, che si ripiegano spontaneamente in strutture compatte, simili a nastri.
Gli sviluppatori di vaccini devono scegliere i bersagli sullo strato esterno del virus che sono rivolti verso l’esterno, in modo che siano fisicamente accessibili alle armi del sistema immunitario.
- Per prima cosa l’AI serve a studiare le proteine che compongono il virus, compresa la proteina spike (posta sulla parte esterna) che il covid-19 usa come “gancio” per introdursi nelle nostre cellulare. Di solito i vaccini hanno come bersaglio le spike, affinché il nostro sistema immunitario le riconosca e le disattivi.
- Purtroppo ci sono decine di migliaia di sottocomponenti delle proteine esterne che il sistema immunitario può riconoscere e di conseguenza altrettante possibilità diverse su cui puntare il vaccino. A questo punto interviene il machine learning: può prevedere, sulla base dei training data estrapolati da agenti patogeni conosciuti, quali parti del virus il sistema immunitario è in grado di riconoscere con maggiore probabilità.
- Armati di queste informazioni, gli immunologi possono progettare i vaccini intorno a un numero più gestibile di potenziali bersagli su cui puntare.
- I bersagli più promettenti vengono poi integrati nei candidati al vaccino e testati negli animali per vedere se provocano una buona risposta immunitaria.
Più in dettaglio, il Machine Learning fornisce una sorta di “punteggio numerico”, e tutto ciò che supera un certo punteggio (99%) potrà fare il suo ingresso in laboratorio per essere testato.
Avendo identificato un bersaglio sulla superficie del virus, i ricercatori possono poi sviluppare un vaccino. Se il piano è quello di usare un “virus inattivato” come vaccino, per esempio, i ricercatori faranno crescere il virus vivo in laboratorio e lo uccideranno usando calore, radiazioni o un metodo chimico in modo che non possa replicarsi quando viene iniettato nel corpo.
Successivamente i ricercatori devono assicurarsi che i componenti immunogenici chiave non siano stati danneggiati quando il virus è stato ucciso, in quanto quelle parti devono essere intatte per provocare una risposta immunitaria. I passi successivi sono quelli di testare il vaccino in laboratorio, poi su piccoli animali e infine sull’uomo.
Ad esempio, i ricercatori dell’Università di Basilea, in Svizzera, hanno utilizzato uno strumento di modellazione delle proteine chiamato Swiss-Model per prevedere le strutture delle proteine sulla superficie esterna del Covid-19. Le loro previsioni si sono poi dimostrate coerenti con le strutture proteiche effettive del virus. Allo stesso modo, a marzo scorso Deepmind applicò la sua rete neurale, AlphaFold, per prevedere la forma tridimensionale delle proteine del Covid-19 sulla base della sequenza genetica del virus.[3]
Più problematica ancora la previsione, con l’AI, dell’effetto che il vaccino può avere sul nostro sistema immunitario.
Conclusioni
Questo miglioramento è cruciale per la situazione attuale e per l’immediata entrata in scena di una terapia anti-Covid-19 per diversi motivi chiave.
- In primo luogo, la capacità di estrazione automatica delle caratteristiche del Deep Learning[4] può supportare i modelli con maggiore precisione e fornire risultati più affidabili.
- In secondo luogo, la capacità generativa dimostrata dai modelli di Deep Learning può essere utilizzata per creare un maggior numero di molecole drogabili, riducendo le possibilità di fallimento nella pipeline di sperimentazione.
Infine, la novità del virus fa sì che i dati relativi alle sue possibili terapie siano scarsi, il che rappresenta uno scenario adatto per trasferire l’apprendimento (Learning) e sfruttare le conoscenze apprese dai compiti precedenti.
È stato dimostrato che il trasferimento dell’apprendimento è in grado di alleviare questo problema attraverso il trasferimento delle conoscenze apprese e dei parametri da un compito secondario con grandi dati disponibili per il compito in questione.
Pertanto, l’uso del Deep Learning nel contrasto al Covid-19 è essenziale per dare una risposta tempestiva e accurata contro il virus.[5]
____________________________________________________________________
SITOGRAFIA E BIBLIOGRAFIA
- La Realtà Virtuale è un ambiente esclusivamente digitale creato da uno o più computer che simula la realtà effettiva. Per approfondimenti: https://www.intelligenzaartificiale.it/realta-virtuale/ ↑
- Artificial Intelligence, Virtual Reality To Help Fast Track Covid Vaccine: Experts. Outlook. https://www.outlookindia.com/website/story/world-news-artificial-intelligence-virtual-reality-to-help-fast-track-covid-vaccine-experts/364741 ↑
- What AI Can–and Can’t–Do in the Race for a Coronavirus Vaccine. IEEE Spectrum. https://spectrum.ieee.org/artificial-intelligence/medical-ai/what-ai-can-and-cant-do-in-the-race-for-a-coronavirus-vaccine ↑
- Sotto-categoria del Machine Learning che fa riferimento agli algoritmi ispirati alla struttura e alla funzione del cervello chiamate reti neurali artificiali. Per approfondimenti: https://www.ai4business.it/intelligenza-artificiale/deep-learning/deep-learning-cose/ ↑
- Artificial Intelligence for COVID-19 Drug Discovery and Vaccine Development – by Arash Keshavarzi Arshadi, Julia Webb, Milad Salem, Emmanuel Cruz, Stacie Calad-Thomson, Niloofar Ghadirian, Jennifer Collins, Elena Diez-Cecilia, Brendan Kelly, Hani Goodarzi and Jiann Shiun Yuan. https://www.frontiersin.org/articles/10.3389/frai.2020.00065/full ↑
