Le scienze computazionali e di intelligenza artificiale applicate allo sviluppo di nuovi farmaci consentiranno non solo una più rapida ricerca di nuovi target, nuove molecole sintetizzate de novo o in uso per altre patologie, ma anche un filtro più rapido e in silico della valutazione delle proprietà ADMET (Assorbimento, Distribuzione, Metabolismo, Eliminazione e Tossicità).
Robotica, dispositivi interconnessi, portatili, indossabili e ingeribili consentono di acquisire una sempre più vasta quantità di dati, quindi addestrare algoritmi di intelligenza artificiale più precisi. Questi, abilitati da una crescente capacità computazionale dei microprocessori (la legge di Moore), dall’incremento della banda di trasmissione e del numero di dispositivi interconnessi, consentono oggi di rispondere ai bisogni e ai problemi nella ricerca scientifica prima irrisolvibili.
L’IA può accelerare lo sviluppo dei farmaci, ma evitiamo scorciatoie
La crisi di efficienza del settore farmaceutico
Ne è un esempio emblematico il settore farmaceutico, in piena crisi di efficienza. Si pensi, infatti, che il numero di farmaci approvati per ogni miliardo di dollari spesi in ricerca e sviluppo risulta dimezzato ogni nove anni circa dal 1950. Un crollo di 80 volte, al netto dell’inflazione.
Questo nonostante gli enormi sviluppi in settori cardine per la farmaceutica; come la chimica combinatoria, che ha visto crescere di circa 800 volte la scoperta di nuove molecole simili a farmaci per unità di forza lavoro tra gli anni 80’ e 90’, gli sviluppi nell’analisi del DNA, che dal primo sequenziamento degli anni 70’ è divenuto oltre un miliardo di volte più rapido, e di nuove scoperte nel settore delle biotecnologie.
Il fenomeno è noto come legge di Eroom, indotto dai limiti attuali nella comprensione dei sistemi biologici e ha le sue basi su differenti cause. Tra queste, quelle maggiormente rilevanti – generalizzando poiché non si tiene conto del valore medico e finanziario dei singoli farmaci – sono il problema noto come “meglio dei Beatles” e quello detto del “regolatore prudente”. Il primo esprime il decadimento dell’efficacia del settore considerando il fatto che, diversamente dal settore discografico dove il bisogno di ascoltare un singolo musicale non si esaurisce all’emergere di una nuova hit, per una data patologia i bisogni di un nuovo farmaco saturano laddove una molecola entrata in commercio soddisfa le necessità, togliendo spazio ad altri farmaci. Ciò è rilevabile confrontando i nuovi progetti di ricerca e sviluppo avviati nel periodo tra il 1990 e il 1999 rispetto al periodo successivo 2000-2004. In quest’ultimo, il tasso di abbandono è stato maggiore ed ha condotto a spostare la ricerca verso settori meno affollati (da farmaci genito-urinari a farmaci antineoplastici ed immunomodulatori).
Parallelamente, il fenomeno del “regolatore prudente” può descrivere il progressivo abbassamento della tolleranza al rischio da parte delle agenzie regolatorie come la Food and Drug Administration. Tale fenomeno è iniziato negli anni ‘60 con l’emendamento sull’efficacia dei farmaci Kefauver-Harris (1962) promosso dal Governo statunitense, il quale introduceva l’obbligo per i produttori di farmaci di fornire le prove di efficacia e sicurezza prima dell’approvazione. Una svolta arrivata dopo il disastro sanitario indotto dal farmaco Talidomide.
I rischi per i pazienti
Al netto delle cause, l’avanzare del fenomeno del crollo d’efficienza del settore farmaceutico esporrebbe indirettamente i pazienti a rischi quali la ridotta disponibilità di farmaci in commercio e l’aumento dei prezzi.
Ed è l’emergere del bisogno di rendere più efficiente il settore che ha spinto l’adozione dell’uso di nuove tecnologie negli ultimi anni. In particolare, tecniche computazionali capaci di accelerare i processi di ricerca e ridurre i costi.
La svolta, i farmaci sviluppati grazie all’intelligenza artificiale
Lo sviluppo di nuovi farmaci è da considerarsi come un percorso a imbuto. All’inizio, infatti, un notevole numero di molecole si palesano come candidate, ma tali si riducono a poche unità durante le varie fasi di studio con l’uso di metodiche tradizionali.
Un precedente storico capace di rivoluzionare il settore si è avuto a novembre 2021, quando l’azienda InSilico Medicine ha annunciato la somministrazione ai primi volontari in Australia per uno studio esplorativo in microdosi per analizzare il profilo farmacocinetico di un farmaco totalmente sviluppato grazie all’uso di algoritmi di intelligenza artificiale. Il potenziale farmaco, un inibitore di piccole molecole, è il primo della classe di un nuovo bersaglio biologico per il trattamento della Fibrosi Polmonare Idiopatica.
La svolta sta nel fatto che l’azienda, guidata dallo scienziato Alex Zhavoronkov, ha utilizzato una serie di algoritmi di intelligenza artificiale in grado sia di individuare il nuovo bersaglio per il trattamento della patologia, nonché di modellare una nuova molecola capace di possedere le corrette proprietà chimico-fisiche.
Ancor più importante è che l’intero programma pre-clinico è durato 18 mesi ed è costato 2.6 milioni di dollari, diversi ordini di grandezza inferire se comparato ai 3-6 anni e 430 milioni di dollari in spese vive, ovvero 1 miliardo di dollari capitalizzati, dello sviluppo attraverso metodiche tradizionali.
Conclusioni
Siamo dinanzi a un periodo d’oro per la biologia e, con essa, la medicina. L’informatica pervade ogni angolo delle scienze biologiche rendendo unica la capacità di comprendere qualsivoglia aspetto umano, sia in condizioni di salute che di malattia. Tale simbiosi, tra i sistemi basati sul carbonio e quelli basati sul silicio, concederà alla ricerca da un lato di effettuare nuove scoperte sul funzionamento della vita umana e dall’altro creare modelli sintetici sempre più performanti e capaci di emulare i primi in ogni aspetto.
Le prospettive future mirano ad un settore in profondo mutamento.
Più in generale, saremo capaci di innovare i processi con i quali sviluppiamo nuovi farmaci, partendo da un percorso fatto di prove ed errori nel quale la serendipità svolge un ruolo cardine, per arrivare a una progettazione razionale grazie all’uso di tecnologie abilitanti (chimica combinatoria e sequenziamento ad alto rendimento) e hardware più performanti (capacità computazionale e data center di nuova generazione).
Sitografia
https://www.nature.com/articles/nrd3681
https://www.nature.com/articles/aps2012109
