L’intelligenza artificiale accelera la scoperta di farmaci in Cina
L’intelligenza artificiale riduce i tempi di sviluppo farmaceutico in Cina, trasformando la ricerca con algoritmi e biologi.
La ricerca farmaceutica sta subendo una trasformazione radicale, guidata dall’intelligenza artificiale e da una strategia industriale innovativa. In Cina, dove algoritmi e biologi lavorano fianco a fianco, il tempo necessario per sviluppare un farmaco è passato da anni a mesi. Questo cambiamento, reso possibile dall’intelligenza artificiale, ha già portato risultati concreti, come il caso di Rentosertib, un farmaco sperimentale per la fibrosi polmonare idiopatica. La Cina, tradizionalmente vista come produttore di generici, sta diventando un laboratorio di innovazione, grazie a una rete di laboratori automatizzati e a un ampio bacino di ricercatori altamente qualificati.
La ricerca farmaceutica tradizionale: un esercizio di pazienza
Lo sviluppo di un farmaco, storicamente, è un processo lungo e costoso. I ricercatori devono setacciare milioni di molecole per individuare quelle con potenziale terapeutico. Il tasso di fallimento è altissimo: la maggior parte delle molecole promettenti si rivela inutili o tossiche prima di arrivare a un essere umano. Questa fase, detta discovery, è il collo di bottiglia dell’intera industria farmaceutica. I tempi di sviluppo, che un tempo oscillavano attorno ai quattro anni e mezzo, si sono ridotti in alcuni casi a nove mesi, grazie a un modello che combina intelligenza artificiale, automazione e dati biologici.
La combinazione di algoritmi e biologi sta riducendo i tempi di sviluppo farmaceutico in modo significativo. Il modello sviluppato da Insilico Medicine, azienda fondata da Alex Zhavoronkov, ha trasformato il lavoro dei ricercatori. Invece di sintetizzare fisicamente milioni di molecole, i sistemi di intelligenza artificiale progettano virtualmente quelle più promettenti, le testano in simulazione e restringono il campo a poche decine di candidati reali. Questo approccio non elimina il lavoro degli scienziati, ma ne trasforma il ruolo: i ricercatori si spostano dalla ricerca manuale alla supervisione di sistemi che lavorano ininterrottamente, senza stanchezza e senza pause.
Un’industria farmaceutica in movimento
Non è un fenomeno isolato. L’industria farmaceutica globale, con la sua avversione al rischio, ha iniziato a scommettere concretamente su questo approccio. Insilico Medicine ha stretto collaborazioni con colossi del settore come Eli Lilly e Takeda, e a marzo ha ampliato la partnership con Eli Lilly attraverso un accordo che potrebbe raggiungere i 2,75 miliardi di dollari. Anche Bristol Myers Squibb ha annunciato l’acquisto di un sistema di supercalcolo Nvidia per potenziare la propria ricerca farmaceutica. Il responsabile della ricerca dell’azienda, Robert Plenge, ha dichiarato che l’intelligenza artificiale ha già permesso di ridurre tra il 20 e il 30% i tempi di sviluppo, con la prospettiva di arrivare fino al 50% nei prossimi anni.
La Cina sta diventando un hub di innovazione grazie a infrastrutture avanzate e costi operativi contenuti. La capacità di chiudere il cerchio, dalla simulazione digitale alla provetta, rende il modello cinese particolarmente competitivo. Secondo Zhavoronkov, il vantaggio competitivo cinese nasce dalla combinazione di alcuni fattori specifici: infrastrutture di ricerca avanzate, costi operativi più contenuti rispetto ai mercati occidentali, un ampio bacino di ricercatori altamente qualificati, e soprattutto una rete di laboratori automatizzati in grado di trasformare rapidamente le simulazioni in esperimenti fisici reali.
Sebbene l’intelligenza artificiale abbia già ridotto i tempi di sviluppo, non ha risolto il problema della lentezza farmaceutica. L’accelerazione riguarda soprattutto la fase iniziale della scoperta, mentre i test preclinici, le sperimentazioni sull’uomo e le verifiche di sicurezza restano processi lungi e costosi. L’intelligenza artificiale rende più efficienti i primi passi, ma non salta le tappe. La sicurezza dei pazienti non può essere negoziata in nome della velocità. Per questo motivo, il lavoro degli scienziati rimane cruciale: verificare che le promesse dell’algoritmo reggano il confronto con la realtà biologica.