Nel biotech, ogni ora persa con i database è un’ora sottratta alla scoperta di nuovi farmaci. La storia di come Biofy sta ripensando la drug discovery

Las Vegas, Oracle AI World 2025 C’è un momento nell’intervento di Paulo Perez, CEO di Biofy, che vale l’intero keynote. Quando gli chiedono perché hanno scelto Oracle Cloud Infrastructure e Autonomous Database, la sua risposta è disarmante nella sua semplicità: “Perché la scoperta di un farmaco richiede anni, ma un collo di bottiglia computazionale ti blocca per ore. E noi non abbiamo ore da perdere.”

Sembra ovvio, quando lo dice così. Ma nasconde una verità che molte aziende biotech faticano ancora a comprendere: il tuo vantaggio competitivo non è solo nella qualità della tua scienza. È nella velocità con cui riesci a trasformare una scoperta in laboratorio in qualcosa che funziona nel mondo reale.

L’infrastruttura come microscopio

Ecco l’intuizione chiave di Biofy: trattano la loro infrastruttura dati esattamente come tratterebbero uno strumento di laboratorio. Un microscopio elettronico, un sequenziatore genetico, un mass spectrometer nessuno si sognerebbe di dire “beh, funziona il 90% delle volte, va bene così”. Pretendi che sia preciso, affidabile, sempre disponibile. Perché è uno strumento di ricerca, non un accessorio.

Eppure, quando si parla di database e infrastruttura computazionale, troppo spesso li trattiamo come “roba IT”. Qualcosa di cui occuparsi quando si rompe, ma che non merita la stessa attenzione ossessiva che riserviamo agli strumenti di laboratorio.

Biofy ha ribaltato questa logica. Quando elaborano dati genomici o eseguono simulazioni molecolari, le performance del database non sono un problema IT. Sono un problema di R&D. Se il database è lento, la ricerca è lenta. Se il database è inaffidabile, la ricerca è inaffidabile. È così semplice.

La tassa nascosta dell’amministrazione

Ma c’è un altro aspetto, ancora più interessante. Pensate a come funziona tradizionalmente: hai un team di biologi computazionali brillanti, magari con dottorati in bioinformatica o biologia molecolare. Persone che potrebbero fare scoperte straordinarie. E cosa fanno, in realtà? Passano ore – a volte giorni – a ottimizzare query, fare troubleshooting di problemi di performance, coordinare backup, applicare patch di sicurezza.

È quello che Perez chiama “la tassa nascosta dell’amministrazione di database”. Talent costs che non vedi nei budget perché sono nascosti dentro altre voci, ma che divorano il tempo dei tuoi ricercatori più qualificati.

L’approccio autonomous di Oracle elimina questa tassa. Il sistema si auto-ottimizza, si auto-aggiorna, si auto-protegge. Non è magia è semplicemente machine learning applicato alla gestione dell’infrastruttura. Ma il risultato pratico è rivoluzionario: i biologi computazionali di Biofy fanno i biologi computazionali. Non i database administrator improvvisati.

Il Pattern Nascosto: 30-40% più veloci

Qui emerge un pattern affascinante che vale la pena sottolineare. Le aziende biotech che trattano il loro stack tecnologico come strategico – non come supporto – stanno comprimendo i tempi di scoperta del 30-40%.

Fermatevi un attimo su questo numero. In un settore dove portare un farmaco sul mercato richiede mediamente 10-15 anni e costa miliardi, ridurre i tempi del 30-40% non è un miglioramento incrementale. È un vantaggio competitivo devastante.

Ma attenzione: non stiamo parlando di aziende che semplicemente digitalizzano processi vecchi. Stiamo parlando di aziende che ripensano completamente cosa è possibile quando la computazione diventa frictionless letteralmente senza attrito.

Facciamo un esempio concreto. Nel drug discovery tradizionale, testi un composto, aspetti i risultati, analizzi i dati, decidi il prossimo esperimento, lo esegui. Ciclo dopo ciclo. Ogni ciclo richiede tempo – tempo di laboratorio, ma anche tempo computazionale per analizzare i risultati.

Ora immagina di poter comprimere la parte computazionale a pochi minuti invece di ore o giorni. Improvvisamente puoi fare più iterazioni nella stessa finestra temporale. Puoi esplorare più ipotesi. Puoi fallire più velocemente (e nel drug discovery, fallire velocemente è un vantaggio – significa che non sprechi risorse su strade senza uscita).

Il risultato? Non è solo che vai più veloce. È che puoi fare cose diverse. Approcci che prima erano impraticabili perché richiedevano troppo tempo computazionale diventano fattibili. È un cambio di paradigma, non solo di velocità.

Le domande scomode

La storia di Biofy solleva alcune domande che ogni leader nel life sciences dovrebbe porsi. E sono domande scomode, perché le risposte potrebbero rivelare problemi che preferiresti non vedere.

Prima domanda: dove passano il tempo i tuoi talenti migliori?

Fate un audit onesto. Se i vostri biologi computazionali – persone con PhD che avete assunto per la loro brillantezza scientifica – fanno troubleshooting dell’infrastruttura più di due volte al mese, avete un problema strategico travestito da problema tecnico.

Non è normale. E soprattutto, è costoso in un modo che non appare nei budget. Perché quando un ricercatore da 150-200k all’anno passa una giornata a sistemare un problema di database invece di analizzare dati genomici, quella è una giornata persa per sempre. Non la recuperi.

Seconda domanda: cosa limita il tuo throughput nello sviluppo di farmaci?

Mappate il vostro percorso critico nello sviluppo di un farmaco. Se la computazione è il collo di bottiglia – se i vostri ricercatori aspettano che i calcoli finiscano prima di poter procedere – il vostro prossimo investimento non dovrebbe essere un altro ingegnere. Dovrebbe essere un partner infrastrutturale che scala con la vostra ambizione.

C’è una differenza sottile ma cruciale qui. Non stiamo parlando di assumere più persone per risolvere un problema di capacità. Stiamo parlando di scegliere un’infrastruttura che elimina il problema di capacità come concetto. Oracle Cloud Infrastructure scala automaticamente in base al carico. Non devi pianificare, non devi dimensionare, non devi pregare di aver comprato abbastanza hardware.

Terza domanda: la tua tecnologia accelera o inibisce il time-to-insight?

Questa è la domanda più difficile, perché richiede onestà brutale. Se non potete rispondere con certezza assoluta che la vostra tecnologia accelera – non “supporta”, non “permette”, ma proprio “accelera” – state perdendo vantaggio competitivo.

E qui c’è un punto chiave che Perez sottolinea: le aziende che stanno vincendo nella medicina personalizzata non sono quelle con i budget più grandi. Sono quelle con i feedback loop più veloci.

Il fattore medicina personalizzata

Parliamone, di medicina personalizzata, perché è qui che questa storia diventa davvero interessante. La promessa della medicina personalizzata è straordinaria: trattamenti su misura per il tuo profilo genetico, per il tuo specifico tipo di tumore, per le tue caratteristiche biologiche uniche.

Ma c’è un problema: la medicina personalizzata è computazionalmente intensiva in un modo che la farmacologia tradizionale non è. Quando sviluppi un farmaco “blockbuster” tradizionale, cerchi qualcosa che funzioni per la maggior parte delle persone. Quando fai medicina personalizzata, stai essenzialmente sviluppando varianti per sottogruppi sempre più piccoli di pazienti.

Questo significa più simulazioni, più analisi genetiche, più dati da processare. E qui l’infrastruttura fa tutta la differenza. Un’azienda che può analizzare 100 profili genetici al giorno ha un vantaggio marginale su una che ne analizza 80. Ma un’azienda che può analizzarne 500 sta giocando un gioco completamente diverso.

Cosa significa davvero “Autonomous”

Vale la pena soffermarsi su cosa significa realmente “autonomous database”, perché il termine viene usato molto ma spesso capito poco.

Non significa che il database ha una coscienza o che prende decisioni arbitrarie. Significa che usa il machine learning per fare continuamente micro-ottimizzazioni che normalmente richiederebbero un DBA esperto. Monitora i pattern di query, identifica colli di bottiglia, riscrive piani di esecuzione, rialloca risorse, applica patch senza downtime.

Pensate a quanto tempo questo libera. Ma soprattutto, pensate a quanto questo migliora la performance. Perché un DBA umano, per quanto bravo, fa ottimizzazioni ogni tanto quando ha tempo, quando nota un problema, quando riceve un alert. Un sistema autonomous fa ottimizzazioni continuamente, 24/7, su scala che nessun umano potrebbe gestire.

Il risultato pratico per Biofy? Consistency. Le performance non dipendono da quanto è bravo (o disponibile) il loro DBA. Sono prevedibili, affidabili, ottimizzate. Sempre.

Le implicazioni più ampie

La storia di Biofy e Oracle ci dice qualcosa di importante sull’evoluzione del biotech come industria. Stiamo assistendo a una convergenza tra biology e technology che va oltre la semplice “digitalizzazione”.

Le aziende biotech del futuro quelle che sopravviveranno e prospereranno non saranno solo aziende che “usano la tecnologia”. Saranno aziende dove la linea tra ricerca biologica e ricerca computazionale è così sfumata da diventare irrilevante.

Guardate cosa sta succedendo con AlphaFold di DeepMind nella predizione delle strutture proteiche. Guardate come il machine learning sta rivoluzionando lo screening dei composti. Guardate come l’AI generativa sta accelerando il design di nuove molecole.

In questo contesto, avere un’infrastruttura che ti rallenta non è solo inefficiente. È esistenziale. Perché i tuoi competitor che hanno risolto il problema dell’infrastruttura stanno correndo più veloci di te. E nel drug discovery, arrivare secondi significa spesso arrivare troppo tardi.

Il messaggio finale

C’è una citazione che circola molto nel mondo tech: “Software is eating the world” (il software sta mangiando il mondo). Marc Andreessen l’ha detto più di dieci anni fa, e si è rivelata profetica in molti settori.

Ma nel biotech, forse la versione più accurata è: “Computation is enabling the world” (la computazione sta abilitando il mondo). Non sta sostituendo la biologia la sta potenziando. Sta rendendo possibile quello che prima era impossibile.

E aziende come Biofy, che hanno capito questo e hanno costruito la loro infrastruttura di conseguenza, stanno definendo cosa significa essere competitive in questa nuova era.

La domanda per tutti gli altri è semplice: siete pronti a seguire? O state ancora trattando l’IT come un centro di costo invece che come uno strumento di ricerca?

Perché nel tempo che avete impiegato a leggere questo articolo, da qualche parte un ricercatore di Biofy ha probabilmente completato una simulazione molecolare che ai suoi competitor richiederà ore.

E quella differenza, moltiplicata per migliaia di simulazioni all’anno, è esattamente ciò che separa chi scopre i farmaci del futuro da chi li insegue.