L’immagine romantica dello scienziato che passa anni in laboratorio a cercare la molecola giusta non è scomparsa, ha semplicemente trovato un nuovo collega che però non indossa il camice, non beve caffè e non dorme mai. Si chiama intelligenza artificiale.

Negli ultimi anni gli algoritmi sono entrati in modo sempre più stabile nei laboratori farmaceutici, setacciando miliardi di dati biologici, suggerendo nuove molecole e riducendo drasticamente i tempi della ricerca. La trasformazione è ormai così evidente che anche le agenzie regolatorie stanno iniziando a organizzarsi per gestire il fenomeno.

Un recente dossier pubblicato da Agenzia Italiana del Farmaco fotografa con chiarezza questa evoluzione. L’industria farmaceutica sta passando dalla ricerca tradizionale alla cosiddetta “Augmented R&D”, una ricerca aumentata in cui l’intelligenza artificiale diventa uno strumento quotidiano per scienziati, biologi e clinici.

L’AI entra nella ricerca farmaceutica

La diffusione dell’AI nei laboratori non è più un esperimento isolato. Infatti, secondo le analisi citate nel dossier, circa il 62% delle aziende farmaceutiche utilizza già sistemi di intelligenza artificiale nei reparti di ricerca e sviluppo. Nei prossimi cinque anni questa percentuale è destinata a crescere di circa il 45%.

Parallelamente cresce anche il mercato globale dell’AI applicata alla scoperta dei farmaci, con un tasso medio annuo intorno al 40%. Numeri che spiegano perché le grandi aziende farmaceutiche stiano investendo sempre più in algoritmi, modelli predittivi e piattaforme di analisi dei dati biologici.

Il motivo è semplice: sviluppare un nuovo farmaco richiede in media circa dieci anni di lavoro e oltre due miliardi di euro di investimenti. Qualsiasi tecnologia capace di ridurre tempi e costi diventa immediatamente interessante.

La ricerca aumentata: quando gli algoritmi analizzano milioni di molecole

La fase iniziale della scoperta dei farmaci è sempre stata una gigantesca operazione di ricerca nel buio. Migliaia di molecole candidate vengono testate per capire se possono diventare terapie efficaci.

L’intelligenza artificiale cambia radicalmente questo processo. Algoritmi di deep learning possono analizzare milioni di composti chimici in poche ore, individuare potenziali target terapeutici e stimare il livello di tossicità prima ancora che la molecola venga sintetizzata in laboratorio.

Secondo il report “Digital Continuity” della società Capgemini, l’uso sistematico dell’AI nella ricerca farmaceutica potrebbe ridurre del 30% il tempo necessario per portare un farmaco sul mercato, aumentare del 40% la produttività dei team di ricerca e ridurre del 25% i costi ingegneristici.

In pratica gli algoritmi non sostituiscono gli scienziati ma certamente possono rendere il loro lavoro molto più veloce.

I primi farmaci progettati con l’AI

L’intelligenza artificiale non si limita più a suggerire ipotesi teoriche. Alcuni farmaci progettati con il supporto degli algoritmi stanno già arrivando nelle fasi avanzate della sperimentazione clinica. Tra gli esempi citati nel dossier figurano Rentosertib, candidato terapeutico per la fibrosi polmonare idiopatica, e Rec-994, studiato per la malformazione cavernosa cerebrale.

Questi progetti rappresentano una sorta di prova generale di un nuovo modo di fare ricerca. L’AI aiuta a progettare e selezionare le molecole più promettenti, mentre la sperimentazione clinica continua a verificare sicurezza ed efficacia nei pazienti reali. La medicina resta umana, mentre gli algoritmi fanno il lavoro più ripetitivo e statistico.

AI e malattie neurologiche

Uno dei campi più promettenti riguarda le malattie neurodegenerative e i disturbi psichiatrici. Grazie all’analisi di grandi quantità di dati clinici e genetici, i modelli di machine learning possono individuare pattern precoci legati all’insorgenza di patologie come Alzheimer e Parkinson.

Gli stessi strumenti possono contribuire a personalizzare i trattamenti per condizioni complesse come Depressione maggiore o Schizofrenia, analizzando le caratteristiche biologiche e cliniche di ogni paziente.

In altre parole, l’intelligenza artificiale permette di passare da una medicina statistica a una medicina sempre più personalizzata.

Trial clinici più veloci grazie all’AI

Uno dei colli di bottiglia più noti nella ricerca farmaceutica riguarda il reclutamento dei pazienti per gli studi clinici. Identificare le persone che soddisfano i criteri di uno studio può richiedere mesi. Strumenti basati su modelli linguistici avanzati stanno iniziando a cambiare questo scenario. Sistemi come TrialGPT analizzano milioni di cartelle cliniche in pochi minuti per individuare i pazienti idonei a partecipare agli studi.

Un altro filone emergente riguarda i cosiddetti “virtual clinical trials”. In questo caso l’intelligenza artificiale genera coorti di pazienti virtuali per simulare l’efficacia di un trattamento prima di passare alla sperimentazione reale. L’obiettivo non è sostituire gli studi clinici ma ridurre i rischi di fallimento nelle fasi più avanzate, che sono anche le più costose.

Drug repurposing e medicina personalizzata

L’intelligenza artificiale sta dimostrando grande utilità anche nel cosiddetto drug repurposing, cioè l’identificazione di nuove indicazioni terapeutiche per farmaci già approvati.

Analizzando enormi dataset di studi clinici, pubblicazioni scientifiche e dati biologici, gli algoritmi possono individuare connessioni tra molecole e patologie che non erano state considerate in precedenza. Questo approccio riduce tempi e costi, perché si parte da farmaci di cui sicurezza e farmacologia sono già note.

Parallelamente cresce l’importanza della medicina personalizzata. Incrociando dati genetici, clinici e ambientali, l’AI aiuta i medici a individuare la terapia più efficace per ogni paziente, riducendo effetti collaterali e trattamenti inutili.

Le regole dell’AI nella medicina

La rivoluzione tecnologica non riguarda solo i laboratori. Anche le istituzioni sanitarie stanno aggiornando i propri strumenti di regolazione.

L’Agenzia Europea per i Medicinali ha avviato un piano per integrare l’intelligenza artificiale nei processi regolatori e valutare l’impatto di queste tecnologie sullo sviluppo dei farmaci. Secondo il presidente dell’AIFA Robert Nisticò, l’intelligenza artificiale può rendere la medicina più umana se resta al servizio del paziente. La sfida consiste nel governarla con regole chiare, trasparenza e responsabilità condivisa.

Il cambiamento riguarda anche la formazione. Come sottolinea il direttore amministrativo dell’AIFA Giovanni Pavesi, il futuro della ricerca richiede nuove figure professionali capaci di muoversi tra biologia, informatica e scienza dei dati.

Università come il Politecnico di Milano, Sapienza Università di Roma e la Scuola Superiore Sant’Anna stanno già sviluppando corsi dedicati alla bioinformatica e all’intelligenza artificiale applicata alla salute.

Il laboratorio del futuro

La ricerca farmaceutica non diventerà mai completamente automatica. La scoperta scientifica continuerà a richiedere intuizione, creatività e spirito critico. Tuttavia il laboratorio del futuro sarà sempre più popolato da algoritmi che analizzano dati biologici, simulano molecole e suggeriscono nuove strategie terapeutiche.

Una collaborazione tra scienziati e macchine che, se gestita con attenzione, potrebbe accorciare il percorso tra una scoperta scientifica e la cura di un paziente. E nel mondo della medicina, ridurre anche solo di qualche anno quel percorso può fare una differenza enorme. Per i laboratori, per i sistemi sanitari e soprattutto per chi aspetta una terapia che ancora non esiste.