L’impiego dell’IA nella progettazione di farmaci umani sta rapidamente passando dalla teoria alla pratica clinica. Sebbene nessuno dei farmaci sia ancora approvato per uso commerciale nei prossimi mesi molti supereranno le prime fasi di sperimentazione e potrebbero arrivare sul mercato in tempi non lunghi.
Altri articoli in questa categoria
Come funziona un laboratorio “aumentato” dall’intelligenza artificiale? Le fasi sono molteplici. Si parte da milioni di dati molecolari e clinici, spesso eterogenei e disordinati, che gli algoritmi analizzano alla ricerca di pattern nascosti. Vengono poi identificati target terapeutici – proteine, geni o recettori coinvolti in una determinata patologia. A quel punto, sistemi avanzati come le “reti neurali profonde” iniziano a generare migliaia di molecole virtuali, valutandone l’affinità con il target, la tossicità potenziale, l’assorbimento, la distribuzione e la metabolizzazione. È quello che ha fatto “Atomwise”, una delle aziende pioniere nel settore: la sua piattaforma AI è in grado di “valutare milioni di composti in poche ore”, con un tasso di successo preclinico superiore rispetto agli approcci tradizionali. Anche il riposizionamento di farmaci esistenti è stato trasformato: grazie all’IA, è possibile individuare “nuove indicazioni terapeutiche” per molecole già approvate, riducendo drasticamente tempi e costi.
Ma va considerato che non tutti i pazienti rispondono allo stesso modo a un farmaco. Variabili genetiche, ambientali e cliniche rendono ogni caso unico. L’IA consente di superare l’approccio “taglia unica” tipico della medicina tradizionale, orientandosi verso una “cura su misura per ogni paziente”. Piattaforme come “Tempus AI” incrociano i dati genetici dei pazienti con le risposte ai farmaci, permettendo di individuare il farmaco più efficace e ridurre il rischio di effetti avversi. In oncologia, ciò ha già permesso una “migliore selezione delle terapie mirate”, aumentando la sopravvivenza e la qualità della vita. Un caso emblematico è quello del consorzio Flatiron Health + Foundation Medicine (Gruppo Roche), che utilizza l’IA per abbinare pazienti oncologici a studi clinici basati sul loro profilo molecolare. Questo approccio non solo aumenta le probabilità di successo terapeutico, ma consente anche di “ottimizzare le risorse sanitarie”, riducendo sprechi e trattamenti inefficaci.
Il contributo dell’IA diventa decisivo anche nella fase di sperimentazione clinica, spesso la più costosa e complessa. Oggi solo il 12% dei programmi di sviluppo farmaceutico arriva alla fase di approvazione, e uno dei maggiori problemi è proprio il reclutamento dei pazienti, come dimostrato da numerosi studi negli Stati Uniti e in Europa. L’uso di “algoritmi predittivi e sistemi di linguaggio naturale” come TrialGPT permette di: – analizzare milioni di cartelle cliniche in pochi minuti; – identificare pazienti che soddisfano criteri clinici complessi; – ottimizzare i criteri di inclusione/esclusione nei protocolli sperimentali; – valutare in anticipo il rischio di fallimento di un trial di Fase II/III. Inoltre, l’IA consente la nascita dei cosiddetti “virtual clinical trials”: coorti di pazienti digitali su cui testare scenari terapeutici in modo rapido, etico e scalabile.
Il ruolo di EMA e AIFA
L’impiego dell’intelligenza artificiale in ambito farmaceutico sta sollecitando anche le agenzie regolatorie, chiamate a ridefinire standard, linee guida e metodologie di valutazione. L’Agenzia Europea per i Medicinali (EMA) ha avviato il piano “Data and AI” per il quinquennio 2023–2028, con l’obiettivo di integrare l’uso dell’intelligenza artificiale nei processi regolatori, garantendo al contempo trasparenza, tracciabilità e sicurezza dei dati. Parallelamente, la “FDA” statunitense ha cominciato a sperimentare l’impiego dell’IA per velocizzare i processi di revisione e approvazione, soprattutto nei casi di terapie salvavita. Il tutto sotto il principio della “supervisione umana obbligatoria”, con grande attenzione all’esplicabilità dei modelli algoritmici. In Italia, “AIFA” sta progressivamente adottando strumenti predittivi basati su l’intelligenza artificiale non solo per valutare i dossier regolatori, ma anche per supportare l’“HTA” (Health Technology Assessment), ovvero l’analisi dei benefici clinici, dei costi e dell’impatto sistemico delle nuove tecnologie sanitarie.
Le sfide etiche e tecniche: trasparenza, privacy e responsabilità
Non tutto ciò che è tecnologicamente possibile è però automaticamente giusto o sicuro. L’intelligenza artificiale solleva interrogativi profondi sul piano “etico e normativo”. Uno dei principali riguarda la cosiddetta “opacità algoritmica”: molti sistemi, pur essendo efficaci, sono veri e propri “black box”, difficili da interpretare e verificare. Cosa succede se il dato di partenza non è corretto? Se un algoritmo suggerisce un farmaco sbagliato? Chi ne risponde? Il medico, il programmatore, l’azienda farmaceutica? Serve un nuovo quadro di “responsabilità condivisa”, che coinvolga tutti gli attori della filiera: dai ricercatori ai pazienti, passando per le istituzioni.
Un altro nodo è quello della “privacy”. L’analisi dei dati clinici richiede l’accesso a informazioni estremamente sensibili. La loro gestione richiede infrastrutture sicure, trasparenti e interoperabili, capaci di proteggere il paziente ma anche di offrire pieno accesso ai benefici dell’IA. Progetti internazionali come “CONSORT-AI” e “TRIPOD+AI” stanno tentando di definire standard globali per la trasparenza e la validazione degli algoritmi, con l’obiettivo di favorire una adozione responsabile e sostenibile.
Industria intelligente: il legame tra IA, sostenibilità e digitalizzazione
L’impatto dell’IA va ben oltre la ricerca. Nella cosiddetta industria intelligente, l’intelligenza artificiale è un “abilitatore chiave” per migliorare l’efficienza produttiva, la qualità dei farmaci e la sostenibilità ambientale. Secondo il report Capgemini “Digital Continuity”, le aziende che adottano processi digitali integrati grazie all’IA vedono: − una “riduzione del 30% del time-to-market”, ossia del periodo che intercorre tra la scoperta di un nuovo farmaco e la sua commercializzazione − un “aumento del 40% della produttività”, − e una “diminuzione del 25% dei costi ingegneristici”. Tecnologie come i “digital twin” (gemelli digitali), la robotica e l’Internet of Things (IoT) consentono di monitorare in tempo reale gli impianti produttivi, anticipare guasti, ridurre sprechi e garantire continuità nella catena di fornitura. La piattaforma “Raise”, sviluppata da Capgemini, rappresenta un esempio concreto di come l’IA possa essere industrializzata su larga scala, mantenendo alti standard di sicurezza, tracciabilità e personalizzazione.
Pazienti digitali e ingegneria IA
Se il presente dell’IA è già impressionante, il futuro promette una rivoluzione ancora più radicale. Uno degli scenari più affascinanti riguarda lo sviluppo dei “pazienti virtuali”: modelli digitali complessi, basati su dati reali, in grado di simulare il comportamento biologico di un individuo. Questi strumenti potranno essere usati per: − testare farmaci in silico, ossia utilizzando modelli computerizzati e algoritmi, prima della sperimentazione umana, − prevedere con precisione la risposta a un trattamento, − e personalizzare i protocolli terapeutici per coorti altamente selezionate. Un altro ambito in piena espansione è l’ingegneria aumentata, che integra IA generativa con modelli fisici e simulazioni per accelerare le fasi di sviluppo. Grazie a queste tecnologie, oggi è possibile: − ridurre drasticamente il numero di test animali e umani necessari, − ottenere risultati più accurati in tempi più brevi, − e sviluppare soluzioni scalabili anche in contesti complessi.
Pazienti e sistema sanitario
Un altro fronte rivoluzionato dall’intelligenza artificiale è quello del rapporto tra paziente e sistema sanitario. L’IA generativa — come quella alla base di ChatGPT o Google Gemini — può rendere le informazioni mediche più comprensibili, accessibili e personalizzate. Secondo uno studio che ha analizzato 82 ricerche tra il 2010 e il 2024, questi strumenti migliorano la competenza sanitaria individuale, promuovendo l’adesione alle cure e l’autogestione. In Italia, un’indagine DOXA ha rivelato che il 31% della popolazione già utilizza chatbot intelligenti, e l’11% lo fa per tematiche legate alla salute — un dato in costante crescita. La possibilità di ricevere spiegazioni personalizzate, promemoria terapeutici e informazioni aggiornate sul proprio percorso clinico sta cambiando radicalmente il ruolo del paziente, che da soggetto passivo diventa sempre più protagonista del proprio processo di cura. Questo nuovo paradigma apre la strada a un sistema sanitario più partecipativo, in cui le decisioni sono prese in modo informato e condiviso, con benefici concreti in termini di efficacia, efficienza e soddisfazione.
La sfida culturale: tecnologia e valore umano
In un contesto di crescenti disuguaglianze sanitarie, carenza di personale medico e aumento delle patologie croniche, l’IA rappresenta una risorsa strategica per assicurare “equità, sostenibilità e resilienza”. Progetti pilota sono già in corso in vari Paesi per sviluppare sistemi sanitari predittivi, in grado di anticipare epidemie, pianificare risorse, individuare aree di fragilità. Attraverso il machine learning — che apprendendo dai dati migliora le proprie prestazioni — e l’analisi dei dati ambientali, climatici e socio-economici, è possibile prevedere picchi di domanda sanitaria, intervenire prima che si manifestino criticità e adattare in tempo reale i modelli di cura. Inoltre, l’uso dell’“IA ibrida” — che integra algoritmi statistici, simulazioni fisiche e intelligenza generativa — promette di rafforzare la capacità delle strutture sanitarie di rispondere a scenari complessi, come pandemie, disastri naturali o crisi migratorie. Si tratta di un cambio di paradigma: da un approccio reattivo, a uno proattivo, basato su evidenze predittive.
Perché tutto questo sia possibile, occorre però una forte cooperazione internazionale. I sistemi di IA devono essere sviluppati secondo principi comuni di “eticità, sicurezza e trasparenza”, evitando la frammentazione normativa e lo squilibrio tra Paesi ricchi e poveri. Organizzazioni come l’OMS, l’OCSE e la Commissione Europea stanno promuovendo “framework etici condivisi”, linee guida per la governance algoritmica e fondi per sostenere la transizione nei sistemi sanitari dei Paesi a medio e basso reddito. Anche le aziende private sono chiamate a un ruolo attivo: sviluppare soluzioni aperte, interoperabili e inclusive, capaci di “potenziare – non sostituire – l’azione umana”.
Se nei Paesi ad alto reddito l’intelligenza artificiale sta già trasformando ricerca e sanità, la sfida nei Paesi a basso e medio reddito è più complessa. Tuttavia, proprio in queste aree si celano le maggiori potenzialità di impatto, soprattutto per quanto riguarda la telemedicina, il triage automatico, la diagnostica remota e l’ottimizzazione delle risorse. Organizzazioni come GAVI, UNICEF e MSF stanno sperimentando strumenti IA per predire la diffusione delle malattie infettive, ottimizzare le campagne vaccinali e distribuire farmaci in regioni isolate. In contesti dove mancano medici specialisti, l’IA può rappresentare l’unico strumento disponibile per fornire supporto diagnostico. Tuttavia, l’accesso diseguale a dati, tecnologie e connessioni internet rischia di acuire il divario globale. Per questo, istituzioni internazionali come l’OMS stanno promuovendo l’idea di un “AI for Global Health”, basato su principi di equità, accesso aperto e cooperazione tra Nord e Sud del mondo.
L’adozione dell’intelligenza artificiale nel mondo della salute e della ricerca non è solo una questione tecnica o economica. È, soprattutto, una sfida culturale. Significa ripensare il nostro rapporto con la conoscenza, con il rischio, con la fiducia.
Sul punto voci autorevoli invitano alla cautela. Come ha ricordato Papa Leone XIV nel recente messaggio per la Giornata Mondiale della Pace, l’intelligenza artificiale rappresenta «una delle più grandi sfide dell’epoca moderna e richiede una riflessione etica profonda sul rapporto tra tecnologia e dignità umana». Nel suo richiamo alla “centralità del lavoro umano” e alla necessità di un «uso giusto e trasparente dell’IA per il bene comune», il Pontefice ha evocato la storica enciclica Rerum Novarum di Leone XIII, che alla fine dell’Ottocento poneva le basi della dottrina sociale della Chiesa nel pieno della rivoluzione industriale. Un parallelo potente, un invito a governare il cambiamento, e non a subirlo.
Concludo con le parole del biologo premio Nobel François Jacob, che ben sintetizzano la tensione tra scienza e umanità: “La scienza è una scala che ci aiuta a salire verso il cielo della comprensione. Ma il cielo non è il nostro traguardo: lo è l’uomo”. Ed è proprio questo l’invito finale: usare l’intelligenza – anche quella artificiale – per comprendere meglio l’essere umano, e per prendersene cura con maggiore rispetto, precisione e responsabilità.
