Le Scienze - 04.2020

78 Le Scienze 6 20 aprile 2020

INTELLIGENZA ARTIFICIALE E SALUTE DIGITALE

hit rate dell’azienda aumenteranno come conseguenza delle pre-

visioni sull’inibizione di CYP450 basate su IA. Nonostante tutto il

clamore che circonda l’argomento, non c’è ancora la certezza che

questi primi risultati si tradurranno in un maggior numero di far-

maci di qualità.

Milioni di molecole al setaccio

I nascenti programmi di IA non sono esattamente una novità ri-

voluzionaria per il settore farmaceutico, che da tempo costruisce

soluzioni analitiche sofisticate a supporto dello sviluppo di nuovi

prodotti. Ben oltre un decennio fa, l’ascesa di potenti programmi

per la creazione di modelli statistici e biofisici come parte dello svi-

luppo della bioinformatica (il tentativo di usare strumenti informa-

tici per estrarre informazioni biologiche da grandi insiemi di dati)

ha portato a strumenti in grado di prevedere le proprietà delle mo-

lecole. Ma questi programmi sono stati limitati dalla conoscenza

incompleta dell’interazione tra le molecole da parte degli scienzia-

ti, incapaci di comunicare ai programmi tradizionali come estrar-

re informazioni importanti dai dati perché loro stessi non li cono-

scevano e ne ignoravano le relazioni. Grazie alla capacità di trarre

proprie conclusioni su quali dati siano effettivamente rilevanti, i

programmi di IA di ultima generazione possono fornire previsioni

migliori per un ventaglio più ampio di variabili.

Gli strumenti di IA affrontano vari aspetti della scoperta di far-

maci in modi diversi. Alcune aziende di IA, per esempio, si dedi-

cano alla progettazione di farmaci che agiscano in modo sicuro ed

efficace su un bersaglio noto, per esempio una proteina specifica

associata a una malattia e già studiata in profondità. In genere l’o-

biettivo è ottenere una molecola in grado di legarsi alla proteina

bersaglio e modificarla, per inibirne l’azione sulla malattia o sui

sintomi. L’azienda canadese Cyclica usa i propri programmi per

mettere in relazione strutture biofisiche e proprietà biochimiche

di milioni di molecole con strutture e proprietà di circa 150.000

proteine, al fine di scoprire molecole che probabilmente si leghe-

ranno alle proteine bersaglio , come anche quelle da evitare.

Tuttavia le molecole potenzialmente valide devono superare

altri ostacoli. Per esempio devono attraversare l’intestino per pas-

sare nel flusso sanguigno senza essere immediatamente degrada-

te dal fegato o dai processi metabolici; devono agire su un organo

specifico (per esempio il rene) senza alterare gli altri organi; de-

vono riuscire a non legarsi e a non inibire le altre migliaia di pro-

teine nell’organismo che sono fondamentali per la salute; infine

devono degradarsi e lasciare l’organismo prima di diventare po-

tenzialmente pericolose. Il programma di IA di Cyclica tiene conto

di tutti questi requisiti. «Una molecola che può interagire con una

proteina bersaglio può farlo anche con altre 300 proteine», ricor-

da Naheed Kurji, CEO di Cyclica. «Nel progettare una molecola, è

doveroso considerare le altre 299 interazioni che potrebbero ave-

re effetti disastrosi sugli esseri umani».

to il tempo necessario per passare dai laboratori al mercato por-
tandolo a 12 anni, mentre il 90 per cento dei farmaci viene scartato
durante le varie fasi dei trial clinici sugli esseri umani.
Non stupisce, dunque, l’entusiasmo del settore farmaceutico
verso gli strumenti dell’intelligenza artificiale (IA). Questi stru-
menti non funzionano sfruttando tecniche analitiche program-
mate al loro interno da esperti; al contrario, gli utenti stessi ali-
mentano lo strumento con una serie di problemi tipici da risolvere
(una molecola) e le relative soluzioni (il modo in cui la molecola si
comporta come farmaco), permettendo al programma di svilup-
pare indipendentemente il proprio approccio per produrre le me-
desime soluzioni.
La maggior parte delle applicazioni di intelligenza artificiale
per la scoperta di farmaci si basa su una tecnica chiamata machine
learning (o apprendimento automatico), e di un suo sottoinsieme,
il deep learning (o apprendimento profondo). In genere i program-
mi di machine learning possono lavorare con piccoli insiemi di da-
ti già organizzati ed etichettati, mentre i programmi di deep lear-
ning sono in grado di elaborare dati grezzi e non strutturati, però
in quantità molto elevate. Un programma di machine learning po-
trebbe imparare a riconoscere le diverse caratteristiche di una cel-
lula dopo aver visualizzato decine di migliaia di fotografie in cui
le varie parti delle cellule siano già state etichettate. Un sistema
di deep learning può invece identificare
le stesse parti in autonomia a partire da
immagini di cellule non etichettate, ma
potrebbe richiedere milioni di immagini
per riuscirci.
Molti scienziati del settore ritengono
che l’IA contribuirà alla ricerca di nuo-
vi farmaci in modi diversi: identificando
i candidati farmaci più promettenti, au-
mentando l’hit rate, cioè la percentuale
di candidati che supera i trial clinici e viene approvato, infine ve-
locizzando l’intero processo. Per citare un esempio, un program-
ma di machine learning recentemente usato da Bristol-Myers
Squibb è stato addestrato per identificare schemi in dati correla-
ti all’inibizione del CYP450. Secondo Saha, il programma avreb-
be migliorato del 95 per cento l’accuratezza delle previsioni su
CYP450, riducendo di sei volte il tasso di fallimento rispetto ai me-
todi convenzionali. Questi risultati aiutano i ricercatori a esclude-
re rapidamente i farmaci potenzialmente tossici e a concentrarsi
sui candidati con maggiori possibilità di superare i vari trial sugli
esseri umani, fino a raggiungere l’approvazione della statunitense
Food and Drug Administration (FDA), per esempio. «L’IA può fare
un’enorme differenza nel distinguere velocemente i farmaci che
falliscono, prima che vengano fatti enormi investimenti», afferma
Vipin Gopal, chief data and analytics officer di Eli Lilly.
Ora gli investimenti nel settore stanno aumentando. Nel 2018 le
start-up impegnate nello sviluppo di farmaci basato sull’IA hanno
raccolto fondi per oltre un miliardo di dollari, e secondo i dati del-
lo scorso settembre l’obiettivo di 1,5 miliardi per il 2019 stava per
essere raggiunto. Tutte le principali case farmaceutiche hanno an-
nunciato la collaborazione con almeno una di queste start-up. Ma
attualmente solo pochi farmaci scoperti grazie all’intelligenza ar-
tificiale sono in fase di sperimentazione sugli esseri umani e nes-
suno ha ancora iniziato studi clinici di fase III, considerati il gold
standard per i farmaci sperimentali. Saha ammette che saranno
necessari diversi anni prima di poter affermare con certezza se gli

Gli investimenti iniziano ad aumentare, ma per

ora solo pochi farmaci scoperti grazie all’IA

sono in sperimentazione sugli esseri umani

e nessuno ha ancora iniziato trial clinici di fase III