Le biotech hanno iniziato ad avvalersi di tecniche in cui Intelligenza Artificiale (AI) e Machine Learning giocano un ruolo importante. Queste metodologie di ricerca basate su AI sono state impiegate nella sperimentazione farmacologica e farmacogenetica, portando alla creazione di nuove pipeline (metodi di sviluppo a fasi di un medicinale) che hanno raggiunto buoni risultati in termini di approvazione e sicurezza dei pazienti.
Il contributo di intelligenza artificiale e Machine Learning alle biotech
I nuovi software di Machine Learning hanno donato ai laboratori la capacità di analizzare e strutturare basi dati di dimensioni importanti, mettendo alla luce correlazioni in ambito genomico funzionale e strutturale. Questa metodologia di ricerca ha aiutato i ricercatori a capire le modalità con cui i geni dirigono lo sviluppo e il funzionamento del nostro organismo, e come il loro malfunzionamento induca uno stato patologico. Importanti contributi sono stati apportati anche alla ricerca proteomica (l’identificazione delle proteine e il monitoraggio delle loro alterazioni) e metabolomica (lo studio delle reazioni chimiche all’interno del nostro corpo).
L’uso dell’Intelligenza Artificiale in medicina prevede l’uso di modelli di apprendimento automatico per analizzare i dati medici, raccolti attraverso strumenti come i Big Data, e ricavare modelli che aiutano a migliorare i risultati delle terapie e le esperienze dei pazienti. Le applicazioni di Machine Learning mirano a supportare le decisioni cliniche, e stanno acquisendo crescente importanza nell’analisi delle immagini mediche, collaborando alla progettazione di pipeline mirate per specifici casi patologici.
L’AI contribuisce all’individuazione e diagnosi precoce delle malattie: i modelli di apprendimento automatico vengono utilizzati per osservare i sintomi dei pazienti e allertare i medici se determinati rischi aumentano, raccogliendo dati da dispositivi medici, e incrociandoli con le schede cliniche archiviate in formato digitale.
Il Machine Learning facilita la progettazione di trattamenti personalizzati, grazie alle esperienze cliniche catalogate nei modelli di apprendimento e alle reti neurali in grado di interagire in tempo reale con i pazienti. Ospedali e servizi sanitari possono offrire ai pazienti accesso continuo a un assistente virtuale capace di dialogare grazie all’intelligenza artificiale generativa. Il bot può offrire un primo livello di triage, dare consulenza sulle patologie più comuni, e consigliare personale specializzato in base a un’analisi della storia medica del paziente.
AI e sviluppo farmacologico
Sempre più aziende biotech utilizzano l’Intelligenza Artificiale per accelerare la scoperta di nuovi farmaci, abbattendone i costi di sviluppo. L’AI, grazie a software dedicati, orizzontali o proprietari della singola azienda, è in grado di migliorare la progettazione di farmaci, scolpendo il design della molecola per specifiche patologie. Grazie all’impiego dei Big Data, il software ha accesso a pattern di analisi che permettono di apportare significativi miglioramenti alle strategie di gestione dei tumori e delle malattie rare.
Il software sviluppato specificatamente per le esigenze dell’industria farmaceutica e biotecnologica consente alle aziende che producono dispositivi medici o sviluppano farmaci di migliorare le operazioni, massimizzare le percentuali di successo, e conformarsi alle normative del settore. L’ambito del software farmaceutico e biotecnologico può variare dalla gestione della qualità e della regolamentazione alla gestione di sperimentazioni e scoperte, all’elaborazione dei dati fino alla fornitura di un modulo ERP o CRM. Nelle fasi di ricerca e sviluppo, le soluzioni farmaceutiche e biotecnologiche possono integrarsi con software di distribuzione farmaceutica e varie soluzioni di gestione del laboratorio.
AI, Machine Learning e robotica al servizio della ricerca
Gli ingenti investimenti nello sviluppo di software di Intelligenza Artificiale ha permesso la realizzazione di piattaforme SAAS innovative e capaci di combattere malattie complesse, rivoluzionando il modo in cui i farmaci sperimentali sono creati e validati. Significativi progressi sono stati raggiunti nella lotta contro diversi tipi di cancro, per mezzo dello sviluppo di biomarcatori (biomarker) farmacodinamici sempre più precisi, capaci di fornire informazioni su uno specifico trattamento o, in modo più ampio, su come la malattia sta rispondendo.
Questo è stato reso possibile dall’impiego di simulazioni software abbinate all’intelligenza artificiale, che hanno delineato un quadro sempre più dettagliato della risposta delle proteine target, favorendo lo sviluppo di terapie a bersaglio molecolare, capaci di sfruttare le specifiche caratteristiche di un tumore per rallentarne o inibirne la crescita.
Alcune startup biotecnologiche si stanno focalizzando sulla progettazione e l’ingegnerizzazione di terapie mini-proteiche sintetiche, combinando software progettuali di Machine Learning con la robotica di laboratorio per facilitare la creazione di proteine da impiegare in farmaci innovativi. Importanti investimenti sono spesi per la creazione di tecnologie capaci di decifrare la complessità delle strutture biologiche, per mezzo dell’impiego di algoritmi di intelligenza artificiale specializzati nell’analisi cellulare. Queste tecnologie permettono di ottenere “fotografie” estremamente precise (snapshot) delle dinamiche cellulari che si scatenano dopo la somministrazione di un ciclo di trattamenti, la cui analisi può rivelare preziose indicazioni per i successivi stadi di sviluppo di una terapia farmacologica.
Le statistiche mostrano che l’industria farmaceutica spenderà circa 3 miliardi di dollari per l’intelligenza artificiale nella scoperta di farmaci entro il 2025. Esperti del settore ritengono che l’industria continuerà con l’adozione di software di Machine Learning coerentemente al processo di digitalizzazione avviato durante la pandemia Covid-19, in modo che l’intelligenza artificiale continui ad accelerare lo sviluppo di farmaci innovativi e diventi parte del core dell’industria biofarmaceutica.
