Intelligenza artificiale

I tempi necessari per lo sviluppo di un farmaco sono molto lunghi e le procedure costose: l’utilizzo dell’intelligenza artificiale potrebbe rivoluzionare questo processo.

Lo sviluppo di un farmaco richiede in media dai 10 ai 15 anni e una spesa di 1,5-2 miliardi di euro: di questi, circa la metà è dedicato alle sperimentazioni cliniche. Sebbene l’intelligenza artificiale (AI) non abbia ancora avuto un impatto significativo sui trial clinici, esistono già alcuni modelli – basati proprio sull’AI – in grado di aiutare i ricercatori nella parte di progettazione, di reclutamento dei pazienti e di monitoraggio. Questo per migliorare i risultati dello studio, ridurre i tassi di abbandono dei partecipanti (che in media è pari al 30%) e limitare quindi i fallimenti dei trial. Inoltre, meno di 1/3 delle molecole, o terapie, sperimentali che è in Fase II arriva alla Fase III della sperimentazione, con una notevole perdita di tempo e denaro. Una ricerca, supportata da IBM Research e pubblicata su Trends in Pharmacological Sciences (Cell Press Reviews), esamina come l’AI potrebbe influenzare lo sviluppo di farmaci nel prossimo decennio.

L’AI è, in poche parole, la simulazione dei processi mentali dell’essere umano mediante l’utilizzo dei computer e il cui obiettivo finale è quello di far prendere decisioni ai sistemi in silico come le prenderemmo noi. La medicina incontra per la prima volta l’AI negli anni ’70, quando fu introdotto il sistema esperto MYCIN che, pur non essendo mai stato effettivamente usato nella pratica quotidiana, è stato in grado di suggerire una terapia corretta nel 70% dei casi, superando di gran lunga le performance dei medici umani. Fu testato per l’identificazione di gravi infezioni batteriche, per la corretta somministrazione di antibiotici e per le malattie legate alla coagulazione del sangue. Questi sistemi erano limitati, complicati da gestire e difficili da aggiornare. Sistemi più avanzati, ad esempio in grado di elaborare un testo non strutturato, sono arrivati negli anni ’90 e 2000, ma erano ancora lenti e mancavano i database adatti alla gestione di grandi quantità dati. L’introduzione dei dati medici in forma digitale e l’evoluzione della tecnologia degli ultimi anni ha permesso di migliorare le applicazioni in medicina, basti pensare alle tecniche di imaging per la rilevazione della retinopatia diabetica. Ad oggi, l'uso di questi strumenti potrebbe essere d’aiuto al settore farmaceutico per aumentare il tasso di successo delle sperimentazioni cliniche. I fattori principali legati al fallimento di un trial clinico sono due: da un lato il reclutamento dei pazienti, che spesso fallisce nel trovare i pazienti adatti alla sperimentazione entro i tempi previsti; dall'altro la mancanza di strutture per la gestione ottimale dei trial, per il monitoraggio dei pazienti e i controlli nelle varie Fasi.

La tecnologia AI, in collaborazione con i dispositivi wearable (basti pensare all'ormai diffusissimo smartwatch), può offrire nuove possibilità di monitoraggio dei pazienti in tempo reale, personalizzato e non vincolato alle visite. I sensori wearable e il monitoraggio tramite video producono dati analizzabili dai sistemi automatici, semplificando le procedure standard. Un dato interessante è che, nel giro di 150 giorni dall'inizio di un trial clinico, in media il 40% dei pazienti non segue le indicazioni date: un controllo basato sulle nuove tecnologie potrebbe ridurre questa percentuale e portare a risultati migliori di quelli basati sui meccanismi di automonitoraggio dei pazienti. Una categoria che ne potrebbe ricavare molto è quella delle malattie neurologiche, dato che i trial sui farmaci neurologici sono quelli con i risultati peggiori in termini di efficienza, assieme a quelli cardiovascolari, psichiatrici e oncologici. Ma collezionare dati non è sufficiente: servono algoritmi in grado di analizzare, contestualizzare e filtrare i dati grezzi raccolti da quegli strumenti, dalle cartelle cliniche e non solo. L’interazione tra AI, Internet of Things (cioè un insieme di tecnologie che permettono di collegare oggetti reali a internet, ad esempio un frigorifero che ordina il latte quando finisce) e personale sanitario incentiverà la produzione di dispositivi in grado di monitorare i pazienti in tempo reale.

Di recente, un gruppo di ricerca della startup Insilico Medicine (Cina), collaborando con l’Università di Toronto, ha impiegato solo 21 giorni per creare 30 mila molecole sperimentali in silico che hanno come obiettivo quello di inibire una proteina legata alla fibrosi e ad altre patologie, un recettore per il dominio discoidina 1 (DDR1). Dopo aver sviluppato un modello, hanno sintetizzato 6 di queste molecole e le hanno testate su cellule e modelli animali. Il processo completo ha richiesto solo 46 giorni e la ricerca è stata pubblicata su Nature Biotechnology. Il metodo di ricerca è molto simile a quello che i ricercatori hanno sempre usato (esaminare studi e ricerche precedenti, le molecole già sintetizzate in passato e le caratteristiche che potrebbero essere utili per nuove molecole), ma molto molto più rapido.
La ricerca in questo settore sembra promettente, ma siamo molto lontani dalla creazione di farmaci progettati con l'AI. La prossima generazione di esperti di AI e salute avrà bisogno di una vasta gamma di conoscenze in analisi, algoritmi e integrazione tecnologica. Sono necessari studi continui per valutare la privacy, la sicurezza e l'accessibilità dei dati, nonché l'etica dell'applicazione delle tecniche di intelligenza artificiale alle informazioni mediche sensibili. Poiché i metodi di intelligenza artificiale hanno iniziato ad essere applicati alle sperimentazioni cliniche negli ultimi 5-8 anni, molto probabilmente ci vorrà ancora qualche anno prima che l’impatto di queste tecnologie possa essere valutato.

Con il contributo incondizionato di

Website by Digitest.net



Questo sito utilizza cookies per il suo funzionamento Maggiori informazioni