I primi farmaci inventati e progettati grazie agli algoritmi sono ormai realtà: alcuni sono già entrati in sperimentazione per malattie come la neurofibromatosi e la fibrosi polmonare idiopatica

La ricerca in ambito farmaceutico è costosa e ricca di fallimenti: recenti stime riferiscono che quasi il 90% delle sperimentazioni sui farmaci non porta al risultato desiderato. L’intelligenza artificiale (AI)  offrirebbe la possibilità di migliorare questo valore e, negli ultimi anni, sono diversi i farmaci progettati da un algoritmo che si muovono verso la clinica. Pur non potendo – e per fortuna – automatizzare tutto il processo, l’AI potrebbe velocizzare il processo e abbassare i costi destinati alla fase iniziale di analisi e progettazione, lasciando tempo e risorse da investire in altre ricerche. Inoltre, la tecnologia permetterebbe di capire con precisione quali pazienti potrebbero rispondere meglio al trattamento e quali no, semplificando la selezione in sede di sperimentazione clinica. 

A inizio giugno è uscito un articolo su Nature Medicine, firmato da Carrie Arnold, intitolato “Inside the nascent industry of AI-designed drugs” (All’interno dell’industria emergente dei farmaci progettati dall’IA). Si tratta di un approfondimento sul tema dell’AI utilizzata per la scoperta di nuovi farmaci e una descrizione dello stato attuale delle cose, incluso un elenco dei farmaci che sono già in sperimentazione o stanno per arrivarci.

A gennaio 2023, Insilico Medicine ha annunciato un risultato incoraggiante dello studio clinico di Fase I di INS018_055, progettato dall’IA come inibitore degli effetti della fibrosi polmonare idiopatica (IPF), una malattia progressiva che causa la cicatrizzazione del tessuto polmonare. L’ingresso in Fase II – prevista negli Stati Uniti e in Cina – ha portato alla somministrazione del farmaco ai primi esseri umani: lo studio è un trial randomizzato, in doppio cieco e controllato con placebo per valutare la sicurezza, la tollerabilità, la farmacocinetica e l’efficacia preliminare del dosaggio orale di INS018_055 per 12 settimane in pazienti con IPF suddivisi in quattro coorti parallele. È il primo caso di farmaco sviluppato grazie all’AI che completa le prime fasi di sperimentazione. “Quando abbiamo iniziato a sviluppare l’IA generativa per la scoperta di farmaci, non mi sarei mai aspettato di vedere i risultati clinici e preclinici che abbiamo oggi”, ha dichiarato nel comunicato stampa Alex Zhavoronkov, PhD, fondatore e co-CEO di Insilico Medicine. “L’avvio dello studio di Fase II con questo nuovo inibitore per l’IPF rappresenta un’importante pietra miliare per l’apprendimento generativo profondo (deep generative reinforcement learning) nella scoperta di farmaci. Esploreremo l’efficacia per i pazienti dei trattamenti scoperti e progettati dall’AI negli studi clinici, il che rappresenta una vera e propria convalida della nostra piattaforma di AI generativa. Siamo ansiosi di continuare a far progredire questa terapia, potenzialmente la prima della classe, per aiutare i pazienti bisognosi e dimostrare il valore dell’AI generativa nella scoperta e nello sviluppo di farmaci”. Dal 2021, Insilico ha annunciato 12 candidati farmaci sviluppati dall’intelligenza artificiale in fase preclinica nella sua pipeline e ne ha fatti avanzare 3 alla fase clinica. 

Ma sono diverse le aziende coinvolte e, stando ai dati riportati su Nature Medicine, sono dieci i farmaci di questo tipo che fanno capolino, e a volte sono in fase più avanzata, in sperimentazione. Ad esempio, Recursion – una startup biofarmaceutica con sede a Salt Lake City, nello Utah (Stati Uniti) – utilizza l’intelligenza artificiale non per progettare molecole, ma per analizzare i dati provenienti da milioni di esperimenti e miliardi di immagini al microscopio che il laboratorio raccoglie con l’aiuto di robot. L’azienda ha anche altri tre composti in fase di studio clinico per l’oncologia (cancro ovarico) e per malattie rare (poliposi adenomatosa familiare, malformazione cavernosa cerebrale e neurofibromatosi di tipo 2). Un altro esempio è Relay Therapeutics, che ha sviluppato un inibitore orale di piccole molecole di FGFR2, un recettore tirosin-chinasico iperattivo in alcuni tumori, come il colangiocarcinoma intraepatico. BenevolentAI ha inoltre presentato all’Agenzia Regolatoria per i Medicinali e i Prodotti Sanitari (MHRA) del Regno Unito una domanda di sperimentazione clinica per BEN-8744, una piccola molecola inibitrice della fosfodiesterasi 10 (PDE10) destinata al trattamento della colite ulcerosa. 

Come spiegato nell’articolo, gran parte della scoperta di farmaci guidata dagli algoritmi si basa sul ripiegamento delle proteine, parametro che determina il loro funzionamento. È quindi possibile prevedere se una proteina avrà una determinata funzione solo guardando la sua struttura di base – la sequenza di amminoacidi che la compone – e immaginando il suo possibile ripiegamento? Se con le tecnologie più obsolete, ma neanche troppo, era molto difficile, i modelli di apprendimento automatico permettono di fare previsioni utilizzando i dati di partenza, anche quando si tratta di grandissime quantità di dati. Non è un approccio nuovissimo: già qualche anno fa si parlava di prototipi di sistemi di intelligenza artificiale utili a questo scopo, ad esempio AlphaFold di DeepMind, che prevedevano le strutture proteiche utilizzando le informazioni note sulle proteine. Ora, oltre alla previsione, è possibile parlare di una vera e propria progettazione di proteine totalmente nuove, con strutture anche molto diverse da quelle che si vedono in natura. Questo può aprire sentieri finora inesplorati: generare ipotesi, testarle più velocemente, abbassare i costi, creare farmaci per malattie fino ad oggi senza cura o con terapie poco efficaci.

Il panorama delle possibili applicazioni è vastissimo e, visto l’attuale interesse verso l’intelligenza artificiale in ambito medico, potrà solo ampliarsi. Come per tutte le tecnologie con cui l’essere umano ha a che fare, è fondamentale ricordare che questi strumenti non sono creati per sostituire l’operato umano, ma per offrire un supporto, in questo caso nell’industria farmaceutica.

Rachele Mazzaracca , 30 Agosto 2023