Intelligenza artificiale, così potrà abbattere i costi di produzione dei farmaci

Non solo drug discovery: l’impiego dell’AI permette di facilitare numerosi processi e servizi che uno specifico rapporto sull’attività di 93 startup aggrega in undici categorie. Dal numero 161 di AboutPharma

Intelligenza Artificiale

“Forse è la volta buona. Grazie all’intelligen­za artificiale possia­mo davvero contribu­ire a ridurre il costo di produzione dei farmaci. Soprat­tutto attraverso il potenziamento della cosiddetta drug discovery, ma anche rendendo più efficiente il pro­cesso di sviluppo dei medicinali, ma­gari marginalizzando i fallimenti”. Può sembrare una sintesi ottimistica quella di Giuseppe Recchia, vice pre­sident, Medical & Scientific director di Gsk Italia, ma restituisce bene il senso dell’impatto che gli algoritmi di intelligenza artificiale e machine learning stanno avendo su tutta l’in­dustria farmaceutica.

Un settore che vive di innovazione e deve combattere contro gli altri one­ri che gravano sulla fase di ricerca e sviluppo dei farmaci. Basti pensare che tuttora il costo per trasferire un farmaco dal laboratorio al mercato resta ancora estremamente elevato (si stima si aggiri intorno ai 2,5 miliardi di dollari complessivi), mentre i pro­cessi legati alla fase di R&S possono durare fino a 15 anni. Se, dunque, come aveva ipotizzato qualche tem­po fa su AboutPharma Alex Zhavo­ronkov, ceo della startup americana Insilico Medicine, “nei prossimi anni, utilizzando metodi appropria­ti di deep learning, saremo in grado di ridurre dell’80-85% i costi per la scoperta di nuovi farmaci, e accorcia­re il processo di ricerca e sviluppo da 10-15 anni a 2-3”, appare sempre più chiaro l’interesse delle case farma­ceutiche per i servizi di aziende che lavorano sull’applicazione di questo tipo di tecnologia.

L’intelligenza artificiale nei vari settori industriali

L’intelligenza artificiale può essere considerata a tutti gli effetti una tec­nologia già inserita concretamente nella realtà delle imprese italiane e internazionali. Basta guardare i nu­meri per capirlo. Secondo una recen­te ricerca effettuata dall’Osservato­rio artificial intelligence della School of management del Politecnico di Milano, in Italia il 56% delle gran­di imprese ha già avviato progetti di intelligenza artificiale, seppur ancora in fase embrionale. All’interno del campione analizzato nello studio – 721 imprese da cui sono emersi 469 casi di utilizzo di Ai, riferibili a 337 imprese – la maggior parte delle aziende è orientata a soluzioni di In­telligent data processing (il 35% dei casi) e di Virtual assistant chatbot (25%), mentre risultano assenti le applicazioni a sostegno dei processi interni delle aziende. Al momento i settori più avanzati nell’adozione di progetti di intelligenza artificiale sono quelli in cui l’innovazione digi­tale sembra stia maggiormente mo­dificando i modelli di business tradi­zionali. Stiamo parlando di banche, finanza e assicurazioni, automotive, energia, logistica e telco.

… e nel settore farmaceutico

Nel campo del pharma le cose sono un po’diverse. Perché nonostante le aspettative piuttosto elevate, bisogna ammettere che, al momento, all’interno dei laboratori delle azien­de che stanno sperimentando tali ap­plicazioni, campeggia un cartello con su scritto “lavori in corso”. Un artico­lo pubblicato su Nature a fine 2017, racconta un aneddoto interessante a questo proposito. L’autore spiega come nel 2016 la casa farmaceuti­ca Sunovion decise di affidare a un gruppo di propri dipendenti un inca­rico particolare. Tutti i chimici ven­nero invitati nella sede dell’azienda in Massachusetts, per vedere chi sarebbe riuscito a scoprire i migliori potenzia­li farmaci, a partire da una griglia di centinaia di strutture chimiche, alcu­ne delle quali con informazioni rela­tive ai loro effetti biologici.

Il risultato? Tra gli undici sfidan­ti, dieci impiegarono molte ore per raggiungere il risultato, mentre uno completò il lavoro in pochi millise­condi. Quest’ultimo era un algo­ritmo di intelligenza artificiale. A svilupparlo fu Willem Van Hoom, responsabile della divisione di che­mio-informatica di Exscientia, una startup americana che utilizza l’in­telligenza artificiale per progettare farmaci. Da quel momento in poi Exscientia e Sunovion hanno con­tinuato a collaborare con l’obiet­tivo di scoprire nuovi farmaci in ambito psichiatrico.

Le aziende del pharma si affidano alle startup

Dal 2016 a oggi la situazione è rima­sta pressoché immutata. Nel senso che le aziende farmaceutiche non svi­luppano internamente tecnologie in grado di migliorare i processi di pro­duzione dei farmaci, ma preferiscono acquisire sistemi sviluppati principal­mente da startup. A questo proposito la fotografia più recente l’ha scattata Simon Smith, chief growth officer di BenchSci (una startup che ha sviluppato una piattaforma di intelligenza artificiale, in grado di estrarre infor­mazioni rilevanti per esperimenti legati all’utilizzo degli anticorpi, a partire da un set di dati pubblici) il quale ha catalogato tutte le startup e le aziende che utilizzano algoritmi di intelligenza artificiale per la scoperta o sviluppo dei farmaci.

Da questa analisi è emersa la presenza di 93 startup a livello mondiale e 28 industrie farmaceutiche attive, a vari livelli, nel campo dell’intelligenza artificiale al servizio della produzio­ne di medicinali. L’elemento più rile­vante è che, se in passato le aziende si affidavano all’uso di piattaforme di Ai che potremmo definire generali­ste, in grado cioè di svolgere qualsiasi tipo di attività (Watson di Ibm ne è un esempio), ora la ricerca è orientata verso strumenti più specifici, realiz­zati appositamente per svolgere un preciso compito.

Proprio per questo, secondo il do­cumento realizzato da Smith, le 93 startup di intelligenza artificiale for­niscono alle compagnie farmaceuti­che, tutta una serie di servizi specifici che possono essere ricondotti alle se­guenti categorie:

  1. aggregazione e sintesi di infor­mazioni ­­
  2. comprensione dei meccanismi di una malattia
  3. generazione di dati e modelli
  4. riutilizzo di farmaci esistenti
  5. generazione di nuovi farmaci candidati
  6. drug design
  7. pianificazione delle sperimenta­zioni precliniche
  8. ottimizzazione delle sperimen­tazioni cliniche
  9. esecuzione di sperimentazioni cliniche
  10. reclutamento di pazienti per sperimentazioni cliniche
  11. pubblicazione di dati

“Se analizziamo più nel dettaglio queste startup – commenta Recchia – ci accorgiamo come la maggior parte, 70 su 93, operi nel campo della drug discovery, e in particolare nella generazione di nuovi composti. Di fatto le principali attività riguarda­no la capacità di mettere insieme la grande mole di dati che le aziende hanno nei loro database. E che rap­presentano una cartina di tornasole rispetto agli esiti degli studi effettua­ti fino a quel momento. Analizzando questi dati, gli algoritmi di intel­ligenza artificiale sono in grado di intercettare relazioni e creare nuovi modelli, quelli che vengono chiama­ti pattern.

In sintesi, direi che per quanto riguarda l’ambito della drug discovery, le applicazioni di Ai sono in grado di aumentare le opportuni­tà di scoperta, individuare i target e realizzare più composti. Mentre nel segmento della ricerca e sviluppo, l’Ai può agevolare la riduzione dei costi e dei fallimenti”.

Volgendo lo sguardo alle aziende, sempre secondo il report di Simon Smith, è proprio Gsk una delle so­cietà più attive nell’ambito della scoperta di nuovi farmaci, tramite l’applicazione di strumenti di intel­ligenza artificiale e machine lear­ning. Uno degli esempi più concreti è l’attivazione di una specifica unità interna, denominata medicine di­scovered using artificial intelligen­ce. Senza dimenticare i programmi di collaborazione e partnership con le startup. Su tutte, quella con Ex­scientia e Insilico. Nel primo caso si tratta di una partnership, annunciata a luglio 2017, volta a scoprire nuove e selettive piccole molecole,  per un massimo di dieci bersagli correlati alla malattia, in aree terapeutiche non divulgate. Nel secondo caso in­vece, con Insilico, l’obiettivo è quello di identificare nuovi bersagli biologi­ci e nuove percorsi molecolari.

Inoltre Gsk fa parte del consorzio Accelerating Therapeutics for Oppor­tunities in Medicine (Atom), mentre a maggio 2018 ha annunciato una partnership con Cloud Pharmaceuti­cals per sfruttare gli algoritmi di Ai­per la progettazione di nuovi farmaci a piccole molecole.

Non mancano, ovviamente, i casi di altre grandi multinazionali che svi­luppano programmi di intelligenza artificiale per l’R&S e scoperta del farmaco. Tra queste, figura ad esem­pio Pfizer, che ha stretto un accordo con Ibm per l’utilizzo della piatta­forma Watson for drug discovery. Grazie a questa intesa, annunciata a fine 2016, il gruppo impiegherà la piattaforma di intelligenza artificia­le per esaminare masse gigantesche di informazioni e individuare nuo­ve possibili terapie immuno-onco­logiche. O come Novartis che, più orientata verso il campo dei big data, ha sviluppato una nuova piat­taforma chiamata Nerve Live, che sfrutta l’analisi dell’enorme quan­tità di dati prodotti dal gruppo far­maceutico per migliorare lo svilup­po dei medicinali.

Cosa dobbiamo aspettarci per il futuro?

Preso atto del quadro attuale, quali saranno le evoluzioni future in me­rito all’applicazione dell’intelligenza artificiale nel settore farmaceutico? Secondo Recchia, l’evoluzione degli algoritmi di AI si muoverà lungo tre direzioni: “Nell’ambito della drug discovery – spiega – analitica e pre­dizione saranno le aree di sviluppo principali in questo segmento. Con­siderando che non sarà facile avere risultati evidenti, perché si tratta di sperimentazioni che solitamente non vengono rese pubbliche, ipote­ticamente dovremmo aspettarci più molecole, più composti e più target. Questo si traduce in un aumento della pipeline, ovvero di sempre più composti che entrano nello studio chimico, ma anche di composti che hanno una minore possibilità di fal­limento. Riducendo quindi i costi. Poi c’è il discorso della sperimenta­zione clinica, che sarà più visibile e migliorata grazie all’utilizzo dell’AI. Infine, è probabile che nei prossimi due-tre anni vedremo sensori appli­cati ai farmaci, che producono dati durante la fase di sviluppo”.