Le intelligenze artificiali promettono di prevedere i rischi dei farmaci di nuova scoperta e di ridurre i tempi di approvazione. È un passo verso l’abbandono della sperimentazione animale?
Illustrazione di copertina di Harry Campbell
Sperimentare un farmaco è costoso. No, sul serio, è veramente costoso. Secondo David H. Freedman, dieci anni fa ogni dollaro investito in ricerca e sviluppo generava un ritorno di 10 centesimi, mentre oggi la cifra è scesa sotto i 2 centesimi. Ogni nuovo possibile farmaco deve superare una serie di test, ma i farmaci di più facile identificazione sono già stati scoperti e le malattie più comuni già abbondantemente affrontate. Rimangono fuori dal giro le malattie che richiedono soluzioni complesse e che colpiscono una percentuale più piccola della popolazione, minimizzando il futuro ritorno sugli investimenti.
La ricerca di nuovi target per colpire le malattie non è nuova agli algoritmi computazionali, ma le indagini troppo spesso si basano sulle interazioni che già conosciamo. Possiamo consentire ad una macchina di pensare al posto nostro, ma non ci è sottratto il compito di estrarre le informazioni che noi riteniamo più pertinenti. Queste scelte possono essere distorte dal pregiudizio scientifico, ma un’intelligenza artificiale – attraverso il deep learning – può superarlo, prevedendo indizi oscuri alle conoscenze dell’uomo.
Secondo Saurabh Saha, vicepresidente per ricerca e sviluppo e per la medicina traslazionale di Bristol-Myers Squibb, un’IA (più precisamente un algoritmo di machine learning) può migliorare del 95% l’accuratezza delle previsioni sulle interazioni tra nuove molecole e il citocromo CYP450, un’enzima che si trova nel fegato fondamentale nella valutazione della tossicità di un farmaco.
Per essere veloci nelle spiegazioni: ogni nuovo farmaco è meglio che non dia fastidio a CYP450, dato che è uno dei pochi strumenti a nostra disposizione per ripulirci dagli agenti chimici esogeni. Grazie a una miglior valutazione mediata dall’IA, è possibile migliorare l’hit rate, ovvero la possibilità che un nuovo farmaco superi la sperimentazione e venga approvato, riducendo il tasso di fallimento di sei volte.
Dieci anni fa ogni dollaro investito in ricerca e sviluppo generava un ritorno di 10 centesimi, mentre oggi la cifra è scesa sotto i 2 centesimi.
Uno dei risultati più eclatanti delle IA nella sperimentazione dei farmaci è offerto dall’azienda Berg che sfrutta le intelligenze artificiali non solo per cercare nuovi medicinali, ma anche nuovi target da colpire per contrastare le malattie. BPM31510 è una molecola candidata come anti-tumorale per il tumore pancreatico in stadio avanzato. Durante la sperimentazione di fase I, una fase in cui solitamente si valuta solamente la tossicità del farmaco e non l’aspetto terapeutico, BPM31510 ha fornito risultati in perfetto accordo con il programma di Berg. L’IA, infatti, anticipava quali pazienti avrebbero risposto meglio alla terapia. Contro ogni iniziale intuito dei ricercatori, il farmaco si è dimostrato essere più efficace contro le forme più aggressive del tumore.
Oggi, ogni grande azienda del Pharma sta investendo in IA, autonomamente o in collaborazione con start-up del settore. Migliorare le previsioni sugli effetti di un nuovo farmaco non si traduce solamente in un maggiore ritorno sugli investimenti, ma anche in una maggior confidenza nelle ipotesi e nei risultati preliminari. Se gli studi dimostreranno l’efficienza presagistica delle IA, gli enti regolatori potrebbero facilitare l’immissione sul mercato di farmaci sperimentati attraverso le intelligenze artificiali. Inoltre, se le tossicità fossero completamente prevedibili, si può addirittura ipotizzare uno scenario in cui i farmaci vengono direttamente testati sull’uomo, aggirando la sperimentazione animale.
Chi studia in questo campo mette le mani avanti per proteggersi dalle delusioni di proclami troppo ottimistici. Al momento l’IA è considerata uno strumento e non una soluzione, ma forse la svolta esponenziale è dietro all’angolo.
Approfondimento disponibile su le Scienze, Aprile 2020
Questo articolo fa parte della rubrica 404 Human Not Found
