La prossima sfida dell’IA in ambito farmaceutico: le sperimentazioni cliniche

Il dipartimento di Medicina Digitale dell'Università di Berna, insieme ad altre università, ricorre sempre più spesso all'intelligenza artificiale per analizzare i campioni di tessuto dei pazienti. Keystone / Gaetan Bally

L’IA ha rivoluzionato la ricerca di nuovi farmaci. Ora le case farmaceutiche vogliono usarla per risolvere il problema della lentezza e dei costi elevati dei test sugli esseri umani.

Se chiedeste a una casa farmaceutica di parlarvi dell’approccio odierno alle sperimentazioni cliniche, è probabile che ne ricavereste un coro di lamentele su un sistema malfunzionante e inefficiente. In media, per sviluppare un nuovo farmaco ci vogliono almeno dieci anni e circa 1-2 miliardi di dollariCollegamento esterno (790 milioni-1,6 miliardi di franchi). Circa il 60-70% del tempo viene dedicato alle tre fasi di test sugli esseri umani. Più lunga è una sperimentazione clinica, più tempo sarà necessario perché quel farmaco arrivi ai e alle pazienti.

A peggiorare le cose, le aziende spesso sprecano tempo e denaro in sperimentazioni su farmaci che alla fine non vengono approvati dalle autorità di regolamentazione. Su 100 prodotti farmaceutici testati sugli esseri umani, circa 90 non ottengono il via libera perché i test non riescono a dimostrare che si tratti di medicamenti sicuri o efficaci.

“Le case farmaceutiche hanno accettato che lo sviluppo di farmaci sia segnato dal rischio e dal fallimento perché non avevano altra scelta”, dice Kevin Buyens, cofondatore e responsabile commerciale di TwinEdge Bioscience, società biotecnologica specializzata in IA con sede nella Svizzera occidentale. “Le cose però stanno cambiando. Le tecnologie digitali possono aiutare a colmare questa lacuna”.

L’intelligenza artificiale, in particolare tramite sistemi di apprendimento automatico, ha già aiutato scienziati e scienziate a identificare promettenti candidati farmaci setacciando enormi volumi di dati chimici e biologici molto più velocemente di quanto potesse fare un essere umano.

La situazione delle sperimentazioni cliniche è leggermente diversa: in questo caso le autorità di regolamentazione, come Swissmedic o la Food and Drug Administration (FDA) statunitense, utilizzano le informazioni raccolte durante gli studi clinici per decidere se un farmaco è sufficientemente sicuro o efficace da poter essere somministrato ai e alle pazienti. Tali autorità di regolamentazione si sono sempre mostrate diffidenti nei confronti di qualsiasi scorciatoia che potesse mettere a repentaglio la sicurezza dell’utenza finale.

Negli ultimi anni, però, le tecnologie di IA hanno fatto grandi progressi, oltre ad avere un migliore accesso ai cosiddetti dati del mondo reale, come le cartelle cliniche elettroniche. Pertanto, ora si pensa davvero che l’intelligenza artificiale possa accelerare gli studi clinici e migliorarne la percentuale di successo.

Ad aprile, la FDA, la principale autorità di regolamentazione farmaceutica al mondo, ha annunciato l’avvio di un programma pilotaCollegamento esterno volto a valutare in che modo le tecnologie basate sull’IA possano migliorare l’efficienza, la rapidità e la qualità dei processi decisionali nelle fasi iniziali degli studi clinici.

Per quanto di portata limitata, l’iniziativa è uno dei segnali finora più evidenti che le autorità di regolamentazione si stanno aprendo all’uso dell’IA nelle sperimentazioni cliniche per sbloccare quello che la FDA descrive come un “collo di bottiglia critico” nello sviluppo dei farmaci. Inoltre, arriva in un momento in cui la Cina sta emergendo come una forza importante nelle prime fasi delle sperimentazioni cliniche grazie alla sua capacità di condurle in modo più rapido ed economico.

Perché gli studi clinici richiedono così tanto tempo

In genere, gli studi clinici sono un processo lungo e laborioso per tutta una serie di ragioni. Uno dei fattori principali è la mole di pratiche burocratiche, svolte perlopiù manualmente. Da quando gli studi hanno assunto una portata globale, i farmaci si sono fatti più complessi e le autorità esigonoCollegamento esterno maggiori informazioni per valutare i rischi e i benefici di una terapia, la situazione non ha fatto che peggiorare.

Grafico: Kai Reusser, Swissinfo

SecondoCollegamento esterno l’ex commissario della FDA Marty Makary, quasi metà del tempo che intercorre tra una sperimentazione di Fase 1 e una richiesta di approvazione alla FDA è costituito da “tempi morti” legati alle pratiche burocratiche e ai trasferimenti di dati. Anche trovare pazienti e centri idonei è un problema: alcuni studiCollegamento esterno rilevano che l’80% delle sperimentazioni subisce ritardi significativi a causa delle difficoltà nel reclutare persone idonee.

Scienziati e scienziate, poi, faticano a prevedere la risposta dei e delle pazienti ai farmaci. Molti studi clinici reclutano pazienti che alla fine non traggono beneficio dal nuovo farmaco, il che comporta percentuali di insuccesso più elevate e milioni di dollari sprecati in esperimenti infruttuosi.

Un esempio lampante riguarda il morbo di Alzheimer. Uno studioCollegamento esterno ha rilevato che dal 1995 al 2021 sono stati spesi circa 42,5 miliardi di dollari di fondi privati in oltre 1000 studi clinici su candidati farmaci per l’Alzheimer, e che il 57% di tale somma andava a studi di Fase 3. Gli studi, che hanno coinvolto circa 184’000 partecipanti, riguardavano 235 candidati farmaci, il 95% dei quali non è stato approvato.

Il contributo dell’IA

Negli ultimi dieci anni, un numero sempre maggiore di aziende e start-up ha cercato di capire come l’intelligenza artificiale possa alleviare alcuni di questi problemi. Un ambito che ha visto una diffusione capillare dell’IA è la redazione dei protocolli, ovvero i piani dettagliati che ricercatori e ricercatrici utilizzano per progettare e condurre le loro sperimentazioni sugli esseri umani. Normalmente, la stesura di un protocollo richiede dai 6 ai 12 mesi.

La start-up svizzera RisklickCollegamento esterno ha creato Protocol AI, un software che utilizza l’IA generativa per sviluppare diversi scenari per la progettazione di uno studio. Lo strumento è stato testato dall’azienda biotecnologica svizzera Debiopharm, che ha iniziato a integrarlo a livello aziendale. Risklick afferma che il software può ridurre tempi e costi legati allo sviluppo dei protocolli delle sperimentazioni cliniche fino al 35%.

L’IA sta iniziando ad essere usata anche per reclutare al meglio i e le pazienti. La start-up statunitense Paradigm Health ha sviluppato una piattaforma basata sull’intelligenza artificiale per aiutare le case farmaceutiche a identificare persone idonee alle sperimentazioni, avvalendosi delle cartelle cliniche elettroniche provenienti da una vasta rete di cliniche oncologiche.

Altre piattaforme basate sull’IA, come Ancora.aiCollegamento esterno, con sede in Svizzera, e TrialGPT, sviluppata dal National Institutes of Health degli Stati Uniti, consentono ai e alle pazienti di trovare studi clinici per la loro specifica condizione e città. Gli studi hanno rilevato che TrialGPT abbina pazienti e studi clinici con una precisione quasi pari a quella degli esperti ed esperte umani, ma nel 40% di tempo in meno. Dal 2022, oltre 23’000 persone provenienti da 101 Paesi hanno utilizzato Ancora per cercare studi clinici sul cancro.

L’azienda di intelligenza artificiale applicata alla biologia Owkin, con sede a Ginevra, ha sviluppato modelli di deep learning utilizzati non solo per prevedere gli esiti dei e delle pazienti, ma anche per identificare i fattori che li influenzano. Oggi Owkin ha stretto partnership con diverse grandi case farmaceutiche per personalizzare questi modelli di IA in vista delle decisioni relative alle sperimentazioni cliniche.

Il colosso farmaceutico svizzero Novartis, che conduce studi con migliaia di persone, ha sviluppato quello che definisce un “Intelligent Decision System”, una sorta di copia computazionale dell’intero processo di sperimentazione. Il sistema è in grado di simulare parti di uno studio clinico per confrontare i possibili esiti in diversi centri e risolvere potenziali problemi, come l’uscita di un centro dallo studio.

“Ogni giorno guadagnato in una sperimentazione clinica è un giorno di attesa in meno per un farmaco, quindi si vuole accelerare il più possibile i test”, ha dichiarato a Swissinfo Robert McGregor, responsabile dell’Intelligent Decision System dell’azienda. “Modificare un presupposto nella progettazione di uno studio può rivoluzionarne la tempistica”.

Le case farmaceutiche si sono mostrate più caute nell’utilizzare l’IA in modi che potrebbero influenzare direttamente le decisioni normative. Ciò include modelli computazionali che simulano come gruppi virtuali di pazienti potrebbero rispondere a un farmaco, cosa che potrebbe aiutare a prevedere i risultati della sperimentazione prima dell’inizio dei test sugli esseri umani, o addirittura ridurre il numero di persone necessarie in alcuni studi.

A un livello ancora più personalizzato, l’IA è in grado di creare repliche virtuali e dinamiche di esseri umani ottenute tramite un modello matematico e una combinazione di dati genomici, clinici e di imaging di pazienti reali. Ricercatori e ricercatrici sperano che questi modelli possano prevedere la risposta di singoli pazienti a un farmaco o persino simulare cosa accadrebbe se ricevessero invece un placebo.

TwinEdge Bioscience, fondata nel 2025, sta sviluppando repliche digitali dei tumori di singoli e singole pazienti sulla base dei dati molecolari di persone malate di cancro. L’azienda sta collaborando con varie case farmaceutiche per verificare ipotesi sui bersagli farmacologici e sulle persone realmente trattabili, fornendo informazioni utili alla progettazione di studi clinici.

SOPHiA GENETICS, fondata come start-up dal Politecnico di Losanna (EPFL) nel 2011 e quotata in borsa nel 2021, ha lanciato la tecnologia delle repliche digitali lo scorso ottobre. La piattaforma utilizza i dati clinici, biologici, di imaging e genomici di ogni paziente, raccolti da centinaia di ospedali, per simulare le risposte alle terapie. Al momento viene utilizzata per la ricerca.

“Come settore, dobbiamo operare sui dati del mondo reale”, ha affermato Jurgi Camblong, fondatore dell’azienda. “Solo così possiamo imparare come prescrivere o combinare meglio i farmaci, identificare sottopopolazioni che ne trarrebbero beneficio e potenzialmente dimostrarlo con uno studio clinico”.

L’azienda statunitense Unlearn ha avviato una collaborazione con alcune case farmaceutiche, tra cui la svizzera RocheCollegamento esterno, per creare repliche digitali in grado di simulare le risposte di pazienti reali ai farmaci candidati per l’Alzheimer sulla base di dati reali. I risultati indicano che le repliche digitali possono ridurre le dimensioni dei gruppi di controllo di circa il 35%.

Gli ostacoli all’adozione dell’IA nelle sperimentazioni cliniche

Nonostante i potenziali benefici, le effettive possibilità dell’IA di rivoluzionare le sperimentazioni cliniche devono ancora fare i conti con alcuni limiti. Uno tra tutti: le lacune nella comprensione della biologia umana da parte di scienziati e scienziate.

“Capire la biologia consente di condurre sperimentazioni cliniche migliori, perché si ha chiaro su quale popolazione e quale malattia concentrarsi” ha affermato Thomas Clozel, fondatore e amministratore delegato di Owkin. Tuttavia, ha aggiunto, “abbiamo ancora poca idea del perché i e le pazienti sviluppino l’Alzheimer o del perché alcuni tumori abbiano delle recidive”.

Anche i colli di bottiglia nei flussi di dati sono un problema. Nonostante vengano generati sempre più dati, non tutti sono disponibili per la ricerca clinica a causa delle leggi sulla privacy. In più, la maggior parte non è “pronta per l’IA”, ovvero formattata in modo tale da poter essere utilizzata da un modello.

Anche quando un modello funziona bene, poi, le autorità di regolamentazione devono comunque capire come giunge alle sue conclusioni, cosa difficile quando molti sistemi di IA operano come “scatole nere”, generando informazioni in modo opaco o di difficile comprensione.

Ciononostante, le autorità di regolamentazione sono sempre più aperte a sperimentare nuove idee, come dimostra l’annuncio della FDA di aprile. Anche l’Agenzia europea per i medicinali si è dichiarata apertaCollegamento esterno all’uso delle repliche digitali per le sperimentazioni sulle malattie rare. Secondo quanto riferito da un portavoce, poi, Swissmedic è attivamente impegnataCollegamento esterno nello sviluppo di principi internazionali sull’IA per le sperimentazioni cliniche.

“Sono convinto che nei prossimi anni il modo in cui conduciamo le sperimentazioni cliniche cambierà in meglio”, ha affermato Buyens. “Non appena ci saranno studi di validazione concreti su queste tecnologie, le autorità di regolamentazione non potranno più ignorarle”.

Articolo a cura di Nerys Avery/vm/gw

Traduzione di Camilla Pieretti