L’intelligenza artificiale (AI) sta suscitando grande interesse nel settore farmaceutico per la sua capacità potenziale di accelerare lo sviluppo e l’approvazione dei farmaci. Secondo alcune stime, l’AI potrebbe portare un risparmio fino a 25 miliardi di dollari grazie a studi clinici più intelligenti, dati migliori e risultati più rapidi. Attualmente, uno studio clinico standard richiede in media 7-9 anni, mentre con l’aiuto dell’AI questa tempistica potrebbe ridursi a 3-5 anni. Anche il CEO di Lilly, David Ricks, è convinto che l’AI potrà aumentare la produttività umana e automatizzare alcuni processi regolatori, cambiando radicalmente il modo di lavorare.
Tuttavia, i dati mostrano che solo il 6,7% dei farmaci che arrivano alla Fase I degli studi clinici ottiene l’approvazione finale, un dato che negli ultimi anni è in costante diminuzione. Nonostante questo, alcune ricerche recenti suggeriscono che i farmaci scoperti tramite AI abbiano un tasso di successo dell’80-90%, molto superiore alla media storica del settore. Tuttavia, queste affermazioni provengono direttamente dalle aziende che sviluppano l’AI, quindi è importante attendere verifiche indipendenti e pubblicazioni scientifiche peer-reviewed per confermare questi dati.
Uno dei principali ostacoli per l’AI è rappresentato dalla qualità, dalla quantità e dai pregiudizi nei dati utilizzati per addestrare i sistemi. I dati grandi e ben organizzati sono essenziali per l’efficacia dell’AI, ma spesso manca una condivisione trasparente delle informazioni tra le aziende. L’AI viene già testata per rilevare tempestivamente nuovi effetti collaterali dei farmaci già in commercio, ma anche in questo caso è necessaria la supervisione umana per garantire risultati affidabili.
Oltre alla scoperta di nuovi farmaci, l’AI viene impiegata anche per ottimizzare i processi di sintesi chimica, riducendo i tempi e i costi nella produzione di sostanze farmaceutiche. Ad esempio, tramite analisi retrosintetica, è possibile individuare percorsi di sintesi più efficienti per molecole complesse. Inoltre, l’AI sta giocando un ruolo importante nella chimica sostenibile, aiutando a minimizzare l’impatto ambientale dei processi produttivi.
Anche nella produzione farmaceutica, l’AI trova applicazioni concrete: sistemi ottici basati su AI possono migliorare il controllo qualità durante la produzione, rilevando difetti nelle confezioni. L’AI supporta anche la gestione dei rischi, come il sistema CAPA (azioni correttive e preventive), e può ottimizzare la manutenzione delle attrezzature, riducendo i costi e migliorando l’efficienza.
Nonostante queste potenzialità, l’impatto ‘rivoluzionario’ dell’AI nel settore farmaceutico non è ancora dimostrato. I principali problemi rimangono la qualità dei dati, la loro quantità e i pregiudizi presenti nei dataset. Come sottolineato da alcuni esperti, l’AI può fornire solo previsioni basate sui dati disponibili, ma spetta ai ricercatori umani validare e interpretare i risultati. In conclusione, l’AI rappresenta una grande opportunità, ma il suo successo dipende strettamente dalla qualità e dalla trasparenza dei dati utilizzati.