Il collo di bottiglia silenzioso: perché la scoperta di farmaci con IA manca l'obiettivo

Nel settore sanitario basato sull'IA persiste la narrazione secondo cui l'intelligenza artificiale renderà presto obsoleta la tradizionale scoperta di farmaci. Ci viene detto che gli algoritmi possono ora generare molecole nuove in giorni anziché in anni. Tuttavia, un esame più attento della realtà operativa rivela un significativo divario tra l'hype e il collo di bottiglia reale nel pipeline farmaceutico.

Secondo recenti analisi di McKinsey, la stragrande maggioranza degli investimenti e dello sviluppo nell'IA si concentra sulla fase di progettazione molecolare. Non è sorprendente; è la fase con i dati più strutturati, i loop di feedback più chiari e gli strumenti più maturi. È la parte "facile" del problema, almeno in termini di disponibilità dei dati. Ma il vero vincolo del settore si trova a monte: identificare e validare il corretto meccanismo di malattia. Senza il bersaglio giusto, una molecola perfettamente progettata è uno spreco di risorse.

Consideriamo le implicazioni pratiche per una startup biotech. Potrebbe implementare un'IA generativa sofisticata per creare un composto candidato in tre mesi. Ma se quel composto punta a un meccanismo biologicamente irrilevante o poco compreso, il progetto fallisce durante gli studi preclinici. Il tempo risparmiato nella progettazione viene perso nella validazione fallita. Questo è un classico caso di ottimizzazione della velocità nel posto sbagliato.

La lezione qui è cruciale per l'ecosistema dell'IA: la maturità dei dati determina l'efficacia dell'IA. L'industria delle scienze della vita sta attualmente applicando strumenti di IA ad alta maturità a problemi biologici a bassa maturità. Per andare avanti, il focus deve spostarsi verso il miglioramento della qualità e della profondità dei dati meccanicistici. Ciò significa una migliore integrazione dei dati omici, una validazione in-silico più robusta dei modelli di malattia e loop di feedback più stretti tra i progettisti di IA e i biologi di laboratorio.

Per investitori e fornitori di tecnologia, questo suggerisce una svolta. La prossima ondata di valore nella farmaceutica guidata dall'IA non arriverà da una generazione molecolare più veloce, ma da un'identificazione più intelligente dei bersagli. Le aziende in grado di risolvere il problema del "bersaglio giusto" vedranno un ritorno sull'investimento più elevato rispetto a quelle che semplicemente accelerano la fase chimica. L'era dell'ottimizzazione alla cieca è finita; l'era della validazione mirata e ricca di dati sta appena iniziando. È qui che risiede il vero vantaggio competitivo.

Foto: Yassine Khalfalli / Unsplash (https://unsplash.com/@yassine_khalfalli)