Exscientia, una società con sede nel Regno Unito, ha messo a punto un nuova tecnologia di matchmaking che accoppia i singoli pazienti con i farmaci precisi di cui hanno bisogno, tenendo conto delle sottili differenze biologiche tra le persone. Selezionare il farmaco giusto è solo la metà del problema che Exscientia vuole risolvere. L’azienda è pronta a rivedere l’intera pipeline di sviluppo dei farmaci. Oltre ad accoppiare i pazienti con i farmaci esistenti, Exscientia utilizza l’apprendimento automatico per progettarne di nuovi. Ciò potrebbe a sua volta produrre ancora più opzioni da vagliare quando si cerca una corrispondenza.
I primi farmaci progettati con l’aiuto dell’intelligenza artificiale sono ora in fase di sperimentazione clinica, i rigorosi test condotti su volontari umani per vedere se un trattamento è sicuro – e funziona davvero – prima che i regolatori li autorizzino per un uso diffuso. Dal 2021, due farmaci che Exscientia ha sviluppato (o co-sviluppato con altre aziende farmaceutiche) hanno avviato il processo. La società è sulla buona strada per presentarne altri due.
Oggi, in media, ci vogliono più di 10 anni e miliardi di dollari per sviluppare un nuovo farmaco. La visione è quella di utilizzare l’intelligenza artificiale per rendere la scoperta di farmaci più veloce ed economica. Prevedendo come i potenziali farmaci potrebbero comportarsi nel corpo e scartando i composti senza uscita prima che lascino il computer, i modelli di apprendimento automatico possono ridurre la necessità di un accurato lavoro di laboratorio.
Il caso di Paul, 82 anni e una forma aggressiva di cancro del sangue
A 82 anni, con una forma aggressiva di cancro del sangue che sei cicli di chemioterapia non erano riusciti a eliminare, Paul sembrava non avere scampo. I suoi medici avevano lavorato su una lista di farmaci antitumorali comuni, sperando di colpire qualcosa che si sarebbe dimostrato efficace, eliminandoli uno per uno. Ma i distruttori del cancro non stavano facendo il loro lavoro.
Senza avere più nulla da perdere, i medici di Paul lo hanno iscritto a un programma istituito dall’Università di Medicina di Vienna, in Austria, dove vive. L’università stava testando la nuova tecnologia di matchmaking di Exscientia.
I ricercatori hanno prelevato un piccolo campione di tessuto da Paul (il suo vero nome non è noto perché la sua identità è stata oscurata nel processo). Hanno diviso il campione, che comprendeva sia cellule normali che cellule tumorali, in più di cento pezzi e li hanno esposti a vari cocktail di farmaci. Quindi, utilizzando l’automazione robotica e la visione artificiale (modelli di apprendimento automatico addestrati per identificare piccoli cambiamenti nelle cellule), hanno osservato per scoprire cosa sarebbe successo.
In effetti, i ricercatori stavano facendo quello che avevano fatto i medici in precedenza: provare diversi farmaci per vedere cosa funzionava. Ma invece di sottoporre un paziente a cicli di chemioterapia di più mesi, stavano testando dozzine di trattamenti tutti allo stesso tempo.
L’approccio ha permesso al team di effettuare una ricerca esaustiva del farmaco giusto. Alcune delle medicine non hanno distrutto le cellule tumorali di Paul. Altri hanno danneggiato le sue cellule sane. Paolo era troppo fragile per continuare a prendere farmaci. Così gli è stato dato il secondo classificato nel processo di matchmaking: un farmaco antitumorale commercializzato dal gigante farmaceutico Johnson & Johnson che i medici di Paul non avevano provato perché studi precedenti avevano suggerito che non era efficace nel trattamento del suo tipo di cancro.
Invece ha funzionato. Due anni dopo, Paul era in completa remissione: il suo cancro era sparito. L’approccio è un grande cambiamento per il trattamento del cancro, afferma il CEO di Exscientia, Andrew Hopkins: ”La tecnologia che abbiamo per testare i farmaci nella clinica si traduce davvero nei pazienti reali. Se avessimo usato un approccio tradizionale, non avremmo potuto scalare così velocemente”, afferma Hopkins.
Si apre un nuovo capitolo nella lotta contro il cancro
Exscientia non è sola in questa battaglia. Ora ci sono centinaia di startup che esplorano l’uso dell’apprendimento automatico nell’industria farmaceutica, afferma Nathan Benaich di Air Street Capital, una società di venture capital che investe in società biotecnologiche e di scienze della vita: ”I primi segnali erano abbastanza eccitanti da attirare grandi quantità di denaro”.
E c’è sempre bisogno di nuovi farmaci, dice Adityo Prakash, CEO della società farmaceutica californiana Verseon: ”Ci sono ancora troppe malattie che non possiamo trattare o possiamo trattare solo con elenchi lunghissimi di effetti collaterali”.
Nuovi laboratori vengono costruiti in tutto il mondo. L’anno scorso Exscientia ha aperto un nuovo centro di ricerca a Vienna; a febbraio, Insilico Medicine, una società di scoperta di farmaci con sede a Hong Kong, ha aperto un nuovo grande laboratorio ad Abu Dhabi. Circa due dozzine di farmaci sono state sviluppate con l’assistenza dell’AI e sono ora in fase di sperimentazione clinica o stanno per entrarvi.
Stiamo assistendo a questo aumento dell’attività e degli investimenti a causa dell’aumento dell’automazione nell’industria farmaceutica ha iniziato a produrre abbastanza dati chimici e biologici per addestrare buoni modelli di apprendimento automatico, spiega Sean McClain, fondatore e CEO di Absci, una società con sede a Vancouver, Washington, che utilizza l’intelligenza artificiale per cercare tra miliardi di potenziali progetti di farmaci. ”Ora è il momento”, dice McClain. ”Vedremo un’enorme trasformazione in questo settore nei prossimi cinque anni”.
Eppure, è ancora presto per la scoperta di farmaci AI. Ci sono molte aziende di intelligenza artificiale che affermano di non poter eseguire il backup, dice Prakash: ”Se qualcuno ti dice che possono prevedere perfettamente quale molecola di farmaco può passare attraverso l’intestino o non essere spezzata dal fegato, cose del genere, probabilmente hanno anche terra da venderti su Marte”.
E la tecnologia non è una panacea: gli esperimenti su cellule e tessuti in laboratorio e i test sugli esseri umani – le parti più lente e costose del processo di sviluppo – non possono essere tagliati del tutto. ”Ci sta facendo risparmiare un sacco di tempo. Sta già facendo molti dei passaggi che facevamo a mano”, afferma Luisa Salter-Cid, chief scientific officer di Pioneering Medicines, parte dell’incubatore di startup Flagship Pioneering a Cambridge, nel Massachusetts. ”Ma la convalida finale deve essere fatta in laboratorio”.
Tuttavia, l’AI sta già cambiando il modo in cui vengono prodotti i farmaci. Potrebbero passare ancora alcuni anni prima che i primi farmaci progettati con l’aiuto dell’intelligenza artificiale arrivino sul mercato, ma la tecnologia è destinata a scuotere l’industria farmaceutica, dalle prime fasi della progettazione dei farmaci al processo di approvazione finale.
Come si individuano nuovi farmaci con l’AI
I passaggi fondamentali coinvolti nello sviluppo di un nuovo farmaco da zero non sono cambiati molto. In primo luogo, scegliere un bersaglio nel corpo con cui il farmaco interagirà, come una proteina; quindi progetta una molecola che farà qualcosa a quel bersaglio, come cambiare il modo in cui funziona o spegnerlo. Quindi, crea quella molecola in un laboratorio e controlla che faccia effettivamente ciò per cui è stata progettata (e nient’altro); e infine, testarlo negli esseri umani per vedere se è sicuro ed efficace.
Per decenni i chimici hanno esaminato i farmaci candidati mettendo campioni del bersaglio desiderato in molti piccoli compartimenti in un laboratorio, aggiungendo diverse molecole e osservando una reazione. Poi ripetono questo processo molte volte, modificando la struttura delle molecole del farmaco candidato – sostituendo questo atomo con quello – e così via. L’automazione ha accelerato le cose, ma il processo principale di tentativi ed errori è inevitabile.
Ma le provette non sono corpi. Molte molecole di farmaci che sembrano fare il loro lavoro in laboratorio finiscono per fallire quando alla fine vengono testate sulle persone. ”L’intero processo di scoperta di farmaci riguarda il fallimento”, afferma il biologo Richard Law, chief business officer di Exscientia. ”Il motivo per cui il costo di trovare un farmaco è così alto è perché devi progettare e testare 20 farmaci per farne funzionare uno”.
Questa nuova generazione di aziende di intelligenza artificiale si sta concentrando su tre punti chiave di fallimento nella pipeline di sviluppo di farmaci: scegliere il bersaglio giusto nel corpo, progettare la molecola giusta per interagire con esso e determinare quali pazienti quella molecola ha maggiori probabilità di aiutare.
Le tecniche computazionali come la modellazione molecolare hanno rimodellato la pipeline di sviluppo dei farmaci per decenni. Ma anche gli approcci più potenti hanno coinvolto la costruzione di modelli a mano, un processo lento, difficile e suscettibile di produrre simulazioni che divergono dalle condizioni del mondo reale. Con l’apprendimento automatico, vaste quantità di dati, compresi dati farmacologici e molecolari, può essere sfruttato per creare automaticamente modelli complessi. Ciò rende molto più facile e veloce prevedere come i farmaci potrebbero comportarsi nel corpo, consentendo di condurre molti esperimenti iniziali in silico. I modelli di apprendimento automatico possono anche setacciare vasti pool non sfruttati di potenziali molecole di farmaci in un modo che prima non era possibile. Il risultato è che il duro, ma essenziale, lavoro nei laboratori (e successivamente negli studi clinici) deve essere svolto solo su quelle molecole con le migliori possibilità di successo.
In prima linea nella lotta contro il cancro anche il NLP
Prima ancora di arrivare a simulare il comportamento dei farmaci, molte aziende stanno applicando l’apprendimento automatico al problema dell’identificazione degli obiettivi. Exscientia e altri usano l’elaborazione del linguaggio naturale (NLP) per estrarre dati da vasti archivi di rapporti scientifici risalenti a decenni fa, tra cui centinaia di migliaia di sequenze genetiche pubblicate e milioni di articoli accademici. Le informazioni estratte da questi documenti sono codificate in grafici della conoscenza, un modo per organizzare i dati che catturano collegamenti che includono relazioni causali come ”A causa B”. I modelli di apprendimento automatico possono quindi prevedere quali obiettivi potrebbero essere i più promettenti su cui concentrarsi nel tentativo di trattare una particolare malattia.
L’applicazione dell’elaborazione del linguaggio naturale al data mining non è una novità, ma le aziende farmaceutiche, compresi i player più grandi, ne stanno facendo una parte fondamentale del loro processo, sperando che possa aiutarli a trovare connessioni che gli esseri umani potrebbero aver perso.
Jim Weatherall, vice presidente della scienza dei dati e dell’intelligenza artificiale di AstraZeneca, afferma che far sì che l’AI esegua la scansione di molti dati biomedici ha aiutato lui e il suo team a trovare alcuni bersagli farmacologici che altrimenti non avrebbero preso in considerazione. ”Ha fatto davvero la differenza”, dice. ”Nessun essere umano leggerà milioni di articoli di biologia”. Weatherall dice che la tecnica ha rivelato connessioni tra cose che potrebbero sembrare non correlate, come una recente scoperta e un risultato dimenticato di 10 anni fa. ”I nostri biologi poi vanno a guardarlo e vedere se ha senso”, afferma Weatherall. Tuttavia, è ancora presto per questa tecnica di identificazione del bersaglio. Ci vorranno ”alcuni anni” prima che qualsiasi farmaco AstraZeneca che ne deriva sia sottoposto a studi clinici.
