Con 2 mld e 10-15 anni a farmaco, il 90% delle sperimentazioni fallisce, così l'AI entra nei trial per individuare prima gli effetti collaterali pericolosi

Cos’è successo

Portare un nuovo farmaco sul mercato richiede in media 10-15 anni e investimenti superiori ai 2 miliardi di dollari, ma circa il 90% delle molecole che entrano nella sperimentazione clinica non arriva mai all'approvazione. È uno dei principali motivi per cui aziende farmaceutiche e startup stanno investendo sempre di più nell'intelligenza artificiale, con l'obiettivo di migliorare la selezione dei candidati e ridurre i fallimenti nelle fasi più costose dello sviluppo.

Negli ultimi mesi diverse aziende hanno iniziato a utilizzare modelli di AI per identificare nuovi target terapeutici, prevedere tossicità, selezionare i pazienti più adatti agli studi clinici e individuare precocemente le molecole con maggiori probabilità di successo. L'obiettivo non è solo scoprire nuovi farmaci, ma rendere più efficiente l'intero processo di sviluppo.

Perché conta

• Il vero problema non è scoprire nuove molecole, ma ridurre i fallimenti. Ogni studio clinico interrotto rappresenta anni di lavoro e centinaia di milioni di euro di investimenti persi;
• L'AI potrebbe cambiare l'economia del biotech. Ridurre anche di pochi punti percentuali il tasso di fallimento significherebbe abbassare costi, tempi di sviluppo e prezzo finale dei farmaci;
• La ricerca diventa sempre più guidata dai dati. Genomica, real-world data, biomarcatori e modelli predittivi saranno sempre più integrati nelle decisioni che oggi vengono prese quasi esclusivamente sulla base della sperimentazione tradizionale.

Adesso

• L'intelligenza artificiale verrà valutata sui risultati clinici, non sulla capacità di generare nuove ipotesi biologiche;
• I trial clinici potrebbero diventare più piccoli e mirati, grazie a una migliore selezione dei pazienti e dei bersagli terapeutici;
  Il vantaggio competitivo si sposterà dalla singola molecola alla piattaforma di sviluppo, premiando le aziende capaci di integrare AI, dati clinici e sperimentazione.