Isomorphic Labs raccoglie 2,1 mld e porta i primi farmaci scoperti con l'AI in sperimentazione clinica entro fine 2026

Cos’è successo

Isomorphic Labs, spin-off di Google DeepMind, ha raccolto $2,1 miliardi per scalare la piattaforma di scoperta farmaci basata su AI e punta ad avviare i primi trial nell’uomo entro fine 2026.

Il round serve a portare il modello fuori dalla fase “demo tecnologica”: più programmi proprietari, più capacità computazionale, più team clinici e regolatori. Il punto non è solo generare molecole più velocemente, ma dimostrare che l’AI può produrre candidati con profili migliori su selettività, sicurezza, farmacocinetica e probabilità di successo preclinico. È il passaggio più difficile: dal predire una struttura o ottimizzare un target al costruire un farmaco che regge davanti a pazienti, regulator e payer.

Perché conta

Il salto non è “un altro round”. È un cambio di fase: la drug discovery AI passa da proof-of-concept a industrializzazione. Se i primi asset reggono su sicurezza e farmacocinetica, l’AI smette di essere un acceleratore marginale e diventa un motore di pipeline: più candidati, più iterazioni, più deal preclinici e mid-stage.

• Valida o smentisce il modello AI-native: i primi trial diranno se l’AI migliora davvero la qualità degli asset, non solo la velocità di discovery;
• Cambia il rapporto con Big Pharma: se funziona, le partnership non saranno più “sperimentali”, ma diventeranno infrastruttura stabile di R&D;
• Sposta la competizione sul dato proprietario: il vantaggio non sarà solo l’algoritmo, ma accesso a dataset, capacità sperimentale e integrazione wet lab–AI.

Adesso

• Quali programmi entrano per primi in clinica e con quali endpoint. Nei trial di Fase 1 contano sicurezza e farmacocinetica prima dell'efficacia: è qui che l'AI deve dimostrare di non aver progettato molecole che falliscono per tossicità;
• Quanto l'AI riduce davvero i fallimenti "tardi". Tossicità, problemi metabolici e di producibilità (ADME/tox/CMC) affossano oggi la maggior parte dei farmaci: tassi di attrito più bassi della media renderebbero il vantaggio AI-native strutturale;
• Struttura delle partnership con Big Pharma. Una licenza è un'opzione tattica, un co-sviluppo implica condivisione di rischio per anni: il tipo di accordi nei prossimi mesi dirà quanto il settore creda davvero alla piattaforma.