Il ruolo dell’IA nella ricerca clinica e nella scoperta di farmaci

L'intelligenza artificiale (AI) sta trasformando la ricerca clinica, migliorando il reclutamento dei pazienti e semplificando lo sviluppo dei farmaci. In questo articolo scopriremo il suo impatto trasformativo sugli studi clinici, reso possibile dall'analisi avanzata dei dati e dalla modellazione predittiva.

L'impatto dell'AI sulla sanità comprende diagnosi più efficaci, trattamenti personalizzati e maggiore efficienza operativa. È meno noto il ruolo sempre più importante del machine learning negli studi clinici, dove favorisce i progressi grazie all'analisi dei dati, alla modellazione predittiva e all'ottimizzazione del reclutamento dei pazienti.

L'AI accelera la scoperta di farmaci, migliora la precisione degli studi e riduce i costi, abbreviando al contempo i tempi per arrivare ai trattamenti. Per esempio, gli algoritmi di AI analizzano grandi quantità di dati in modo efficiente per individuare potenziali candidati farmacologici, prevedere con precisione gli esiti dei trattamenti e ottimizzare la progettazione degli studi clinici, rendendoli più rapidi e probabilmente più efficaci. I modelli di visione artificiale basati sull'AI, come Ultralytics YOLOv8, stanno trasformando il settore sanitario e aiutano a gestire diversi dataset per facilitare il rilevamento degli oggetti, la segmentazione di istanze, la stima della posa e la classificazione, offrendo accesso a dati annotati di alta qualità.

Inoltre, piattaforme basate sull'AI come AlphaFold di DeepMind hanno dimostrato di poter prevedere la struttura tridimensionale delle molecole, rivoluzionando i processi di progettazione e scoperta dei farmaci.

Fig. 1. La doppia elica del DNA, struttura molecolare che trasporta le informazioni genetiche negli organismi viventi.

Inoltre, il laboratorio di Jimeng Sun dell'Università dell'Illinois a Urbana-Champaign ha introdotto HINT (rete gerarchica di interazione) per prevedere il successo degli studi clinici in base alle molecole dei farmaci, alle patologie bersaglio e ai criteri di idoneità dei pazienti. Il loro sistema SPOT (modellazione predittiva sequenziale degli esiti degli studi clinici) dà priorità ai dati recenti, influenzando la progettazione degli studi farmaceutici e la scelta di possibili farmaci alternativi.

Eppure, solo poche aziende affermate utilizzano l'AI nello sviluppo clinico.

L'uso dell'AI negli studi clinici#

L'AI viene applicata in vari ambiti della ricerca clinica per migliorare efficienza, precisione e risultati. Ecco più da vicino i principali ambiti in cui l'AI sta avendo un impatto significativo sugli studi clinici:

• Analisi dei dati e riconoscimento di pattern. L'AI può analizzare grandi quantità di dati provenienti da studi clinici, cartelle cliniche elettroniche e altre fonti, individuando pattern e correlazioni che vanno oltre le capacità umane. Questo permette di identificare con maggiore precisione gli effetti dei trattamenti e le risposte dei pazienti.

• Reclutamento e mantenimento dei pazienti. Gli algoritmi di AI possono semplificare la selezione dei partecipanti agli studi clinici, analizzando grandi dataset per individuare con rapidità e precisione i pazienti idonei. Questo accelera il reclutamento e migliora i tassi di permanenza, facendo coincidere più precisamente i partecipanti con i criteri dello studio.

• Analisi predittiva degli esiti dei trattamenti. Analizzando i dati storici e attuali dei pazienti, gli algoritmi predittivi consentono di prevedere con precisione gli esiti dei trattamenti. Questo aiuta a progettare studi efficienti e a personalizzare i trattamenti, migliorando potenzialmente i risultati e riducendo al minimo gli effetti collaterali per ogni paziente.

• Raccolta e gestione automatizzate dei dati. L'AI può automatizzare la raccolta, l'organizzazione e l'analisi dei dati, riducendo al minimo gli errori umani e fornendo informazioni in tempo reale. Questo semplifica i processi, accelera la ricerca e favorisce lo sviluppo di nuovi trattamenti.

AI nella ricerca clinica: affrontare le sfide#

Mentre l'AI continua a trasformare la ricerca clinica, è fondamentale riconoscerne i potenziali rischi insieme ai vantaggi. L'AI offre benefici interessanti, come maggiore efficienza e precisione, semplificazione del reclutamento dei pazienti e riduzione dei costi, ma la sua implementazione comporta anche delle sfide. Ecco alcuni aspetti importanti da considerare:

• Possibili distorsioni negli algoritmi di AI. I sistemi di AI vengono addestrati su dati storici, che possono contenere distorsioni intrinseche dovute alla selezione, al campionamento o alla misurazione. Per esempio, i modelli potrebbero funzionare male con le pazienti perché sono stati addestrati prevalentemente su dati maschili (distorsione di selezione), generalizzare in modo insufficiente ai pazienti delle aree rurali se addestrati su dati urbani (distorsione di campionamento) oppure perpetuare imprecisioni dovute a errori sistematici nella raccolta dei dati (distorsione di misurazione). Se non vengono corrette, queste distorsioni possono portare a risultati alterati, con conseguenze sull'assistenza ai pazienti e sui risultati della ricerca.

• Problemi di privacy e sicurezza dei dati. Considerata l'enorme quantità di dati sensibili dei pazienti utilizzati nella ricerca clinica, garantire la privacy e la sicurezza dei dati è fondamentale. I sistemi di AI sono vulnerabili agli attacchi informatici e alle violazioni, con conseguenti timori per la riservatezza e l'integrità delle informazioni dei pazienti.

• Sfide normative ed etiche. Il rapido progresso delle tecnologie di AI supera spesso i quadri normativi e le linee guida etiche. Ci si interroga sull'uso appropriato dell'AI nella ricerca clinica, anche per quanto riguarda il consenso informato, la trasparenza e la responsabilità.

• Dipendenza da dati di alta qualità. L'AI si basa sui dati, ma la sua efficacia dipende dalla qualità, dalla varietà e dalla quantità dei dataset. Dati inadeguati, distorti o insufficienti possono compromettere l'affidabilità e la validità delle informazioni ottenute con l'AI, ostacolando il progresso della ricerca clinica.

Affrontando questi problemi, le parti interessate possono aprire la strada a un'integrazione responsabile dell'intelligenza artificiale nella ricerca clinica, con l'obiettivo di migliorare i risultati sanitari.

Normative della FDA: il ruolo dell'AI nella ricerca clinica#

Negli ultimi anni, la Food and Drug Administration degli Stati Uniti (FDA) ha rilevato un aumento significativo delle domande di autorizzazione per farmaci e prodotti biologici che includono elementi di AI o machine learning: nel 2021 ne sono state registrate oltre 100. Queste domande riguardano varie fasi dello sviluppo dei farmaci, dalla ricerca iniziale alle indagini cliniche, dal monitoraggio della sicurezza dopo la commercializzazione alla produzione farmaceutica all'avanguardia.

A sostegno dell'innovazione nello sviluppo dei farmaci, la FDA ha approvato diversi strumenti e tecnologie di AI da utilizzare nella ricerca clinica. Tra questi figurano soluzioni di analisi predittiva per il reclutamento dei pazienti e l'analisi delle immagini a scopo diagnostico.

Fornendo indicazioni della FDA per gli studi clinici, l'agenzia riconosce che l'AI e il machine learning offrono opportunità e presentano sfide nello sviluppo dei farmaci. Per affrontarle entrambe, la FDA sta rendendo più agile il sistema normativo, così da favorire l'innovazione dando priorità alla tutela della salute pubblica.

L'AI e il machine learning avranno senza dubbio un ruolo fondamentale nello sviluppo dei farmaci e la FDA intende elaborare e adottare un quadro normativo flessibile, basato sul rischio, che promuova l'innovazione e protegga la sicurezza dei pazienti.

Innovazioni dell'AI in sanità: protagonisti#

Le aziende di tutto il mondo sfruttano sempre più l'AI per accelerare la scoperta di farmaci e la pianificazione di trattamenti personalizzati. Ecco alcune delle principali aziende del settore che valorizzano il potenziale dell'AI:

• Pfizer: Sfruttando l'AI per la scoperta e lo sviluppo di farmaci, Pfizer accelera l'individuazione e lo sviluppo di nuove terapie, semplificando il percorso dalla ricerca al mercato.

• Medidata Solutions: Questa azienda di soluzioni software basate sul cloud utilizza l'AI per ottimizzare gli studi clinici, semplificando l'analisi dei dati, migliorando il coinvolgimento dei pazienti e prevedendo gli esiti in tempo reale. Il risultato è una ricerca più rapida e un maggior tasso di successo degli studi.

Fig. 3. L'AI è fondamentale per ottimizzare la scelta dei centri per gli studi clinici e rispettare le tempistiche di arruolamento.

• BenevolentAI: Utilizzando l'AI per generare e convalidare ipotesi, BenevolentAI trasforma grandi dataset in informazioni concrete, promuovendo l'innovazione e la scoperta nella ricerca biomedica.

• Tempus: Grazie alla collaborazione con GlaxoSmithKline, Tempus personalizza i trattamenti, ne ottimizza l'efficacia e riduce al minimo gli effetti collaterali attraverso le sue piattaforme basate sull'AI. Le due aziende puntano ad accelerare i risultati di ricerca e sviluppo (R&D) e a fornire ai pazienti terapie personalizzate in tempi più brevi.

• Exscientia: Pioniera nell'applicazione dell'AI alla progettazione e all'ottimizzazione dei farmaci, Exscientia accelera i tempi di sviluppo e aumenta la precisione degli interventi terapeutici, portando a trattamenti più efficaci.

Ambiti di interesse e prospettive future dell'AI nella ricerca clinica#

La cardiologia, l'oncologia, la neurologia e le malattie rare sono diventate ambiti prioritari per l'implementazione dell'AI nella ricerca clinica per diversi motivi. Innanzitutto, in questi settori si utilizzano spesso dataset complessi, ideali per l'analisi e le previsioni basate sull'AI.

In secondo luogo, la gravità delle patologie in questi ambiti, come le cardiopatie, il cancro, i disturbi neurologici e le malattie rare, richiede approcci precisi e personalizzati alla diagnosi e al trattamento, che l'AI è particolarmente adatta a fornire.

Inoltre, i progressi nelle tecnologie di AI hanno permesso ai ricercatori di sviluppare soluzioni innovative su misura per le sfide specifiche di ciascuna di queste specialità mediche. Di conseguenza, l'AI è sempre più integrata nella ricerca clinica in questi ambiti, aprendo la strada a risultati migliori per i pazienti e a un'erogazione più efficiente dell'assistenza sanitaria.

Tuttavia, le applicazioni dell'AI si estendono ben oltre questi ambiti. Con il progresso della tecnologia e la crescente disponibilità dei dati, l'AI ha un enorme potenziale per rivoluzionare altri settori della medicina.

Dalla dermatologia alla radiologia e alla psichiatria, l'AI può migliorare la diagnostica, la pianificazione dei trattamenti e l'assistenza ai pazienti in diverse specialità. Mentre i ricercatori continuano a esplorare le capacità dell'AI, il suo ruolo nella ricerca clinica è destinato ad ampliarsi verso ambiti finora inesplorati, inaugurando una nuova era di medicina di precisione e migliori risultati sanitari.

AI e ricerca clinica: punti chiave#

L'AI sta trasformando la sanità nei campi della diagnostica, dei trattamenti personalizzati e dell'efficienza operativa. Negli studi clinici, il machine learning svolge un ruolo fondamentale, promuovendo progressi nell'analisi dei dati e nella modellazione predittiva e ottimizzando il reclutamento dei pazienti. Questo accelera la scoperta di farmaci, migliora la precisione degli studi e riduce efficacemente i costi.

Per esempio, gli algoritmi di AI analizzano grandi quantità di dati in modo efficiente per individuare candidati farmacologici e prevedere gli esiti dei trattamenti. Inoltre, piattaforme di AI come AlphaFold di DeepMind prevedono le strutture molecolari, rivoluzionando la progettazione dei farmaci.

Il potenziale dell'AI, però, va ben oltre questi ambiti e promette progressi in numerose specialità. Nonostante sfide come le distorsioni e i problemi di privacy dei dati, l'integrazione dell'AI nella ricerca clinica offre possibilità trasformative, inaugurando una nuova era di medicina di precisione e migliori risultati sanitari.

Ti interessa l'AI? Unisciti alla nostra community per restare aggiornato sulle ultime notizie sull'intelligenza artificiale. Visita il nostro repository GitHub e scopri le applicazioni della visione artificiale in settori come l'agricoltura e la produzione!