Il 2021 potrebbe essere anno chiave per l’avanzamento dell’intelligenza artificiale nell’ambito della drug discovery. Da una parte, infatti, sono ormai anni che l’applicazione di machine learning e deep learning promette di ridare spinta a un settore paralizzato da costi di ricerca e sviluppo proibitivi; d’altro canto però, negli ultimi mesi i risultati di questo binomio hanno finalmente iniziato a farsi interessanti.
A confermarlo c’è il fatto che gli investimenti nel settore non sono mai stati così ingenti: secondo l’Artificial Intelligence Index dell’università di Stanford, l’apporto di finanziamenti destinati alle aziende che si occupano di AI applicata alla drug discovery nel solo 2020 è cresciuto fino a toccare quota 13,8 miliardi di dollari — più di 4 volte e mezza il valore investito l’anno scorso.
Tra i fattori c’è stato anche Covid-19, che ha evidenziato alcune delle doti dell’AI in questo settore: gli algoritmi di machine learning impiegati dalle startup stanno contribuendo infatti sia allo sviluppo dei vaccini, sia alla ricerca di opzioni farmacologiche per i trattamenti, che siano nuove oppure già sotto gli occhi di tutti ma invisibili all’occhio umano.
Ovviamente le startup che puntano sul machine learning per riplasmare un’industria da anni in attesa di essere rivoluzionata non mancano: sul piatto, del resto, c’è un mercato che entro il 2025 si prevede essere da più di 20 miliardi di dollari. In un momento in cui investimenti e interesse nei confronti dell’AI nella drug discovery non potranno che crescere, questi sono alcuni dei nomi più affermati o promettenti da tenere d’occhio.
Exscientia – Tra i gruppi attivi da più tempo nel settore c’è questa startup britannica fondata nel 2012 e che vanta ormai molteplici partnership con le grandi aziende. Il gruppo punta a realizzare un sistema di drug design end-to-end completamente automatizzato, capace di individuare molecole e target, oppure valutare l’utilizzo di molecole note in altri ambiti; il tutto valutando anche aspetti dei composti indagati come tossicità ed efficacia.
Nella pipeline di Exscientia figurano già più di 20 farmaci, tra i quali due sono stati recentemente selezionati per i primi studi clinici di fase I: una molecola per l’immuno-oncologia ideata in collaborazione con Evotec e una per il trattamento del morbo di Alzheimer realizzata con Sumitomo Dainippon Pharma. Il gruppo ha inoltre stretto un accordo con il colosso Bristol Myers-Squibb che, a seconda degli obiettivi raggiunti, potrebbe fruttargli più di 1 miliardo di dollari.
BenevolentAI – Nata nel 2013, insieme a Exscientia è una delle startup più mature del settore. I suoi algoritmi erano inizialmente impiegati per analizzare i dati emersi da ricerche scientifiche, trial clinici e cartelle virtuali per generare grafici strutturati che aiutassero i ricercatori a trovare correlazioni tra malattie, geni e farmaci. Successivamente ha realizzato soluzioni capaci di generare ipotesi per target terapeutici e molecole farmacologiche e si è espansa accumulando finanziamenti da centinaia di milioni.
Nel 2019 ha stretto una collaborazione con AstraZeneca che ha portato quest’anno all’individuazione di un target per la malattia renale cronica, mentre l’anno scorso i suoi algoritmi hanno portato alla scoperta di un uso alternativo del farmaco per l’artrite reumatoide baricitinib — prodotto dal colosso Eli Lily — nei malati di Covid-19: i test clinici che dovevano provarne l’efficacia contro l’aggravarsi della malattia non hanno raggiunto l’obiettivo preposto, ma il medicinale si è ugualmente dimostrato in grado di abbassare il rischio di morte in alcuni pazienti e il suo utilizzo è stato autorizzato dalla Fda statunitense.
Turbine Simulated Cell Technologies – Nata nel 2015 in Ungheria, Turbine si specializza nella ricerca contro il cancro, e a questo scopo ha realizzato negli anni un modello cellulare digitale tra i più avanzati in circolazione. Gli algoritmi di AI utilizzati dalla startup per mettere in movimento il modello simulano il comportamento di una specifica cellula in risposta a variabili e stimoli che possono essere determinati dall’esterno.
Turbine può simulare così la risposta delle cellule neoplastiche a trattamenti specifici con un grado di accuratezza sufficiente a selezionare eventuali farmaci candidati per un trattamento. Il tutto avviene velocemente e con la possibilità di condurre migliaia di simulazioni in parallelo, velocizzando il processo di scoperta di nuovi potenziali farmaci.
Genome biologics – Fondata nel 2016, questa startup tedesca è attiva nel campo dello sviluppo preclinico di farmaci per contrastare le malattie dell’apparato cardiocircolatorio, e in particolare lavora nella ricerca di composti basati sul principio della Rna interference. Il settore è decisamente promettente ma ancora poco battuto rispetto ad altre strategie terapeutiche, e Genome Biologics punta a rivoluzionarlo abbattendone i costi di sviluppo e minimizzando i rischi che un farmaco candidato si riveli inefficace o poco sicuro in fase di test.
Il gruppo dispone di due piattaforme proprietarie basate su AI: la prima identifica i composti più adatti ad aggredire gli obiettivi più promettenti nel trattamento di una condizione; la seconda mette il tutto alla prova restituendo risultati che possono essere integrati con test in vitro e in vivo.
Insitro – Fondata solo 3 anni fa, la statunitense Insitro fa parlare di sé ormai da mesi, e a marzo ha conquistato finanziamenti per oltre 400 milioni di dollari che l’hanno portata a una valutazione complessiva di oltre 740 milioni. I motivi dietro all’entusiasmo per questa startup che punta a unire ricerca in silico e in vitro sono molteplici.
Innanzitutto la fondatrice e Ceo, Daphne Koller, ha un’ambizione e un curriculum che da soli le sono valsi la fiducia di investitori come Andreessen Horowitz e il Canada Pension Plan Investment Board. Inoltre tra i partner la startup vanta il gruppo Gilead, con il quale dal 2019 ha un accordo per la ricerca di strategie terapeutiche per pazienti con steatoepatite non alcolica. Più recentemente ha stretto un’alleanza con Bristol Myers Squibb, con la quale è impegnata nella ricerca di terapie per Sla e demenza frontotemporale: in quest’ambito gli algoritmi della startup studieranno il progredire della malattia in cerca di potenziali target terapeutici che possano rallentarne o fermarne il corso.
*Victor Savevski, Chief Innovation Officer Humanitas Healthcare Group,
Director of A.I Center Humanitas Research Hospital.
