Un nuovo modello di Intelligenza Artificiale (IA) può prevedere esattamente la risposta umana alla somministrazione di Farmaci che hanno intrapreso il percorso della ricerca clinica.
L’intelligenza artificiale, infatti, può essere impiegata in diverse fasi della ricerca clinica: può migliorare la progettazione e l’analisi di fattibilità delle sperimentazioni, rendendole più mirate ed efficaci; può facilitare la selezione dei pazienti, considerato che i criteri di inclusione ed esclusione sono sempre più complessi e basati su grandi quantità di dati relativi al profilo biomolecolare delle malattie; può supportare l’acquisizione in tempo reale dei dati raccolti sui singoli pazienti; infine può agevolare la rielaborazione dei risultati per aiutare i ricercatori nella loro interpretazione.
Il percorso tra l’identificazione di un potenziale composto terapeutico e l’approvazione degli enti regolatori di un nuovo farmaco può richiedere oltre un decennio e costare fino a un miliardo di dollari.
Un team di ricerca presso il CUNY Graduate Center ha creato un modello di intelligenza artificiale che potrebbe migliorare significativamente la precisione e ridurre tempi e costi del processo di sviluppo del farmaco.
Descritto in un articolo pubblicato di recente in Nature Machine Intelligence, il nuovo modello, chiamato CODE-AE, può prevedere con precisione l’efficacia di alcuni nuovi farmaci negli esseri umani.
Nei test la AI è stata anche in grado di identificare teoricamente farmaci personalizzati per oltre 9.000 pazienti che potrebbero trattare al meglio le loro patologie.
I ricercatori prospettano che la IA possa accelerare significativamente la scoperta di farmaci e può migliore l’accuratezza delle prescrizioni mediche.
La previsione accurata delle risposte del paziente ad un nuovo composto chimico è un elemento critico per scoprire la terapia più sicura ed efficace e per selezionare un farmaco attualmente in commercio per un paziente specifico.
Non è etico effettuare i test direttamente sull’uomo bisogna prima effettuare analisi in vitro su modelli cellullari o tessutali. Purtroppo questi studi non sono attendibili a valutare il rapporto tra effetto terapeutico e tossicità negli esseri umani.
Infatti successivamente si effettuano test di tossicità in modelli animali.
Questo divario di conoscenze è un fattore importante e porta a un aumento dei costi e a bassi tassi di produttività della scoperta del farmaco.
“Il nostro nuovo modello di apprendimento automatico può affrontare la sfida di spostare dai modelli di malattia agli esseri umani”, ha detto Lei Xie, professore di informatica, biologia e biochimica presso il CUNY Graduate Center e Hunter College e autore dell’articolo “CODE-AE uses biology-inspired design and takes advantage of several recent advances in machine learning. For example, one of its components uses similar techniques in Deepfake image generation.”
CODE-AE migliora significativamente l’accuratezza e la robustezza rispetto ai metodi all’avanguardia nella previsione di risposte ai farmaci specifiche del paziente basati esclusivamente sugli schemi composti da linee cellulari.
La prossima sfida del team di ricerca sarà quello di migliorare CODE-AE in modo che possa prevedere in modo affidabile la concentrazione sanguigna e la metabolizzazione di un nuovo farmaco nel corpo umano.
Scritto da:
Patrizia Secreti, Esperta in farmacovigilanza con la passione per la ricerca clinica. Scrive per un blog di Ricerca Clinica, per il blog della sua parafarmacia e del suo sito di consulenza farmaceutica.
