Dalla diagnostica predittiva allo sviluppo di nuovi farmaci, l’Intelligenza Artificiale sta trasformando profondamente la medicina e la ricerca biomedica. Tra le sue applicazioni più promettenti, c’è la possibilità di accelerare lo sviluppo di terapie innovative, soprattutto in ambiti ancora poco esplorati come le malattie rare e complesse.
«Siamo i primi in Italia a sviluppare un sistema basato su architettura Transformer capace di generare molecole bioattive senza regole chimiche predefinite»
Un esempio concreto arriva da un progetto congiunto dell’Università di Pisa e dell’Università di Bonn: un nuovo approccio, pubblicato sull’European Journal of Medical Chemistry, che utilizza l’AI per creare nuovi farmaci attraverso l’utilizzo di chemical languages models, modelli linguistici che si rifanno a quelli usati nei chatbot, in grado di comprendere e scrivere il linguaggio molecolare.
L’obiettivo è ambizioso: creare molecole su misura, ridurre la sperimentazione animale e velocizzare l’accesso a farmaci efficaci per bisogni terapeutici ancora insoddisfatti.
A TrendSanità Lisa Piazza, PhD Student presso l’Università di Pisa, Dipartimento di Farmacia, e prima autrice dello studio, descrive i vantaggi scientifici, etici e operativi del ricorso all’AI nella progettazione molecolare.
In che modo l’Intelligenza Artificiale può essere di supporto nella ricerca e nello sviluppo di nuovi farmaci?
«I vantaggi strategici dell’AI a supporto della ricerca e dello sviluppo di nuovi farmaci possono essere ricondotti a tre aspetti peculiari: un aspetto legato all’efficienza, perché grazie a questi strumenti è possibile analizzare una grande quantità di dati e imparare a trovare dei pattern tramite i quali arrivare a nuove informazioni.
Un altro aspetto importante è l’etica e il rispetto delle normative. Usare modelli predittivi permette di ridurre l’uso di animali negli esperimenti, rispettare le leggi europee, e superare il problema che i dati ottenuti dagli animali non sono sempre sovrapponibili a quelli umani.
Il terzo vantaggio riguarda la capacità di accelerare la scoperta di nuovi farmaci. Possiamo infatti utilizzare l’intelligenza artificiale per generare molecole potenzialmente efficaci e che presentano una specifica caratteristica da noi richiesta. Si possono inoltre selezionare molecole nuove per il trattamento di patologie che attualmente non hanno cura».
I Large Language Models apprendono il linguaggio come un bambino: ascoltano, comprendono e imparano a rispondere in modo coerente e sensato
Che cosa sono e a cosa servono i Large Language Models (LLM)?
«Sono modelli di AI in grado di imparare un linguaggio. Comprendono sia le regole grammaticali sia il significato delle parole. Questi modelli vengono allenati su enormi quantità di testi e una volta che questi modelli sono allenati riescono a generare delle frasi che sono coerenti e corrette dal punto di vista grammaticale e contengono risposte sensate alle domande perché hanno imparato non solo la grammatica ma anche il senso delle parole. Come un bambino che impara a parlare. Ascolta i genitori e capisce come usare le parole per esprimere un concetto. Allo stesso modo un large language models usa quello che ha imparato per fornirci delle risposte».
Avete sviluppato un approccio innovativo per generare nuove molecole e il vostro lavoro è stato pubblicato sulle pagine della rivista European Journal of Medicinal Chemistry. Di cosa si tratta e a cosa può servire?
«Grazie alle capacità di questi modelli di imparare un linguaggio abbiamo deciso di indurre questi modelli a parlare il linguaggio della chimica. Per fare un parallelismo, come un large language model (LLM) impara a usare le parole per rispondere a una domanda, così il chemical language model impara a leggere e a scrivere le molecole. Se in un large language model inseriamo una parola chiave come scienza, il LLM è in grado di costruire una frase in cui la parola scienza ha un ruolo centrale.
Abbiamo inserito in un chemical language model un frammento molecolare, un pezzo di molecola o una combinazione di frammenti, come se fosse una parola chiave, e questo ha generato una nuova molecola completa dove lo specifico frammento è integrato in modo coerente. Il modello che abbiamo sviluppato può servire per ottenere delle strutture chimiche nuove e diverse che abbiano un alto potenziale terapeutico».
Il modello può generare molecole innovative, creare database personalizzati e ottimizzare farmaci che non superano i test di validazione
Quali sono le applicazioni pratiche e la riproducibilità del modello che avete sviluppato?
«Le applicazioni pratiche sono molteplici: può essere usato per generare molecole innovative che hanno una struttura diversa rispetto a quelle che già esistono contro specifiche malattie che non hanno cura. Altro impiego può essere la creazione di un database personalizzato di molecole che hanno caratteristiche e proprietà che l’utente vuole. Può essere utilizzato per ottimizzare molecole che non superano i test di validità nell’ambito dell’iter approvativo per l’immissione in commercio».
Siete i primi a sviluppare un modello di questo tipo in Italia?
«Sì, ad oggi siamo i primi in Italia a sviluppare un modello basato su architettura Transformer capace di generare ex novo molecole farmacologicamente rilevanti a partire da frammenti molecolari, senza fornire esplicitamente le regole chimiche. Il modello ha appreso in autonomia le logiche della chimica, generando strutture nuove, plausibili e con alto potenziale bioattivo — andando oltre ciò che avremmo immaginato».
