La ricerca farmacologica si muove più velocemente

Grazie all’intelligenza artificiale e ad altri metodi messi a punto grazie ai progressi della tecnologia, oggi la ricerca di nuove terapie è diventata più rapida, senza rinunciare a precisione e sicurezza.

È possibile “istruire” un modello di intelligenza artificiale e “insegnargli” a riconoscere le combinazioni di farmaci più efficaci contro specifiche cellule tumorali. Lo spiegano dalle pagine della rivista Nature Communications i ricercatori di tre Università finlandesi che hanno messo a punto e valutato uno di questi modelli. “Spesso per trattare i tumori è necessario combinare diversi trattamenti – radioterapia, chirurgia, chemioterapia eccetera – o diversi farmaci” spiegano i ricercatori. In questo modo si può agire su più bersagli contemporaneamente e limitare così il rischio che il tumore sviluppi resistenze. Inoltre in alcune situazioni, è anche possibile ridurre le dosi dei singoli farmaci, così da limitare gli effetti collaterali.

In passato, per identificare un nuovo farmaco erano necessari anni prima di esperimenti e poi di sperimentazioni cliniche, in cui veniva verificato l’effetto delle molecole, una per volta, prima su uno specifico tipo di cellula, poi negli animali, quindi nei pazienti. Un procedimento senza dubbio preciso, ma anche piuttosto costoso in termini di tempo e di energia.

“Grazie a tecnologie all’avanguardia, è oggi possibile abbreviare almeno la prima parte del lavoro di laboratorio, testando in un sol colpo diversi farmaci o combinazioni di farmaci su diversi tipi di cellule. Questo approccio più industriale ha aiutato notevolmente i ricercatori a identificare nuove strategie di cura” ricordano gli autori. Anche questo approccio però ha dei limiti: si lavora comunque al bancone di laboratorio, serve tanto materiale (cellule e molecole da testare) a disposizione e personale specializzato che si dedichi agli esperimenti. Inoltre l’elenco di terapie disponibili e di cellule sulle quali fare prove si allunga di giorno in giorno, rendendo quasi impossibile valutare tutte le combinazioni possibili.

E qui entrano in gioco l’intelligenza artificiale (IA) e il cosiddetto machine learning, i nuovi strumenti utilizzati dai ricercatori finlandesi nel loro studio. Il modello (chiamato comboFM) è stato creato sulla base di equazioni matematiche complesse. “Questo strumento si basa sulle informazioni che derivano da esperimenti già effettuati in precedenza con farmaci e cellule simili e riesce a prevedere le risposte delle cellule a nuove combinazioni non ancora valutate” affermano gli autori che poi aggiungono: “I risultati sono molto accurati e affidabili”.

In pratica, il modello computerizzato ha imparato a conoscere farmaci e cellule “leggendo” i risultati degli studi già presenti in letteratura e da lì è partito per identificare nuove combinazioni potenzialmente efficaci. La conferma sulla bontà di queste ipotesi è stata poi ottenuta grazie a esperimenti reali svolti in laboratorio.

Solo per fare un esempio, con questo strumento è stato possibile identificare e poi confermare l’efficacia di una nuova sinergia tra crizotinib (un inibitore di ALK) e bortezomib (inibitore del proteasoma) nelle cellule di linfoma.

Come spiegano gli autori, l’oncologia moderna “di precisione” potrà trarre grandi vantaggi da questo approccio, così come gli studi per identificare nuove combinazioni di trattamento per altre malattie diverse dal cancro.

Oltre ad accelerare la scoperta di nuovi farmaci o nuove combinazioni terapeutiche, l’intelligenza artificiale (abbreviata in AI con l’acronimo inglese) può avere anche molte altre applicazioni utili in oncologia. Per quanto riguarda screening e diagnosi, per esempio, questi nuovi strumenti possono essere di aiuto ai clinici per identificare lesioni precancerose partendo dall’analisi delle immagini digitali.

L’intelligenza artificiale può però andare anche oltre e arrivare a predire le caratteristiche genetiche del tumore, come è stato dimostrato da un gruppo di ricercatori statunitensi in uno studio i cui risultati sono stati recentemente pubblicati su Nature Medicine. Analizzando immagini di tumori del polmone, la macchina è riuscita a classificare in modo corretto i diversi sottotipi e anche a predire la presenza di specifiche mutazioni geniche.

Nell’era della medicina a bersaglio molecolare, queste capacità sono particolarmente importanti: l’intelligenza artificiale, se confermerà le promesse, potrebbe permettere di avere tutte le informazioni per scegliere la terapia giusta in pochi minuti, rispetto ai diversi giorni necessari per avere i risultati del sequenziamento del DNA e di altri esami e procedure. Ma per questo occorrerà ancora un po’ di tempo di ricerche e studi prima che i risultati si consolidino.