I campi di ricerca dell’intelligenza artificiale sono molti. Le piattaforme social, per esempio, ne stanno facendo un loro cavallo di battaglia con soluzioni che spaziano in ogni genere di funzionalità, dal riconoscimento delle immagini alla prevenzione dei suicidi fino alla gestione dei contenuti ritenuti dubbi o non accettabili dagli standard della comunità. Ma gli algoritmi sempre più intelligenti, in grado di imparare col trascorrere del tempo, hanno sfornato diversi tipi di prodotti. Per esempio pezzi d’arte: l’anno scorso un finto Rembrandt fu esposto alla Galerie Looiersgracht60 di Amsterdam. Fu un algoritmo a realizzarlo e stamparlo tridimensionalmente: non si trattava di una copia di un lavoro del maestro fiammingo ma di un’opera “inedita” allineata allo stile creativo del geniale autore che ha reinventato il rapporto fra osservatore e opera. Ma l’AI ha firmato anche voci sintetiche, film, sceneggiature (una ebbe perfino fra le protagoniste l’attrice Kristen Stewart, protagonista di Twiligth, che per il suo debutto “Come Swim” si è fatta aiutare dall’intelligenza artificiale). Oltre questi campi per così dire creativi uno dei meno noti, invece, è quello della produzione di farmaci.

La notizia arriva a una startup californiana, incubata dal prestigioso (e ricco) acceleratore Y Combinator. Si chiama Atomwise ed ha battezzato un sistema, chiamato AtomNet, che ha un obiettivo sbalorditivo: produrre farmaci per patologie come ebola e diversi tipi di sclerosi. L’obiettivo di centinaia di gruppi di ricerca in tutto il mondo, si dirà, ed è vero. Ma AtomNet promette di dare man forte a questi team di scienziati saltando il primo passo, quello dei farmaci potenziali. Ancora non sicuri per la salute, che ovviamente necessitano delle usuali procedure di test e dei tempi necessari a valutarne ogni effetto (positivo, negativo o placebo) per proporne un’introduzione in commercio.

La startup ha invitato membri del mondo accademico e ricercatori delle organizzazioni senza scopo di lucro da tutti gli Stati Uniti a raccontare su cosa stanno lavorando e quali trattamenti risultano più ostici da individuare. Insomma, quali sono i loro fronti di ricerca principali. I laboratori coinvolti riceveranno 72 tipi di farmaci e rimedi che le reti neurali della startup hanno indicato possano avere le maggiori probabilità di successo per le loro specifiche indagini, in base ai dati molecolari condivisi e analizzati. Insomma, una via di mezzo fra lo sfruttamento della potenza di calcolo per l’indagine molecolare e la proposta di nuove formule chimiche.

Ma il punto è proprio questo: la velocità con cui queste proposte e questi composti vengono forniti ai laboratori. Nelle convinzioni dei fondatori della startup ciò che potrebbe velocizzare il lavoro di ricerca è proprio la possibilità di sfornare farmaci pronti per le fasi di trial, cioè di test e verifica, tagliando una parte del lavoro, quello sulle interazioni molecolari di base. Proprio quello che è stato fatto con l’ebola e alcuni tipi di sclerosi.

AtomNet, in pratica, comprende le interazioni fra le molecole proprio come in altri ambiti le reti neurali riconoscono le immagini o altri tipi di contenuti. Nel caso delle sclerosi il farmaco è stato concesso in licenza a un colosso farmaceutico britannico al momento riservato mentre quello per l’ebola sarà destinato a una pubblicazione peer-reviewed:

“Sembra che ciò che funziona con le immagini funzioni anche con la chimica – ha spiegato Alexander Levy, cofondatore e Coo della società di San Francisco – puoi prende un processo d’interazione fra un farmaco e un complicato sistema biologico e scomporlo in insiemi di interazioni sempre più piccoli. Se poi si studiano abbastanza esempi storici di molecole, e noi ne abbiamo studiate decine di milioni, si possono effettuare previsioni estremamente accurate e anche molto veloci”.

Tutto chiaro? In altre parole, anche la produzione di farmaci, o meglio il processo che ne è alla base, potrà avvantaggiarsi di questo mix fra potenza di calcolo, analisi dei big data storici e capacità di apprendimento per preparare il campo al lavoro di verifica dei laboratori. E proporre un farmaco potenziale da sottoporre ad analisi e test di laboratorio degli scienziati in carne e ossa. In molti stanno lavorando a questa rivoluzione dei tempi e dei modi della ricerca di base. Per esempio un’altra startup, BenevolentAI, che lavora con la Janssen, una controllata di Johnson & Johnson, sta sviluppando un altro modo di scoprire nuovi rimedi per la salute.

In questo caso la società britannica ha stretto un accordo con un ente indipendente di ricerca, Mrc Technology, per fare più o meno lo stesso lavoro di AtomNet: condividere obiettivi e creare nuovi composti da testare in un percorso clinico o preclinico. Anche se in questo caso la direzione sembra biunivoca: sarà Mrct a dare in pasto ai sistemi di intelligenza artificiale della startup molecole e anticorpi che ritiene possano curare una specifica malattia per cercare di avviare il processo e validarli. Se così accadrà, se cioè il primo passaggio sembrerà funzionare, si proseguirà nello sviluppo. A una velocità evidentemente sconosciuta prima d’ora. “Si tratta di un nuovo modello e credo che le nostre due organizzazioni abbiano competenze complementari e capacità che spingano la ricerca e lo sviluppo di nuove medicine in modo più rapido” ha spiegato Jackie Hunter, Ceo di BenevolentAI, che a sua volta è una sussidiaria di BenevolentBio.

Fra le altre startup impegnate in questo ambito c’è TwoXAR, che sta sviluppando rimedi per il glaucoma stimolati proprio a partire da ricerche svolte dall’intelligenza artificiale, e Berg che sta partorendo dei trattamenti contro il cancro studiati in modo algoritmico. Quest’ultimo caso è forse uno dei più interessanti. La società statunitense – ha sede a Framingham, in Massachusetts – ha preso di mira, insieme a una serie di scienziati, il cancro al pancreas, uno dei più devastanti. Negli Stati Uniti è la terza causa di morte: l’anno scorso ha superato quello al seno colpendo 53mila persone, il 73% delle quali non sopravvivrà. Bene, Berg – che prende il nome dal cofondatore e capo Carl Berg, miliardario investitore e costruttore della Silicon Valley Carl Berg, sta usando una serie di sistemi che mescolano software data analytics e sviluppo in laboratorio non solo in questo caso ma anche per diabete e problemi del sistema nervoso centrale.

“Stanno arrivando due tempeste allo stesso momento, una tecnologica e l’altra economica – ha spiegato Niven Narain, l’altro cofondatore e Ceo di Berg – l’approccio leggero e in parte casuale allo sviluppo farmaceutico è finito. Adesso è guidato dai dati, dai pazienti, basato sull’approccio biologico al trattamento terapeutico. Cambierà faccia alla medicina”.