La frontiera della scoperta dei farmaci ha sempre avuto due nemici: il tempo e l’altissimo tasso di fallimento. Demis Hassabis, alla guida di Google DeepMind e di Isomorphic Labs, vuole piegare entrambi. «Nei prossimi due anni, mi piacerebbe vedere questo tempo ridotto a pochi mesi, invece che anni», ha dichiarato a Bloomberg. «Penso sia possibile. Forse anche più rapidamente.»
È una dichiarazione che ha il sapore del cambio di paradigma: non un semplice miglioramento incrementale ma l’idea che l’IA possa comprimere l’intero ciclo di scoperta sotto la soglia dell’anno.
Questa promessa non nasce dal nulla. Isomorphic Labs è stata creata per portare sul mercato AlphaFold, il sistema di DeepMind capace di predire il comportamento delle proteine, e ha già firmato accordi con Eli Lilly e Novartis.
Il che è la traduzione industriale di un risultato scientifico che, insieme a John Jumper e a un professore statunitense, è valso a Hassabis il Premio Nobel per la chimica 2024. Ora il team ha dichiarato di lavorare a una versione “molto più avanzata” dell’ultimo AlphaFold, capace di comprendere più delle sole interazioni proteiche.
La realtà dei trial
All’entusiasmo, però, bisogna affiancare un certo di realismo. A gennaio, Hassabis aveva indicato l’obiettivo di avviare entro fine anno le prime sperimentazioni cliniche di farmaci progettati dall’IA. A oggi non è ancora accaduto. «È un po’ presto per dirlo», ha spiegato, pur rivendicando i «primi punti di prova» per la consegna di molecole ai trial.
Il quadro resta peraltro impietoso: a oggi nessun farmaco interamente progettato dall’IA ha completato con successo una sperimentazione clinica, quindi nessuno è arrivato ai pazienti. È il collo di bottiglia che separa la promessa computazionale dall’efficacia terapeutica nel mondo reale.
Proprio qui si gioca la credibilità della cosiddetta “AI-drug discovery”: comprimere i tempi senza sacrificare la qualità dell’evidenza clinica.
Le aziende farmaceutiche e biotech guardano all’IA per accelerare l’accesso alle cure, ridurre i costi di sviluppo e rispondere meglio alle crisi sanitarie. Ma la linea d’arrivo è il paziente, non il paper scientifico né il dataset risolto: finché i trial non si chiudono con successo, l’innovazione rimane potenziale.
La strategia di Hassabis: scienza, prodotto e capitale
Isomorphic Labs ha programmato la propria traiettoria su tre pilastri. Il primo è scientifico: AlphaFold e la sua evoluzione hanno l’obiettivo dichiarato di ampliare il perimetro oltre le sole proteine. Il secondo è industriale: ci riferiamo alle partnership di peso con Eli Lilly e Novartis, passate da tre a sei “target” di ricerca condivisi.
Il terzo è finanziario: «Isomorphic Labs potrebbe costruire un’attività dal valore superiore a 100 miliardi di dollari», ha detto in passato Hassabis; a inizio anno è arrivato anche un round da 600 milioni di dollari guidato da Thrive Capital.
Questo triangolo scienza-prodotto-capitale ha una direzione precisa: trattamenti per il cancro e i disturbi del sistema immunitario. È un terreno in cui, spiega Rebecca Paul, direttrice della progettazione di farmaci, il trasferimento dai modelli algoritmici ai risultati clinici può essere relativamente più lineare.
Non una scorciatoia ma un percorso dove la complessità biologica è impegnativa, sì, ma meglio mappabile grazie ai progressi di modellazione.
Trasformare il cancro in una malattia cronica
Il traguardo non è una questione cronometrica, è qualità della vita. «I farmaci sviluppati con l’IA trasformeranno molti tumori in una malattia cronica trattabile», ha detto Paul, ricordando però quanto sia «davvero difficile mettere un’indicazione temporale» su promesse di questa portata. Il che ci pare il punto in cui la retorica da raccolta di capitali incontra la realtà.
Nel frattempo, la macchina s’è messa in moto e le collaborazioni con Big Pharma sono salite di giri: «c’è un progresso davvero positivo», afferma Paul sulla partnership con Novartis, senza entrare nei dettagli.
Hassabis, dal canto suo, ha indicato i «primi punti di prova» verso i trial, ribadendo che la prossima versione di AlphaFold sarà «molto più avanzata». È la sintesi di un settore che ha già cambiato il modo in cui si esplorano spazi chimici giganteschi, ma che deve ancora superare il vaglio della clinica.
Se l’orizzonte narrativo verrà rispettato, il 2026 potrebbe raccontare un capitolo diverso: non più solo promesse e capitali, ma prime prove controllate sull’uomo progettate end-to-end con l’IA.
Fino ad allora, la bussola resta puntata verso direzioni più misurabili: trasformare la scoperta di farmaci da maratona estenuante a staffetta rapida, senza perdere per strada sicurezza ed efficacia. Chissà…
