Microrobot solubili e a guida magnetica per il rilascio intelligente di farmaci, Autore a NCF

Microrobot solubili e a guida magnetica per il rilascio intelligente di farmaci

Ricerca

-

2 Gennaio 2026

Microrobot solubili e a guida magnetica per il rilascio intelligente di farmaci

Garantire che il farmaco venga rilasciato esattamente dove occorre, senza farlo assumere in modo sistemico, scongiurando il rischio di effetti collaterali anche importanti (come le emorragie, sia lievi sia gravi, per i farmaci anticoagulanti). È l’obiettivo su cui lavora un gruppo di ricerca dell’ETH Zurich, il Politecnico federale di Zurigo, che sta perfezionando un microrobot – grande come un grano di pepe rosa – che può “navigare” ovunque nel corpo umano, con grande accuratezza e in modo indolore.

Descritti sulla rivista Science – così come su Science Robotics è visibile lo studio condotto dal California Institute of Technology (Caltech), negli Stati Uniti, focalizzato sullo sviluppo di microstrutture sferiche realizzate in “polietilenglicole diacrilato” (polimero versatile utilizzato soprattutto negli ambiti della scienza dei materiali e della biomedicina), che ha rivelato enormi potenzialità nel trasporto mirato di medicinali – i microrobot solubili e a guida magnetica sono già stati testati in un ambiente realistico. I ricercatori svizzeri, infatti, hanno creato alcuni modelli in silicone che riproducono, con estrema precisione, vasi sanguigni impiegati nella formazione medica, poi distribuiti dalla spin-off dell’ETH “Swiss Vascular”.

Il passo successivo? Le sperimentazioni cliniche, auspicando nuove opportunità in merito al trattamento mirato di patologie come l’ictus, provocato da un’insufficienza vascolare cerebrale improvvisa. Alcune sostanze, poi, potrebbero raggiungere meglio le cellule tumorali in aree poco accessibili del corpo. Parliamo di un microrobot assai diverso, per forma e dimensioni, dal modello “millepiedi” realizzato dai bioingegneri della City University di Hong Kong. Descritto su Science Robotics, questo minuscolo robot (“Fibot”) è in grado di trasportare medicinali in punti specifici dell’apparato digerente, senza lasciare tracce visibili del suo passaggio.

Come un videogioco

La sfida più importante che il team di ricerca, coordinato dai professori Salvador Pané Vidal e Bradley Nelson, ha dovuto affrontare riguardava le dimensioni: non è semplice, infatti, realizzare dispositivi così piccoli da passare all’interno dei capillari e che, in parallelo, siano perfettamente manovrabili, tracciabili e in grado di trasportare il farmaco desiderato. Per riuscirci, i ricercatori hanno fornito il minuscolo robot di due tipi di nanoparticelle: quelle di ossido di ferro trattate con zinco consentono di manovrare la capsula, che viene immessa attraverso un catetere speciale, inserito un grande vaso sanguigno (ad esempio, l’arteria femorale), per poi essere guidata da un operatore che utilizza una manopola simile ai joystick dei videogame, per il rilascio del principio attivo all’interno del corpo; le nanoparticelle di tantalio, invece, sono un metallo essenziale per l’osservazione della capsula ai raggi X mentre viaggia nei vasi sanguigni.

È bene sottolineare che, appena toccato il punto di rilascio, la capsula viene “parcheggiata” e, da qui, generato un campo magnetico che si inverte in modo costante e rapido, facendo vibrare (e scaldare) la capsula stessa. Il calore fa scomporre il guscio di gelatina che conserva il farmaco, raggiungendo la cellula da trattare. Quanto rimane della gelatina e del ferro viene espulso normalmente dall’organismo, mentre in tantalio prevede un lasso di tempo po’ più ampio.

Navigazione complessa

“Conciliare la funzionalità magnetica, la qualità dell’immagine e il controllo preciso in un unico microrobot ha previsto una perfetta sinergia tra la scienza dei materiali e l’ingegneria robotica, richiedendo molti anni per essere raggiunta con successo”, il commento del professor Nelson. Che, insieme al collega Pané Vidal e all’intero team si è dovuto rapportare a un’ulteriore criticità: condurre il minuscolo robot con estrema precisione, guidandolo nella direzione corretta davanti a una biforcazione dei vasi sanguigni oppure muovendolo controcorrente rispetto al flusso del sangue.

Anche in questo caso il team di ricerca dell’ETH Zurich ha trovato una soluzione, combinando tre differenti strategie di navigazione magnetica (“la velocità del flusso sanguigno nelle arterie varia a seconda della posizione. Ciò rende la navigazione di un microrobot assai complessa”, le parole di Nelson). Il risultato ottenuto è stato notevole, attraverso il rilascio del farmaco nel punto corretto in oltre il 95% dei casi.

L’universo dei microrobot, insomma, è contraddistinto da una moltitudine di tipologie e materiali, nonché di sistemi propulsivi e meccanismi di azione. Ragione per le loro possibili applicazioni sono vastissime e, in larga parte, ancora da scoprire.

Fonti:

Un nuovo modello di AI per i farmaci antitumorali

Ricerca

Massimo Canorro

-

17 Ottobre 2025

0

Un nuovo modello di AI per i farmaci antitumorali

«Concentrandosi sui bersagli con probabilità più elevate di invertire la malattia, questo nuovo approccio potrebbe velocizzare la scoperta di nuovi farmaci e lo sviluppo di terapie efficaci che, a lungo, sono sfuggite ai metodi canonici». Così il team scientifico della Harvard Medical School a Boston, guidato da Marinka Zitnik, sul nuovo metodo di ricerca di farmaci antitumorali basato su un modello di intelligenza artificiale.

Descritto sulla rivista Nature Biomedical Engineering, lo strumento di AI “PDGrapher” viene paragonato «a un maestro di alta cucina abile nel combinare i giusti ingredienti di una nuova ricetta, per ottenere il sapore desiderato». Nel caso specifico, individuando il giusto mix di elementi molecolari. Già perché, come afferma Zitkin, primo autore dello studio e professore associato di informatica biomedica al Blavatnik Institute dell’HMS, “il tradizionale metodo per la scoperta di farmaci è analogo all’assaporare centinaia di piatti già pronti e, tra questi, trovarne uno dal gusto ideale».

Piattaforma grafica e predittiva

L’approccio “classico” alla scoperta di nuovi farmaci si concentra, di solito, sull’attivazione o sulla disattivazione di singole proteine; riprendendo il parallelismo con la cucina: i ricercatori testano le molecole preesistenti, cercando di individuarne una efficace per il trattamento di una nuova malattia; un approccio che ha portato molti successi, in particolare nel limitare la crescita delle cellule tumorali. Ciò nonostante, osservano i ricercatori della Harvard Medical School, questa tecnica si dimostra “mancante” – e poco aperta all’innovazione – nel momento in cui le patologie vengono alimentate dall’interazione di più meccanismi chimici e dall’intervento di più geni.

Su questa base il team di ricerca ha addestrato “PDGrapher”, un modello di intelligenza artificiale – definita “rete neurale grafica” e specializzata nell’individuare connessioni complesse all’interno di una rete – con i dati che riguardano 11 differenti forme tumorali. Il lavoro è stato portato avanti a stretto contatto con data scientist e oncologi, proprio per garantire che l’algoritmo ricevesse un training il più dettagliato possibile.

Quindi “PDGrapher” è stato messo alla prova su neoplasie già conosciute, facendo registrare eccellenti capacità di riconoscimento dei trattamenti terapeutici corretti (fino al 35% in più rispetto ad altri modelli). E ancora, fornendo risultati fino a 25 volte più veloci rispetto a precedenti (e confrontabili) modelli di intelligenza artificiale in ambito farmacologico.

Prospettive presenti e future

L’IA sta mutando il panorama diagnostico e terapeutico nell’oncologia, e schiude nuove porte nella lotta ai tumori. In particolare, le piattaforme di intelligenza artificiale possono analizzare enormi quantità di dati per rilevare biomarcatori predittivi – in grado di distinguere i pazienti sulla base della loro probabilità di risposta a un particolare trattamento rispetto a nessun trattamento – e volgere alla scoperta di nuovi farmaci che aggrediscono in modo specifico le cellule tumorali.

In tal senso, l’avvento di IA come “PDGrapher” potrebbe rappresentare una svolta sia per i pazienti oncologici, migliorando la qualità delle cure, sia per l’intero sistema sanitario, con riferimento all’accessibilità di terapie personalizzate a costi più contenuti.

Fermo restando i suoi progressi, l’uso dell’intelligenza artificiale nel contrasto ai tumori presenta anche delle sfide rilevanti. Basti pensare alla validazione clinica degli algoritmi, ma anche all’assenza di trasparenza di alcune sequenze di istruzioni, ovvero il problema della “black box” (o “scatola nera”), in rimando alla maggior parte dei sistemi di IA in cui conosciamo input e output ma non ancora tutto quanto “accade nel mezzo”.

Fonte

https://www.nature.com/articles/s41551-025-01481-x

PROTEUS, l’apporto dell’AI molecolare nello sviluppo di nuovi farmaci

Ricerca

Massimo Canorro

-

19 Settembre 2025

0

PROTEUS, l’apporto dell’AI molecolare nello sviluppo di nuovi farmaci

Un approccio molecolare che offre un panorama inimmaginabile: l’IA per sviluppare nuovi farmaci che si adattano alla perfezione all’organismo umano. Nell’ambito di un sistema di intelligenza artificiale “biologica”. Siamo in Australia, dove il professor Greg Neely e il suo team dell’Università di Sydney hanno sviluppato “PROTEUS” (PROTein Evolution Using Selection), un motore evolutivo che – agendo in ambienti cellulari complessi – impiega virus modificati per avviare mutazioni controllate nelle proteine, individuando esclusivamente quelle con specificità desiderate. I risultati dello studio sono disponibili su Nature Communications.

Parliamo di un processo molecolare che si sviluppa come un motore di ricerca “biologico”: appurate tutte le specifiche, “PROTEUS” può esplorare milioni di opportunità genetiche. La vera novità, però, alberga nel contesto: se l’evoluzione diretta tradizionale funziona nei batteri o lieviti, “PROTEUS” agisce direttamente all’interno delle cellule del mammifero. Ciò significa che le proteine evolute risultano già ottimizzate per funzionare nell’organismo, scongiurando il rischio che molecole promettenti in laboratorio si scoprano inutile, poi, nel corpo umano.

Velocizzare lo sviluppo di nuove terapie molecolari

I primi test hanno prodotto risultati insperati. Il team di ricerca della più antica università dell’Australia ha impiegato “PROTEUS” per migliorare una proteina che regola l’attivazione genica (o fattore si trascrizione) – che si lega con specifiche sequenze di regolando la trascrizione dei geni, ovvero il processo mediante il quale l’informazione genetica custodita nel DNA viene trascritta in una molecola di RNA messaggero grazie all’enzima RNA-polimerasi II – ottenendo una versione sei volte più sensibile ai farmaci di controllo.

Nell’ambito di un secondo esperimento, i ricercatori hanno ottimizzato un nanobody (anticorpo miniaturizzato che viene prodotto dai camelidi in risposta all’esposizione ad un antigene) per rilevare danni al DNA. Ebbene, dopo 35 cicli evolutivi la proteina modificata è riuscita a identificare con precisione le cellule danneggiate dalla chemioterapia, “accendendosi” letteralmente all’interno del nucleo cellulare. È bene ricordare che il sistema “PROTein Evolution Using Selection” è stato reso open source per la comunità scientifica, velocizzando potenzialmente l’aumento di nuove terapie molecolari.

L’IA cambia le regole della ricerca scientifica

Dal team australiano del Centenary Institute al gruppo di ricercatori internazionali guidato da Alex Zhavoronkov, fondatore di Insilico Medicine – azienda biotecnologica con sede centrale a Boston – e tra gli antesignani dell’utilizzo dell’intelligenza artificiale nella ricerca farmaceutica. Lo scienziato è riuscito nell’impresa di pensare, progettare e sperimentare un nuovo farmaco utile contro la fibrosi polmonare idiopatica (malattia respiratoria che attacca il tessuto polmonare provocandone una progressiva cicatrizzazione e, di conseguenza, pregiudicando lo scambio di ossigeno e anidride carbonica) interamente grazie all’IA. Ed è la prima volta che una molecola generata da un algoritmo, su un bersaglio individuato da un altro algoritmo, approda a un livello così avanzato di test sull’uomo. L’intero iter, durato cinque mesi, è stato descritto dalla rivista Nature Biotechnology.

Impiegando il sistema “PandaOmics”, l’algoritmo ha analizzato migliaia di geni e proteine ricercando quelli più legati alla fibrosi polmonare idiopatica. Quindi ha conciliato dati biologici, informazioni cliniche, articoli scientifici e dati brevettuali per scovare un nuovo potenziale bersaglio coinvolto nella patologia. Esaminando i dati è emersa la proteina “TNIK” (Traf2- and Nck-interacting kinase) un enzima della famiglia “Germinal Center Kinase” (GCK) – mai studiato prima nella fibrosi.

Quindi è entrato in gioco un secondo algoritmo, che ha disegnato da zero la molecola “INS018_055” – poi testata in uno studio clinico di fase 2 su 60 pazienti con fibrosi polmonare idiopatica – in grado di colpire proprio quella proteina. I risultati della sperimentazione in farmacologia fanno ben sperare: il farmaco, infatti, è risultato sicuro e scevro da effetti collaterali importanti rispetto al placebo. Inoltre, la molecola scoperta dall’IA ha condotto a un calo del declino della funzione respiratoria.

Fonti

AI e chimica unite per sviluppare nuovi farmaci destinati a malattie rare o complesse

Ricerca

Massimo Canorro

-

29 Agosto 2025

0

AI e chimica unite per sviluppare nuovi farmaci destinati a malattie rare o complesse

«Il nostro obiettivo era superare le limitazioni delle tecniche tradizionali di generazione molecolare, che spesso si basano su regole strutturali rigide o su vincoli di sintesi. Abbiamo sviluppato modelli di IA capaci di generare nuove molecole a partire da frammenti come strutture centrali, gruppi sostituenti o combinazioni di entrambi, senza fornire loro alcuna informazione topologica o regole di collegamento. I risultati mostrano che i modelli riescono a produrre molecole chimicamente corrette, spesso con topologie nuove, quindi effettivamente innovative dal punto di vista strutturale, e in molti casi simili a composti bioattivi noti».

Così il professore Tiziano Tuccinardi del Dipartimento di Farmacia dell’Università di Pisa. Che, insieme all’Università di Bonn, in Germania, ha sviluppato un approccio innovativo per generare nuove molecole chimiche grazie all’intelligenza artificiale. L’obiettivo dello studio pubblicato sull’European Journal of Medicinal Chemistry è chiaro: sviluppare nuovi farmaci in maniera più rapida e mirata, anche per patologie rare o complesse.

Il professor Tiziano Tuccinardi e Lisa Piazza del Dipartimento di Farmacia dell’Università di Pisa

Addestramento dei modelli di IA

Nel dettaglio, ricercatori e ricercatrici hanno addestrato tre modelli di intelligenza artificiale per “tradurre” frammenti chimici in nuove molecole a cominciare da enormi dataset di molecole bioattive. Puntualizza il professor Tuccinardi: «Abbiamo addestrato tre modelli di tipo transformer, ciascuno con uno scopo specifico: uno per le strutture centrali (C), uno per i sostituenti (S), e uno combinato (CS) che riceve in input una struttura centrale e due sostituenti». Quindi, “tutti i modelli sono stati addestrati su milioni di coppie frammento-composto ottenute da ChEMBL, un database di composti bioattivi. Il modello CS si è rivelato il più efficace, riuscendo a generare fino all’80% di composti validi per ciascun input, e mostrando anche la maggiore capacità di esplorazione strutturale e diversificazione chimica”.

Non si tratta, però, “solo” di accelerare i processi, bensì di immaginare strutture molecolari che la mente umana può difficilmente concepire. «È proprio così – riprende il professor Tuccinardi –, ciò che rende questi modelli particolarmente potenti è la loro capacità di “immaginare” molecole che vanno oltre l’intuizione chimica umana. Molte delle strutture generate sono nuove rispetto a quelle presenti nei dati di addestramento, spesso con scheletri carboniosi e topologie inedite. Questo apre nuove possibilità nel design molecolare, perché ci permette di esplorare regioni dello spazio chimico che normalmente resterebbero inesplorate, portando così alla scoperta di nuove potenziali entità bioattive».

L’intelligenza artificiale nella farmacologia

Lo sviluppo dello studio – al quale ha collaborato Lisa Piazza, iscritta al Dottorato in Scienza del Farmaco e delle Sostanze Bioattive dell’Università di Pisa e componente del gruppo di Chimica Computazionale del professor Tuccinardi – ha richiesto circa un anno: dall’ideazione fino alla formalizzazione e all’ottenimento dei risultati. C’è di più. «In linea con i principi della scienza aperta”, il codice sorgente e i dataset utilizzati sono stati resi pubblicamente disponibili, a beneficio della comunità scientifica. Va da sé che, in un ambito altamente innovativo, questo studio rappresenta un salto qualitativo nell’impiego dell’IA per la farmacologia e la chimica, “schiudendo le porte a una generazione automatica e intelligente di molecole, con potenziali impatti su sanità, industria e ricerca», ammette il professor Tuccinardi.

Quindi si esprime sullo stato dell’arte in tema di intelligenza artificiale e farmaci. «In Italia c’è un crescente interesse e una partecipazione attiva alla ricerca sull’IA applicata al drug discovery. Siamo ben allineati con gli sviluppi internazionali, soprattutto grazie a gruppi di ricerca accademici e a collaborazioni interdisciplinari che uniscono competenze in chimica, farmacologia, data science e machine learning. Negli ultimi anni abbiamo visto diversi progetti ambiziosi, pubblicazioni su riviste di alto profilo e una maggiore attenzione anche da parte di enti pubblici e privati”. Ma sussistono margini di crescita? “Certamente, soprattutto in termini di infrastrutture computazionali e trasferimento tecnologico, ma la direzione è quella giusta e le potenzialità sono promettenti», conclude il professor Tuccinardi.

Fonte

https://www.sciencedirect.com/science/article/pii/S0223523425003800

Come un modello AI open source accelera la ricerca farmacologica

Massimo Canorro

-

30 Giugno 2025

0

Come un modello AI open source accelera la ricerca farmacologica

La sperimentazione clinica passa (inevitabilmente) anche per l’intelligenza artificiale. Un ambito nel quale Google ha lanciato recentemente uno strumento di AI “open source” – dunque, aperto a contributi esterni – per velocizzare e ottimizzare l’intero iter. Addestrato in modo specifico per il settore del Pharma, TxGemma promette di comprendere e predire le proprietà dei farmaci durante tutto il processo di sviluppo, individuando i target più promettenti e migliorando la precisione delle previsioni in aree specifiche (è il caso della farmacovigilanza in sperimentazione clinica).

Tra gli aspetti più interessanti del nuovo modello di AI c’è l’opportunità di plasmare lo strumento su dati specifici, permettendo a team di ricerca e aziende di affinare le previsioni a breve e lungo termine. E di ancorare il più possibile l’innovativa tecnologia alle proprie esigenze. All’atto pratico, il colosso di Mountain View ha messo a disposizione un notebook su Colab – strumento della suite Google per scrivere il linguaggio di programmazione Python direttamente dal proprio browser – affinché gli studiosi possano adattare TxGemma ai propri dati. Un circolo virtuoso, dunque, che potrebbe accelerare ulteriormente lo sviluppo di terapie salvavita.

Spiega Shekoofeh Azizi, staff research scientist di Google DeepMind (l’azienda britannica del gruppo Alphabet, casa madre di Google, si occupa di programmi e ricerche ad ampio spettro: dalla robotica alle neuroscienze ai modelli di machine learning): “Il 90% delle molecole testate non supera la prima fase di sperimentazione. TxGemma può ridurre potenzialmente i tempi di ricerca e i costi legati alla produzione tradizionale”. Quindi, in rimando al modello “open source”, Azizi puntualizza: “È progettato per essere ulteriormente migliorato e i ricercatori possono perfezionarlo con i loro dati per specifici casi d’uso di sviluppo terapeutico”.

Apprendimento supervisionato

TxGemma è stato addestrato su 7 milioni di esempi di dati terapeutici, ed è in grado di affrontare più compiti. Il nuovo modello di AI può classificare le molecole, ad esempio stabilendo se sono in grado di attraversare la barriera ematoencefalica – che regola selettivamente il passaggio sanguigno di sostanze chimiche da e verso il cervello, tutelando il sistema nervoso da intossicazioni e avvelenamenti –, realizzare previsioni sull’affinità di legame di un farmaco con un bersaglio molecolare, generare nuove supposizioni in merito a possibili combinazioni chimiche e reazioni.

Le sue principali varianti includono “TxGemma-Chat” – che restituisce una maggiore capacità di confronto e spiegazione, consentendo ai ricercatori di comprendere meglio le sue previsioni – e “TxGemma-Predict”, un’opzione ottimizzata per esaminare dati terapeutici e prevedere effetti di molecole e farmaci. Ad ogni modo, TxGemma non costituisce una novità “assoluta”: è infatti l’erede di Tx-LLM, sviluppato a partire da PaLM-2 e lanciato da Google lo scorso ottobre. Si tratta di un modello linguistico di grandi dimensioni (Large Language Model) progettato per prevedere le proprietà di un’ampia gamma di entità biologiche. Al suo interno, ingloba il software Agentic-Tx, basato su Gemini 2.0 Pro, già approntato per superare due importanti limiti dell’AI nella ricerca farmaceutica: la dipendenza da dati non aggiornati e la criticità nel ragionamento complesso su più passaggi.

Diagnostica molecolare

Nel frattempo Alphabet amplia i propri orizzonti, annunciando la volontà di individuare – attraverso la società “Isomorphic Labs”, fondata nel 2021 – nuove molecole per la creazione di farmaci. A capo di questa nuova avventura c’è Demis Hassabis, il Ceo di Google DeepMind (quest’ultima ha sviluppato la piattaforma AlphaFold) tra i vincitori nel 2024 – con lui David Baker e John M. Jumper – del Nobel per la chimica per l’uso dell’intelligenza artificiale nello studio delle proteine nonché responsabile degli sforzi di sviluppo dell’IA del colosso Usa.

Con sede a Londra, Isomorphic Labs realizzerà modelli predittivi capaci di simulare l’interazione di nuove molecole con l’organismo umano, facendo leva sul know-how di DeepMind sulle strutture proteiche. L’obiettivo è duplice: individuare potenziali bersagli biologici e perfezionare la progettazione di nuove molecole farmacologiche. È curioso notare come la società con headquarter nel Regno Unito – che ha raccolto 600 milioni di dollari nel suo primo round di finanziamento esterno – potrebbe non focalizzarsi solo sulla produzione di farmaci, ma dedicarsi anche a commercializzare i propri modelli predittivi, stringendo partnership con solide aziende farmaceutiche.

L’AI per predire la risposta dei pazienti nell’immunoterapia oncologica

Ricerca

Massimo Canorro

-

14 Aprile 2025

0

L’AI per predire la risposta dei pazienti nell’immunoterapia oncologica

Spiega il dottor Luc Morris, autore della ricerca pubblicata su Nature Medicine: “Intendevamo approntare un modello per guidare le decisioni terapeutiche utilizzando dati clinici acquisibili con estrema facilità”. Il rimando è al sistema di intelligenza artificiale “Scorpio”, sviluppato dai ricercatori del Memorial Sloan Kettering Cancer Center e del Tisch Cancer Institute del Mount Sinai a New York. Parliamo di un modello di IA capace di prevedere se un paziente oncologico otterrà beneficio dalla terapia con inibitori del checkpoint immunitario (ICI). Come spiega la Fondazione Airc, si tratta di “anticorpi monoclonali che, per così dire, tolgono i freni al sistema immunitario, il quale può così agire contro il tumore”.

Pertanto – prosegue la Fondazione – di inibitori “che hanno già rivoluzionato il trattamento di alcuni tipi di cancro, in particolare del melanoma e del tumore del polmone, prolungando la sopravvivenza di pazienti che prima non avevano altre possibilità terapeutiche”. Rappresentando uno sviluppo che potrebbe rivelarsi decisivo nella terapia oncologica e nella modulazione della risposta immunitaria. A questo proposito, il dottor Morris ammette che il “Memorial Sloan Kettering” (MSK) collaborerà con ospedali e centri oncologici sparsi nel mondo per testare “Scorpio” su dati provenienti da contesti clinici differenti. Per migliorare ulteriormente, grazie ai feedback, l’innovativo modello di intelligenza artificiale.

Nuova frontiera dell’oncologia

Imparando e migliorando le performance con l’esperienza, grazie agli esempi di cui dispone, l’apprendimento automatico permette di sfruttare un grande volume di dati, inclusi quelli relativi a farmaci e molecole, per costruire automaticamente “modelli complessi”. Ed è proprio in questo solco che si inserisce il modello di machine learning “Scorpio”, capace di analizzare dati di emocromi e profili metabolici completi, ma anche caratteristiche cliniche di circa 10.000 pazienti (affetti da 21 diversi tipi di tumore) trattati con inibitori del checkpoint immunitario.

Ebbene, dai risultati dello studio emerge che “Scorpio” è più accessibile rispetto ai due biomarcatori predittivi approvati della Food and Drug Administration (FDA) statunitense per l’impiego come indicatori dei pazienti che potrebbero essere designati al trattamento con inibitori del checkpoint immunitario. Nel dettaglio, il primo biomarcatore di risposta è il carico mutazionale del tumore (“tumor mutational burden”, TMB), ad indicare il numero di mutazioni nel DNA delle cellule tumorali; il secondo è PD-L1 (“programmed death-ligand 1”), una proteina delle cellule tumorali che circoscrive l’evocazione della risposta immunitaria e rappresenta già un bersaglio di alcuni inibitori del checkpoint immunitario.

I numeri di “Scorpio”

Tra 2.511 pazienti affetti da tumore, il modello di IA “Scorpio” ha raggiunto un valore medio di area sotto la curva ROC (Receiver Operating Characteristics) –

che misura l’accuratezza di un test diagnostico lungo l’intero range dei valori possibili – pari a 0.763 e 0.759 per la previsione della sopravvivenza complessiva a intervalli di tempo compresi tra 6 e 30 mesi. Di contro, il “tumor mutational burden” ha ottenuto valori medi di 0.503 e 0.543. Ma non è tutto. “Scorpio” è riuscito a dimostrare un più elevato grado di precisione nel prevedere la risposta del tumore oppure una stabilità prolungata, presentando valori AUC – l’area sotto una curva ROC – di 0.714 e 0.641, contro i valori del TMB (0.546 e 0.573).

Come emerge dallo studio, predire la risposta di un paziente ai farmaci è tra le sfide più complesse della medicina di precisione. E rientra (appunto) nei maggiori campi di applicazione dell’intelligenza artificiale nelle sperimentazioni cliniche. Nel 2022, gli scienziati della Pohang University of Science and Technology (Corea del Sud) hanno sottoposto all’IA una serie di dati relativi all’espressione genica di oltre 700 pazienti affetti da carcinoma alla vescica, tumore dello stomaco e da un melanoma e che erano stati curati attraverso l’immunoterapia. Come si legge su Nature Communications, l’algoritmo è riuscito sia a predire correttamente la risposta dei pazienti alle cure sia a restituire indicazioni specifiche per ogni tipo di neoplasia.

Riferimenti:

Sviluppato l’algoritmo di IA che semplifica l’iter per abbinare pazienti e criteri dei trial clinici

Ricerca

Massimo Canorro

-

1 Aprile 2025

0

<strong>Sviluppato l’algoritmo di IA che semplifica l’iter per abbinare pazienti e criteri dei trial clinici</strong>

«Sfruttare con responsabilità l’intelligenza artificiale affinché i medici possano associare i loro pazienti a uno studio clinico pertinente, che potrebbe interessarli, con ancora più rapidità ed efficienza». Così Stephen Sherry, direttore della National Library of Medicine (NLM), il cui team di esperti – insieme ai colleghi del National Center for Biotechnology Information (NCBI) – ha sfruttato la potenza dei Large Language Models, i modelli linguistici di grandi dimensioni, per realizzare un software di IA mirato a velocizzare l’iter di abbinamento di potenziali volontari a una serie di studi clinici elencati su ClinicalTrials.gov. L’algoritmo e la sua efficacia sono dettagliati in un articolo su Nature Communications.

Secondo la ricerca multicentrica, l’algoritmo “TrialGpt” è in grado di individuare con successo gli studi clinici attinenti per i quali un paziente risulta idoneo, per poi fornire un riepilogo che illustra – con puntualità – in che modo la persona identificata soddisfa i canoni per l’arruolamento nel medesimo studio. Lo step di reclutamento dei pazienti nei trial clinici può infatti prevedere molto tempo, soprattutto quando si parla di patologie rare. «L’apprendimento automatico e l’intelligenza artificiale hanno già fornito risultati incoraggianti nel matching, ma la loro applicazione pratica in diverse popolazioni richiedeva ulteriori esplorazioni», prosegue Sherry.

Come funziona TrialGpt

Il framework “TrialGpt” è costituito da tre moduli fondamentali per ottimizzare l’intero processo: in principio l’algoritmo di IA esegue un filtro su larga scala – utilizzando parole chiave generate automaticamente – per recuperare gli studi candidati (TrialGpt-Retrieval); quindi subentra la fase del Matching, che esamina i parametri di inclusione ed esclusione di ogni trial rispetto ai dati del paziente, producendo spiegazioni chiare e coerenti; l’ultimo step è il Ranking: unisce le valutazioni dei criteri per ciascuno studio, catalogandoli in base all’idoneità complessiva del paziente e redigendo una classifica per riconoscere il trial più adatto.

I ricercatori hanno valutato il software su tre coorti di 183 pazienti sintetici con oltre 75.000 annotazioni di studi clinici. E nel descrivere i risultati di ognuno dei tre passaggi, spiegano: “TrialGpt-Retrieval ha recuperato oltre il 90% degli studi rilevanti esaminando meno del 6% della collezione iniziale. Le valutazioni manuali su 1015 coppie paziente-criterio mostrano che TrialGpt-Matching tocca un’accuratezza dell’87,3% con spiegazioni attendibili, avvicinandosi alle prestazioni degli esperti. Infine, i punteggi di TrialGpt-Ranking risultano altamente correlati con i giudizi umani e oltrepassano i migliori modelli concorrenti del 43,8% nel classificare ed estromettere studi”.

Risparmiare tempo prezioso

Un test pilota condotto presso il National Cancer Institute (NCI) rivela che TrialGpt può limitare del 42,6% il tempo utile per il processo di screening nel reclutamento dei pazienti. «La nostra ricerca dimostra che TrialGpt non solo può aiutare i medici a mettere in contatto i loro pazienti con le opportunità di studio clinico in maniera più efficiente, ma anche a risparmiare tempo prezioso per compiti più complessi che richiedono competenza umana”, ammette Zhiyong Lu, ricercatore senior presso la National Library of Medicine e responsabile per la ricerca bibliografica del National Center of Biotechnology Information.

Certo, l’algoritmo TrialGpt mostra un potenziale incredibile come strumento volto a migliorare l’abbinamento tra candidati idonei e trial clinici. Ciò nonostante, saranno indispensabili ulteriori approfondimenti per valutare le sue limitazioni e stimarne l’applicazione su larga scala. Ad ogni modo, considerato gli incoraggianti risultati del software di IA, il team di ricerca è stato candidato al The Director’s Challenge Innovation Award, programma che premia la ricerca e l’innovazione in medicina.

L’AI individua un farmaco salvavita per una malattia rara

Fatti&Persone

Massimo Canorro

-

4 Marzo 2025

0

L’AI individua un farmaco salvavita per una malattia rara

Patologia rara con una prognosi particolarmente avversa (il 25-35% dei pazienti muore nell’arco di cinque anni dalla diagnosi), la malattia di Castleman multicentrica idiopatica (iMCD) è definita da un’ipertrofia dei linfonodi in presenza di un’iperplasia linfatica angiofollicolare. Ne esistono due forme: localizzata (circoscritta a un unico linfonodo) e – appunto – multicentrica. Questa malattia si esplicita attraverso una linfoadenopatia generalizzata, un’infiammazione sistemica e un’insufficienza multiorgano insieme a un eccesso di produzione di interleuchina-6 (la proteina prodotta dal sistema immunitario, coinvolta nella regolazione della risposta immunitaria) e di altre citochine.

Ebbene, negli USA un paziente in gravi condizioni, aspettando il ricovero in hospice per ricevere cure palliative per la “iMCD” (“Idiopathic multicentric Castleman disease”) è stato trattato con una terapia identificata grazie all’Intelligenza Artificiale. A non rassegnarsi sono stati gli scienziati della Perelman School of Medicine dell’Università della Pennsylvania – il cui lavoro è riportato sul New England Journal of Medicine – che hanno impiegato uno strumento di IA per analizzare 4.000 farmaci in uso con altre indicazioni e individuare l’adalimumab.

Parliamo di un inibitore del fattore di necrosi tumorale (Tumor Necrosis Factor, TNF) somministrato con iniezioni sottocutanee, impiegato da solo – ma anche in combinazione con altri farmaci – per alleviare i sintomi di alcune patologie (dall’artrite reumatoide alla malattia di Crohn, dalla colite ulcerosa alla spondilite anchilosante).

Remissione clinica

Sono trascorsi 24 mesi, un lasso di tempo in cui il paziente con malattia di Castleman multicentrica idiopatica continua a essere in remissione. E potrebbe essere il primo (di tanti) ad usufruire di un sistema di previsione fondato sull’intelligenza artificiale applicabile anche ad altre malattie rare. Queste le parole degli autori della lettera pubblicata su “NEMJ”: “L’inibizione dell’interleuchina-6 con Siltuximab, l’unica terapia approvata dalla Food and Drug Administration per l’iMCD, è efficace nel 40-50% dei pazienti, lasciando però limitate opzioni terapeutiche nei casi in cui la malattia è refrattaria agli inibitori dell’interleuchina-6. Muove da qui l’urgenza di una migliore comprensione della patogenesi per identificare nuovi trattamenti”.

È bene ricordare che nel 1954, in un articolo visibile sul New England Journal of Medicine, il medico e patologo Benjamin Castleman delineò il caso di una paziente con una massa a livello del mediastino che, all’esame istologico, aveva rivelato una serie di peculiari alterazioni cito-architetturali della popolazione linfoide, successivamente definite “iperplasia linfonodale angiofollicolare (Angiofollicular Lymph Node Hyperplasia, ALNH)” o – appunto – malattia di Castleman.

Due approcci paralleli

Coordinato dal professore associato di Medicina Traslazionale e Genetica Umana dell’Università della Pennsylvania, David C. Fajgenbaum, il team di ricerca statunitense ha perseguito due approcci paralleli: uno fondato su metodi della proteomica, della trascrittomica e sperimentazioni in vitro per individuare nuove strategie terapeutiche; l’altro impiegando modelli di Machine Learning, che sfruttano metodi di apprendimento automatico., per predire quale farmaco potesse trattare l’iMCD. Dallo studio è emerso che il segnale del fattore di necrosi tumorale era più evidente nei pazienti con malattia di Castleman multicentrica idiopatica, indicando che potesse essere una terapia a bersaglio molecolare (Target Therapy).

L’anticorpo monoclonale che inibisce il TNF – ed è già utilizzato per varie malattie autoimmuni – si è rivelato così un’opzione incoraggiante. Su tale base, il professor Fajgenbaum (cofondatore della no-profit Every Cure), ha deciso di sperimentare l’inibizione del TNF sul paziente con iMCD. Per poi ammettere che il risultato ottenuto non solo offre speranza per i pazienti affetti da malattia di Castleman multicentrica idiopatica, ma attesta l’enorme (e ancora inesplorato) potenziale dell’intelligenza artificiale nell’individuare trattamenti per altre patologie rare.

Fonti

Micro robot magnetici per la somministrazione mirata di farmaci

Fatti&Persone

Massimo Canorro

-

8 Gennaio 2025

0

<strong>Micro robot magnetici per la somministrazione mirata di farmaci</strong>

“Uno strumento rilevante per la medicina del futuro, in particolar modo nel trattamento oncologico, per un controllo preciso su più farmaci”. Così il ricercatore Yang Zilin, coautore dello studio condotto da un team di specialisti della Nanyang Technological University di Singapore che, guidati dal professor Lum Guo Zhang, hanno creato un micro robot per la somministrazione mirata di farmaci (come chemioterapici). L’intento: portare terapie mirate, in maniera precisa ed efficiente, a specifiche aree del corpo. Nel dettaglio, il robot in miniatura (è grande quanto un chicco di riso, mi gli studiosi stanno già lavorando per ridurne ulteriormente le dimensioni e utilizzarlo, tra gli altri, nel trattamento dei tumori cerebrali, del carcinoma della vescica e del cancro del colon) riesce a trasportare quattro farmaci diversi contemporaneamente, rilasciandoli in un determinato ordine e con il dosaggio previsto. Un aspetto tutt’altro che irrilevante, considerando che nei modelli precedenti i ricercatori non potevano programmare la sequenza ed il robot era riuscito ad erogare un massimo di tre farmaci alla volta.

Rivoluzione annunciata

Il professor Lum Guo Zhang spiega che i metodi canonici di trattamento – per vena, bocca o iniezione – hanno avere un’efficacia inferiore rispetto alla somministrazione mirata di farmaci attraverso il micro robot. Pubblicata sulla rivista Advanced Materials, la ricerca fa leva su nanoparticelle magnetiche (che trovano un sempre crescente utilizzo nelle applicazioni biomediche) e polimeri (la cui scienza è un settore altamente multidisciplinare, contraddistinto da conoscenze che spaziano dalla chimica organica all’ingegneria meccanica) del tutto sicure per il corpo umano.

I movimenti del micro robot vengono controllati impiegando campi magnetici. In Comune a ogni classe, infatti, è il movimento attivo: il robot viene attrezzato con dei sistemi di propulsione attiva. Così, inserendo delle particelle magnetiche tra i suoi materiali, si mira a raggiungere un duplice obiettivo: generare dei campi magnetici all’esterno e creare una forza propulsiva per orientare il robot in una specifica direzione. Già a marzo 2022, nell’articolo “Miniature medical robots step out from sci-fi” su Nature, il giornalista scientifico Anthony King toccava questo tema.

Oggi, a tre anni di distanza, l chirurgo Yeo Leong Litt Leonard degli ospedali di Singapore (Ng Teng Fong General Hospital e National University Hospital), ribadisce che strumenti innovativi di questo tipo – il cui universo, costituito da una moltitudine di materiali e tipologie, sistemi propulsivi e meccanismi di azione, ne rende vastissime le possibili applicazioni – “si riveleranno sicuri ed efficienti”.

Dall’Europa agli Stati Uniti

Non solo Singapore. A progettare micro robot intelligenti e autonomi – di dimensioni microscopiche oppure millimetriche, che in futuro potranno essere introdotti nel corpo umano senza ricorrere a bisturi e interventi chirurgici – c’è un gruppo di ricerca

della Facoltà di ingegneria della Libera Università di Bolzano guidato dal professor Niko Münzenrieder, con il supporto del ricercatore Giuseppe Cantarella (Università degli Studi di Modena e Reggio Emilia) e del team di robotica multiscala della Scuola Politecnica Federale (ETH) di Zurigo guidata dal professor Brad Nelson. I micro robot progettati nell’ambito del progetto “Flexibots” sono morbidi, flessibili, biocompatibili, riconfigurabili e privi di fili, capaci di rispondere a stimoli ambientali, elaborare informazioni e comunicare in modalità wireless. E ancora, possono muoversi attraverso i liquidi – come il sangue – e svolgere più compiti.

“Abbiamo integrato con successo una varietà di dispositivi elettronici attivi (sensori, transistor e antenne) direttamente sui micro robot. Tali innovazioni permettono loro di percepire l’ambiente circostante e comunicare, avvicinandoci sempre di più alla realizzazione potenziale dei micro robot nelle applicazioni mediche”, le parole del professor Münzenrieder.

Dall’Europa agli Stati Uniti, dove uno studio condotto dal California Institute of Technology (Caltech), visibile su Science Robotics, ha visto i ricercatori sviluppare delle microstrutture sferiche realizzate in “polietilenglicole diacrilato” (il pre-polimero per la sintesi dell’idrogelo), rivelando enormi potenzialità nel trasporto mirato di medicinali. Della dimensione di 30 micron di diametro (quanto un capello umano, per intenderci), i micro robot – già testati sui topi – sono biocompatibili e programmabili per raggiungere aree specifiche nel corpo umano. Anche in questo caso, i robot sono dotati di nanoparticelle magnetiche che permettono loro di essere direzionati attraverso un campo magnetico esterno. Una volta giunti alla zona target, restano fermi e rilasciano il farmaco in modo tanto controllato quanto efficiente.

Fonti

L’Africa studia nuovi farmaci grazie all’uso dell’intelligenza artificiale

Farmaci

Massimo Canorro

-

26 Settembre 2024

0

L’Africa studia nuovi farmaci grazie all’uso dell’intelligenza artificiale

Sono numerosi i progetti di intelligenza artificiale in corso (o che attendono di essere concretizzati) in Africa nell’ambito sanitario. L’impiego delle nuove tecnologie offre rilevanti premesse sul territorio:

migliorare l’accesso all’assistenza per milioni di persone rendendo la sua erogazione più proattiva grazie all’uso dei dati (attraverso la diagnosi a distanza, come nel caso delle piattaforme “mHealth” e “Babyl”, sviluppate rispettivamente in Kenya e Ruanda);
dare supporto agli operatori sanitari investendo sulla semplificazione dei processi;
migliorare l’assistenza nella gestione della catena di fornitura (nonché delle cartelle cliniche) e la riduzione dei costi da sostenere.

Considerazioni, queste, rinsaldate dalle parole di Githinji Gitahi, Global Ceo di Amref Health Africa – rete internazionale attiva in 35 Paesi con oltre 130 progetti di promozione della salute – secondo cui «L’IA può divenire un catalizzatore per il progresso, migliorando la salute, l’economia e il benessere sociale del continente».

Concetti, i suoi, enfatizzati dal recente G7 in Puglia – dove i leader mondiali sono tornati a rimarcare l’importanza di supportare l’adozione dell’intelligenza artificiale nei Paesi in via di sviluppo più vulnerabili, con particolare riferimento proprio all’Africa, dove oggi l’80% della popolazione fa affidamento sulle medicine tradizionali e il continente rappresenta solo il 2,5% del mercato globale dell’IA (dati, quest’ultimi, pubblicati nel rapporto di Gsma “AI for Africa: Use cases delivering impact”). Già, perché nella medicina l’intelligenza artificiale può integrare le cure sanitarie e aiutare a far progredire lo studio di nuovi farmaci nel continente africano.

L’IA per trasformare l’Africa

«Crescendo in Camerun, soffrivo spesso di malaria e ricordo bene mio padre che correva a procurarsi farmaci per la prevenzione e il trattamento del paludismo», spiega Fidele Ntie-Kang, professore associato di chimica farmaceutica all’università di Buea, che sta compiendo dei tentativi di sviluppo di nuovi farmaci («un processo tradizionalmente complesso, oneroso e lungo, che ha portato a investimenti circoscritti nell’esplorazione dei prodotti naturali africani», puntualizza) impiegando l’intelligenza artificiale per esaminare centinaia di composti naturali.

Per essere più precisi, esperimenti che prendono il via (anche) grazie alla copiosa biodiversità del continente: l’Africa ospita infatti oltre 40.000 specie vegetali uniche, che costituiscono circa il 25% delle risorse genetiche vegetali del globo. Di queste, più di 5.000 piante vengono utilizzate nella medicina tradizionale locale. Ciò nonostante, allo stato attuale è assai limitata sia l’efficacia conosciuta di talune di queste piante sia l’esplorazione sistematica da parte dei ricercatori farmaceutici.

A questo proposito, Ntie-Kang precisa: «La maggior parte delle proprietà medicinali di queste piante non sono state isolate oppure studiate e sono pochissime le molecole di prodotti naturali africani che sono state sviluppate come farmaci». E ancora, premettendo che «il vecchio approccio volto all’impiego di metodologie basate sulla fisica, lo screening virtuale di milioni di composti per individuare una molecola con la giusta interazione con il bersaglio del farmaco, può comportare settimane o mesi», Ntie-Kang – il cui gruppo di ricerca sta allestendo un centro all’avanguardia proprio per la scoperta e lo sviluppo di farmaci, esplorando e utilizzando 400 composti naturali per identificare nuovi antivirali – fa presente che già oggi «grazie all’IA riusciamo a esaminare milioni di molecole in meno di 24 ore».

Il futuro digitale del continente africano

Mira a promuovere la crescita inclusiva, il contrasto alle disuguaglianze e lo sviluppo economico dell’Africa la storica strategia continentale – focalizzata sull’intelligenza artificiale, con particolare riferimento alla sanità – che i ministri delle Ict e delle Comunicazioni hanno approvato all’unanimità (come riporta una nota dell’Unione africana). L’intento è quello di perseguire «una visione e un percorso comuni per velocizzare l’innovazione e l’adozione responsabile dell’IA nel continente», ammette il commissario per le infrastrutture e l’energia dell’Ua, Amani Abou-Zeid.

Anche promuovendo partenariati multisettoriali, come nel caso del progetto descritto nel rapporto “AI in Africa Meeting the Opportunity”, rilasciato da Microsoft, che vede al centro proprio Amref Health Africa in collaborazione con il Ministero della Salute del Kenya e il laboratorio AI for Good dell’azienda fondata da Bill Gates e Paul Allen. Insieme, stanno lavorando a un modello di deep learning – sottocategoria del machine learning che fa leva su reti neurali artificiali complesse per riconoscere relazioni celate nei dati – con l’obiettivo di identificare le aree a rischio di malnutrizione. Consentendo interventi puntuali e mirati per mitigare la sfida sanitaria.