Scoprire nuovi farmaci è un’impresa costosa. Dal 2012 al 2022, al netto dell’inflazione, la spesa globale in ricerca e sviluppo farmaceutico è aumentata di quasi la metà, raggiungendo circa 250 miliardi di dollari, secondo Bernstein Research. Eppure, il numero di nuove approvazioni di molecole innovative è rimasto sostanzialmente stabile. L’IA potrebbe aiutare a cambiare questo scenario.
La nascita di un nuovo trattamento è piena di ostacoli. Un trial di Fase 3 su 1.000 pazienti affetti da polmonite batterica contratta in ospedale è costato quasi 90.000 dollari a paziente, secondo uno studio delle università di Tufts e Duke. Un altro problema è la scarsità di candidati: in un’analisi, oltre due terzi dei trial clinici nel Regno Unito non sono riusciti ad arruolare un numero sufficiente di partecipanti.
Già oltre dieci anni fa, Jack Scannell e colleghi hanno definito questa tendenza come la Legge di Eroom: la versione al contrario della Legge di Moore, che prevede il raddoppio dei transistor su un microchip ogni due anni. In questo caso, invece, il numero di nuovi farmaci sviluppati per ogni miliardo di dollari investito in R&S si è dimezzato circa ogni nove anni dal 1950. Secondo McKinsey, i trial clinici dalla Fase 1 al lancio impiegano in media un decennio, e solo uno su dieci arriva al successo.
Le CRO (Contract Research Organisations), che gestiscono i trial per le aziende farmaceutiche, stanno scommettendo sull’IA per invertire questa tendenza. IQVIA, la più grande con un valore di mercato di 32 miliardi di dollari, utilizza sistemi di IA agentica di Nvidia in diversi processi: in un caso, il tempo di revisione dei dati è stato ridotto da sette settimane a due. Medidata (controllata da Dassault Systèmes) e Flatiron (di proprietà di Roche) forniscono software alle organizzazioni impegnate nella ricerca.
Anche le big pharma sono in campo. Genentech, parte del gruppo Roche, definisce la sua strategia “lab in a loop”: i dati provenienti dagli esperimenti vengono inseriti in modelli di IA che generano previsioni sulle malattie e possibili trattamenti, poi verificati dai ricercatori umani.
Poiché l’IA sembra un alleato naturale per i trial, ci si attende una diffusione sempre maggiore. Le aziende farmaceutiche dispongono infatti di enormi quantità di dati e i processi, dalla gestione del workflow alle analisi, richiedono molto lavoro manuale. La tecnologia può ridurre drasticamente i tempi, mentre la IA generativa è in grado di creare dataset sintetici per le simulazioni.
Restano però due caveat. Primo: le normative e le questioni etiche non sono ancora allineate con ciò che è tecnicamente possibile. Secondo: le aziende di ricerca clinica non stanno performando bene, a causa dei costi crescenti e della commoditizzazione di alcune tecnologie. L’auspicio è che l’IA migliori non solo i trial, ma anche i margini.
Il sogno sarebbe quello di eliminare – o addirittura invertire – la Legge di Eroom. Per ora resta un sogno. Ma se c’è un settore abituato al metodo per tentativi ed errori, è proprio quello farmaceutico.
© The Financial Times Limited 2025.
Tutti i diritti riservati. Non può essere ridistribuito, copiato o modificato in alcun modo.
Il Financial Times non è responsabile dell’accuratezza e della qualità di questa traduzione.
Money.it ha i diritti di ripubblicazione di alcuni articoli limitati del Financial Times. Questo non è un feed in tempo reale dei contenuti del Financial Times.
