L’intelligenza artificiale sta emergendo come risposta strutturale alla cronica carenza di talenti e risorse nella ricerca sulle malattie rare. Dalla scoperta di nuovi farmaci all’editing genetico in vivo, aziende biotech come Insilico Medicine e GenEditBio puntano su modelli avanzati di IA per ridurre tempi, costi e barriere scientifiche in settori a lungo trascurati dall’industria.
Le moderne biotecnologie consentono di modificare geni e progettare molecole, ma migliaia di patologie rare restano senza terapie. Secondo i vertici di Insilico Medicine e GenEditBio, il limite principale è stato per anni la mancanza di forza lavoro altamente specializzata. L’IA, presentata come “moltiplicatore di produttività”, consente oggi di automatizzare fasi complesse della ricerca, ampliando lo spazio di esplorazione scientifica.
Intervenendo al Web Summit Qatar, il presidente di Insilico, Alex Aliper, ha illustrato l’obiettivo di sviluppare una “superintelligenza farmaceutica”. La piattaforma MMAI Gym dell’azienda mira ad addestrare grandi modelli linguistici generalisti per svolgere compiti tipicamente riservati a modelli specialistici, dalla generazione di ipotesi sui bersagli molecolari al riposizionamento di farmaci esistenti. Un recente esempio riguarda lo studio di terapie potenzialmente riutilizzabili per la SLA.
Sul fronte dell’editing genetico, GenEditBio rappresenta la cosiddetta “seconda ondata” CRISPR, focalizzata su interventi in vivo. Grazie alla piattaforma NanoGalaxy, l’azienda utilizza l’IA per correlare strutture chimiche e tessuti bersaglio, progettando veicoli di consegna che minimizzano le risposte immunitarie. Questo approccio ha già ottenuto il via libera della Food and Drug Administration per l’avvio di trial clinici su una terapia per la distrofia corneale.
Resta aperta la sfida dei dati: set informativi sbilanciati e incompleti limitano l’accuratezza dei modelli. Insilico punta su laboratori automatizzati, mentre GenEditBio sfrutta grandi esperimenti paralleli. In prospettiva, progetti come AlphaGenome di Google DeepMind indicano un futuro in cui gemelli digitali e sperimentazioni cliniche virtuali potrebbero ampliare l’accesso a cure personalizzate.
Approfondimento – Cronologia essenziale
- 2020–2023: crescita dell’IA nella drug discovery (FDA, NIH).
- 2024: primi trial CRISPR in vivo di nuova generazione (FDA).
- 2025–2026: sviluppo di modelli genomici avanzati come AlphaGenome (Google DeepMind).
Fonte principale: TechCrunch – articolo di Rebecca Bellan (6 febbraio 2026)
https://techcrunch.com
Consigli di approfondimento
- FDA – Innovative Drug Development: https://www.fda.gov
- NIH – Rare Diseases Research: https://www.nih.gov
- Nature Biotechnology – AI & Drug Discovery: https://www.nature.com/nbt
Abstract: pro, rischi e impatti etico-sociali
Pro: accelerazione della ricerca, riduzione dei costi, maggiore attenzione alle malattie rare, personalizzazione delle terapie.
Rischi: dipendenza da dati incompleti o sbilanciati, opacità dei modelli decisionali, disuguaglianze di accesso globale.
Prospettive: se governata con criteri etici e trasparenza, l’IA potrebbe ampliare l’offerta terapeutica nei prossimi 10–20 anni; in caso contrario, rischia di rafforzare asimmetrie sanitarie già esistenti.
