Documento: revisione narrativa critica peer-reviewed, pubblicata nel giugno 2026 su Drug Design, Development and Therapy (DOI: 10.2147/DDDT.S607228).
Download: Scarica l’articolo scientifico in PDF
L’intelligenza artificiale sta accelerando lo screening delle molecole e l’ottimizzazione dei candidati farmaci, ma il passaggio dai risultati informatici alle terapie cliniche rimane ancora il principale ostacolo.
L’intelligenza artificiale è diventata uno strumento concreto nelle prime fasi della scoperta di farmaci. È quanto emerge dalla revisione critica firmata da Marwah I. Bin Abdulqader, Abdulrhman A. Alsaqabi, Afrah E. Mohammed e Sahar S. Alghamdi, che analizza applicazioni sviluppate tra il 2000 e il 2026.
La ricerca esamina machine learning e deep learning impiegati nella progettazione di antibiotici, farmaci antitumorali, anticorpi terapeutici e piccole molecole. Gli algoritmi possono esplorare grandi spazi chimici, effettuare screening virtuali, prevedere alcune proprietà dei composti e selezionare i candidati più promettenti prima della sintesi fisica.
Secondo gli autori, il beneficio più documentato riguarda l’aumento dell’efficienza computazionale e della capacità di formulare ipotesi. L’IA può quindi ridurre esperimenti preliminari poco promettenti e sostenere il lavoro dei chimici farmaceutici. Non rappresenta però un sistema autonomo capace di certificare efficacia e sicurezza.
La revisione individua infatti un significativo divario traslazionale: molte applicazioni rimangono confinate agli ambienti computazionali, senza validazioni prospettiche sufficienti. Qualità e rappresentatività dei dati, opacità dei modelli e scarsa riproducibilità possono produrre previsioni fuorvianti. Restano indispensabili esperimenti in vitro, studi in vivo e sperimentazioni cliniche.
La direzione indicata coincide con i dieci principi pubblicati nel gennaio 2026 da FDA ed EMA: centralità umana, governance dei dati, valutazione proporzionata al rischio, documentazione, monitoraggio e chiarezza del contesto d’uso.
Cronologia essenziale
- 2000-2026: periodo coperto dalla letteratura selezionata nella revisione.
- 2021: l’OMS pubblica sei principi per un’IA sanitaria orientata al bene pubblico.
- 2023: la FDA apre il confronto sull’impiego di AI e machine learning nello sviluppo farmaceutico.
- 2024: l’EMA pubblica il documento definitivo sull’IA nel ciclo di vita dei medicinali.
- 2025: la FDA propone un quadro basato sul rischio per le decisioni regolatorie.
- Gennaio 2026: FDA ed EMA adottano dieci principi comuni di buona pratica.
- Giugno 2026: viene pubblicata la nuova revisione critica.
Approfondimenti: FDA: Artificial Intelligence for Drug Development · EMA: intelligenza artificiale e medicinali · OMS: etica e governance dell’IA sanitaria
Abstract etico-sociale
Il vantaggio dell’IA consiste nella possibilità di accelerare la ricerca e indirizzare meglio le risorse sperimentali. I rischi comprendono bias nei dati, scarsa trasparenza, concentrazione delle tecnologie e decisioni difficili da contestare. Senza supervisione umana e verifiche indipendenti, gli errori potrebbero trasferirsi dalla simulazione alla sperimentazione. In futuro, modelli affidabili e dati condivisi potrebbero favorire nuove terapie, purché innovazione, sicurezza ed equità procedano insieme.
