Quando una macchina può essere considerata intelligente? Sostanzialmente, se si comporta come una persona, ad insindacabile giudizio di un essere umano. Se andiamo a scavare nella profondità delle radici teoriche da cui è sbocciata l’intelligenza artificiale, non possiamo fare a meno di ricordare il test di Turing. Questa modalità d’analisi, presentata nel 1950 nell’articolo “Computing machinery and intelligence”, rappresenta in pratica la base di quello che sta rivoluzionando interi settori della scienza. In questo percorso le macchine arrivano sempre più spesso ad eseguire attività tipicamente svolte dalle persone. Con un vantaggio competitivo che spiega la dirompente diffusione dell’AI, legato alla capacità di elaborare un’enorme mole di dati attraverso algoritmi su misura, e in tempi rapidissimi. Questo razionale si descrive perfettamente con i numeri e i trend. Le stime parlano di un mercato che vale 15 mld di dollari, nel solo 2023.
Ma con una tendenza che fa riflettere: 103 mld nel 2028. Ovviamente tutto va governato, anche perché il ricercatore e il medico dovranno mantenere la barra dritta per ridurre il rischio di una ‘distorsione da automazione’.
E allora? Allora, per gioco, proviamo a riassumere il futuro in dieci parole.
Proteine
Sempre più la ricerca di nuove terapie si concentra su potenziali bersagli biologici e molecolari, potenzialmente innumerevoli. L’AI piò aiutare ad identificare e quindi ‘puntare’ a target su misura.
Library
In un archivio immenso, potenzialmente sono moltissimi i composti chimici che possono interagire con il bersaglio. Con l’AI si possono analizzare milioni di candidati in breve tempo.
Affinità
Lo screening di tanti, possibili target è fondamentale. Alla fine occorre sempre trovare, come una chiave per la sua serratura, il composto che più interagisce col bersaglio. Con l’AI è e sarà più facile e rapido.
Tossicità
Nelle prime analisi su un potenziale trattamento, si punta a comprendere se esistono potenziali effetti indesiderati. Grazie all’AI è possibile studiare le vie che portano una terapia a ‘deviare’ dal bersaglio.
Progettazione
Grazie all’AI si possono meglio definire sia il disegno di uno studio clinico sia la numerosità dei campioni e i gruppi di pazienti da esaminare. Per definire la ricerca, risparmiando tempo e denaro.
Errore
A volte la ricerca clinica può prendere strade impreviste, con deviazioni che portano a non raggiungere i risultati per il disegno dello studio. L’AI può segnalare il rischio e permettere correzioni.
Biomarcatori
‘Prendere la mira’ per individuare il corretto paziente per una terapia significa disporre di marker affidabili. L’AI può identificare specificamente le molecole che confermano o meno il quadro.
Progressione
Grazie all’AI si possono individuare i reali ‘segnalatori’ dell’evoluzione di una patologia, tra migliaia di molecole, così da monitorare gli effetti di un trattamento ed eventualmente modificarlo.
Predizione
L’AI può aiutare non solo a definire quali possono essere i marcatori di rischio, ma anche se un paziente ha le caratteristiche per rispondere ad un farmaco, migliorando l’appropriatezza terapeutica.
Personalizzazione
L’algoritmo di AI può favorire la terapia su misura, automatizzando l’analisi per identificare le ‘stigmate’ biologiche e molecolari della malattia nel singolo paziente, e quindi la sua risposta.
