Un’utilità che si sta già esprimendo in molti ambiti delle scienze della vita, dove i meccanismi della tecnologia sono noti e ora se ne sta testando le potenzialità. L’IA generativa sta trovando diverse applicazioni, in alcuni casi dimostrando chiaramente di essere in grado di trovare soluzioni precise e superare di gran lunga l’uomo in velocità. È un esempio il suo impiego nel disegno delle proteine, o nella comprensione dell’interazione tra le cellule tumorali, nei processi decisionali rispetto alle terapie da adottare, nella medicina personalizzata e nella preparazione dei trial clinici. Dai grandi giganti dell’informatica alle startup, ai centri di ricerca in tutto il mondo: i modelli e le piattaforme che fanno uso dell’IA generativa si stanno moltiplicando, dimostrando come questa tecnologia stia contribuendo a scandire il passo dell’innovazione nel settore Life Science.

L’Intelligenza Artificiale sta compiendo un passo in avanti importante, spostando l’obiettivo da una semplice analisi ad una straordinaria capacità: quella di creare nuove informazioni. Questo progresso è reso possibile grazie all’IA generativa, una tecnologia che si basa su modelli di grandi dimensioni (LM) in grado di analizzare miliardi di interazioni, sia nel linguaggio parlato con le parole, sia nelle immagini con i pixel.

Una volta addestrata su uno di questi modelli, l’IA generativa acquisisce il potere di elaborare e sintetizzare le informazioni esistenti, ma il carattere innovativo sta nel creare nuove informazioni. Questo risultato è reso possibile grazie a una sofisticata analisi probabilistica e a una notevole potenza di calcolo specializzata.

L’IA generativa apre le porte a scenari molto interessanti, permettendo alle macchine di agire come autentici creatori e visionari.

Nell’ambito delle scienze della vita, le applicazioni sono numerosissime e vale la pena citarne diverse.

L’Intelligenza artificiale generativa nel campo della ricerca

La scoperta del codice genetico umano, avvenuta due decenni fa, ha aperto le porte a una comprensione senza precedenti dei meccanismi e delle interazioni delle proteine e degli elementi fondamentali della vita, gettando le basi per una nuova era di conoscenza e di sviluppo terapie. In questo contesto l’IA generativa sta svolgendo un ruolo importante, con lo sviluppo di un rivoluzionario sistema che risolve il “problema della piegatura delle proteine”, ovvero come determinare la forma di una proteina; la forma delle proteine determina come esse interagiscono con altre molecole, come ad esempio i farmaci. In passato, l’identificazione delle strutture delle proteine richiedeva anni di ricerca. Oggi, l’IA generativa può predire la forma di una proteina in pochi minuti.

I progetti di IA generativa sono approdati anche al meeting dell’American Society of Clinical Oncology (ASCO) 2023: tra le presentazioni dei risultati degli studi clinici, è stato annunciato un nuovo progetto di ricerca basato sull’IA che ha l’obiettivo di mappare le interazioni delle cellule tumorali con il loro ambiente con una “risoluzione quasi a livello di singola cellula”. Il progetto, chiamato MOSAIC, unisce una serie di organizzazioni accademiche di ricerca sul cancro, un’azienda di intelligenza artificiale e un’azienda di biologia spaziale. Verranno utilizzati dati generati da circa 7.000 pazienti affetti da diverse forme di cancro e ciò potrebbe aiutare i ricercatori a comprendere meglio il cancro a livello molecolare, caratterizzare in modo più accurato le diverse forme di cancro e identificare nuovi bersagli che potrebbero portare a terapie nuove.

E sempre ad ASCO, i ricercatori dell’Università di Chicago hanno presentato un abstract riguardante l’utilità di ChatGPT in oncologia, per la gestione del cancro polmonare, attraverso l’annotazione di complessi report di sequenziamento di nuova generazione, fornendo contemporaneamente opzioni di trattamento per i pazienti.

Il ruolo nella medicina personalizzata

Nel campo della medicina personalizzata, un esempio è il miglioramento dell’accessibilità e della comprensione delle informazioni genomiche tramite l’IA generativa.

Vi sono sistemi, ad esempio, che utilizzano l’intelligenza artificiale generativa per identificare biomarcatori del cancro e sviluppare test diagnostici precoci; sfruttando la tecnologia si sono anche creati strumenti analitici che permettono di analizzare i dati genomici e identificare varianti genetiche associate a malattie ereditarie e tumori.

Un supporto per disegnare studi clinici più precisi e con maggior possibilità di successo

Il reclutamento dei pazienti è uno dei compiti più impegnativi delle sperimentazioni cliniche: aziende specializzate, per lo più startup innovative, stanno sviluppando software clinici per accelerare la selezione, utilizzando la IA generativa per analizzare grandi insiemi di dati per identificare chi potrebbe essere idoneo alle sperimentazioni cliniche.

Altre soluzioni si stanno applicando nella progettazione di protocolli di sperimentazione clinica mirati e personalizzati. Analizzando dati diversificati, tra cui dati demografici, profili genetici e storici medici dei pazienti, gli algoritmi AI possono individuare sottogruppi specifici di pazienti più inclini a rispondere positivamente a un particolare trattamento, o i potenziali rischi. Ciò consente ai ricercatori di sviluppare protocolli personalizzati, aumentando le probabilità di successo delle sperimentazioni e gestire in modo proattivo i rischi.

Gli usi della IA generativa si estendono anche all’analisi dei dati delle sperimentazioni cliniche, individuando pattern, correlazioni ed eventi avversi, consentendo ai ricercatori di prendere decisioni basate sui dati in tempo reale e accelerando l’identificazione di promettenti candidati terapeutici. Uno studio pubblicato sulla rivista Clinical Pharmacology and Therapeutics ha presentato una piattaforma software basata sull’intelligenza artificiale che prevederebbe l’esito degli studi clinici di Fase II. La piattaforma combina diversi metodi che utilizzano l’intelligenza artificiale generativa e dati di diversa provenienza, tra cui dati omici (dati, cioè, che forniscono informazioni sui geni, sulle proteine prodotte dall’organismo, sulle sequenze di RNA messaggeri, sull’attività metabolica), testi, design degli studi clinici e proprietà di piccole molecole.

La piattaforma è stata validata attraverso studi retrospettivi e prospettici. La piattaforma è stata utilizzata per fare previsioni sugli esiti di diversi studi clinici di Fase II, ottenendo un’accuratezza del 79% per i risultati di tali studi.

Raffinare la diagnostica per immagini

Tra le sue molteplici capacità, l’Intelligenza Artificiale generativa  è in grado di creare immagini mediche sintetiche (ottenute artificialmente, tramite processi di elaborazione) per addestrare modelli di apprendimento automatico. Un esempio di questo progresso è stato sviluppato dall’azienda NVIDIA, è ed un algoritmo addestrato su 1,3 milioni di immagini naturali, in grado di generare immagini sintetiche che riflettono una vasta gamma di condizioni mediche, tra cui ictus, attacchi di cuore e tumori.

Questi modelli generativi mostrano un enorme potenziale non solo nel condividere in modo sicuro i dati medici tramite dataset sintetici, ma anche nell’eseguire una vasta gamma di applicazioni diverse. Alcune di queste applicazioni includono il rilevamento di anomalie, la traduzione di immagini, la riduzione del rumore e la ricostruzione di immagini di risonanze magnetiche.

Si tratterebbe tuttavia di modelli complessi, secondo molti esperti, che sarebbero difficili da implementare e riprodurre.

Un gruppo di ricercatori della Cornell University dello Stato di New York ha presentato una piattaforma open-source disponibile gratuitamente, progettata per facilitare l’addestramento, la valutazione e la distribuzione di modelli generativi e le applicazioni correlate.

Una delle forze della piattaforma risiede nella sua adattabilità, consentendo ai ricercatori di estendere i risultati a scenari diversi, comprese immagini mediche 2D o 3D da diverse modalità, come dati di risonanze magnetiche e raggi X, coprendo diverse aree anatomiche.

Monitoraggio Remoto dei Pazienti

Le applicazioni di Intelligenza Artificiale generativa in questo settore includono l’uso di questa tecnologia per la raccolta di dati conversazionali e ambientali, come il monitoraggio delle visite dei professionisti sanitari o l’aderenza alla terapia farmacologica, al fine di migliorare la cura e il supporto ai pazienti.
Negli Stati Uniti sono già state avviate collaborazioni tra grandi aziende e strutture ospedaliere avanzate per testare e sfruttare tutte le potenzialità dell’IA generativa. Come quella tra la Mayo Clinic e Google Cloud, volta ad utilizzare questa nuova tecnologia per agevolare l’accesso dei medici a note mediche rilevanti, articoli di ricerca o linee guida cliniche, per aiutare i pazienti a trovare più facilmente le informazioni di cui hanno bisogno, per migliorare la diagnosi, la pianificazione e la scelta delle terapie.

L’IA generativa, di cui ogni cittadino ora può fare esperienza, sta entrando dunque anche nel settore Life Science con un ventaglio di soluzioni interessanti, con il potenziale (ma ricordiamone i limiti tecnologici attuali) di svolgere un ruolo chiave per l’accelerazione della ricerca, per trasformare il modo in cui trattiamo le malattie, aprendo nuove strade per la diagnosi, la terapia e la cura dei pazienti.