Isomorphic Labs, la società nata nel 2021 come costola di Google DeepMind, sta per iniziare le sperimentazioni cliniche su esseri umani dei primi farmaci progettati con l’intelligenza artificiale. Lo ha annunciato Max Jaderberg, presidente della compagnia, al WIRED Health di Londra.
«Ci stiamo preparando ad andare in clinica. Sarà un momento molto eccitante, quando inizieremo a vedere l’efficacia di queste molecole.»
Conta, per due ragioni. La prima: Isomorphic Labs non è una startup qualunque. È l’evoluzione commerciale di AlphaFold, il sistema che ha risolto un problema aperto dagli anni Settanta, la previsione della struttura tridimensionale delle proteine, e che è valso a Demis Hassabis e John Jumper il Premio Nobel per la Chimica nel 2024. AlphaFold ha predetto la struttura di tutti i 200 milioni di proteine conosciute, usato da oltre 2 milioni di ricercatori in 190 paesi.
La seconda ragione è più concreta. I farmaci sviluppati con questo approccio sono progettati per essere più potenti e selettivi di quelli tradizionali. La comprensione del meccanismo d’azione, spiega Jaderberg, permette dosi più basse e meno effetti collaterali.
La tecnologia si chiama IsoDDE (Isomorphic Drug Design Engine), un sistema proprietario che più che raddoppia la precisione di AlphaFold 3 nella predizione delle interazioni tra farmaci e bersagli molecolari. Isomorphic Labs ha raccolto 600 milioni di dollari nel primo round e ha firmato partnership con Eli Lilly e Novartis. Pipeline su oncologia e immunologia.
Ma c’è un problema. Hassabis aveva previsto trial entro la fine del 2025. Siamo nel 2026 e non sono ancora iniziati. Nessuna data comunicata.
Poi c’è la domanda che conta. Predire come una molecola si lega a una proteina è una cosa. Dimostrare che un farmaco è sicuro ed efficace negli esseri umani è un’altra. La storia della farmacologia è piena di molecole promettenti finite male in fase clinica. Il corpo umano riserva sorprese che nessun modello può anticipare del tutto.
Se i trial funzioneranno, lo sviluppo farmaceutico cambierà tempi e costi in modo netto. Se falliranno, sapremo dove l’AI si scontra con i limiti della biologia.
