“L’OPPORTUNISMO TERAPEUTICO” NON È PIÙ CASUALE.
Nel mondo esistono oltre 7.000 malattie rare e non diagnosticate, colpendo più di 300 milioni di persone a livello globale. Per l’80 per cento si tratta di malattie genetiche e per il 20 per cento di forme tumorali, malattie autoimmuni e infezioni; queste ultime fanno riferimento essenzialmente a malattie tropicali e solo in alcune aree del pianeta, zone, purtroppo, caratterizzate da una profonda povertà e dalla cronica mancanza di investimenti per contrastarle. In media parliamo un caso ogni 2000 persone. Le malattie rare, inoltre, sono peculiari perché possono manifestarsi con sintomi diversi da paziente a paziente, sono croniche, progressive e persistono per tutta la vita del malato. Ciascuna di queste patologie riguarda un numero relativamente ristretto di individui, ma il loro impatto collettivo sulla salute pubblica e sull’economia è immenso. Tuttavia, le terapie dedicate sono veramente poche: secondo l’FDA americana, ad esempio, meno del 7% di queste malattie dispone di un trattamento riconosciuto. Purtroppo, la scoperta e lo sviluppo di nuovi farmaci rappresenta un processo lungo e complesso ma, recentemente, ancora l’onnipresente intelligenza artificiale (IA) offre una nuova speranza.
TxGNN: IA made in Harvard.
Un team di ricercatori della Harvard Medical School (HMS) ha sviluppato TxGNN, un modello di IA progettato specificamente per identificare farmaci candidati per le malattie rare e per condizioni prive di cure efficaci. TxGNN ha già identificato possibili trattamenti per oltre 17.000 patologie: fino ad oggi, il più grande numero di malattie gestito da un singolo modello di IA. Pubblicato su Nature Medicine lo scorso settembre, il lavoro è stato reso disponibile gratuitamente per incentivare i clinici e i ricercatori a sfruttarlo come nuovo strumento nella ricerca di nuove terapie.
“Con questo strumento puntiamo a identificare nuove terapie nell’intero spettro delle malattie, ma quando si tratta di condizioni rare, ultrarare e trascurate, prevediamo che questo modello potrebbe aiutare a colmare, o almeno restringere, un divario che crea gravi disparità sanitarie”, ha affermato la ricercatrice principale Marinka Zitnik, professore associato di informatica biomedica al Blavatnik Institute presso HMS.
L’Impronta di TxGNN nella ricerca farmacologica.
I punti di forza del modello TxGNN rispetto agli approcci tradizionali sono fondamentalmente due:
. In primo luogo, identifica i farmaci potenziali insieme ai relativi effetti collaterali, fornendo una previsione mirata delle possibili reazioni avverse.
. In secondo luogo, spiega anche le motivazioni alla base delle sue scelte, offrendo ai medici il quadro completo di un determinato farmaco e sulla sua efficacia per una specifica condizione patologica.
“È esattamente qui che vediamo la promessa dell’intelligenza artificiale nel ridurre il carico globale delle malattie, nel trovare nuovi usi per i farmaci esistenti, che è anche un modo più rapido ed economico per sviluppare terapie rispetto alla progettazione di nuovi farmaci da zero […] Quando si tratta di condizioni rare, ultrarare e trascurate, prevediamo che questo modello potrebbe aiutare a colmare, o almeno restringere, un divario che crea gravi disparità sanitarie”, ha aggiunto ancora Zitnik.
Il nuovo strumento di ricerca ha analizzato circa 8.000 farmaci, includendo sia medicinali già approvati dalla FDA sia quelli in fase di sperimentazione clinica, per 17.080 malattie, comprese condizioni per cui non sono disponibili trattamenti. Ha anche previsto i possibili effetti collaterali e controindicazioni per condizioni specifiche quando, invece, l’attuale approccio della ricerca farmacologica procede principalmente per tentativi ed errori durante le prime sperimentazioni cliniche.
Rispetto ai modelli di IA esistenti per il riutilizzo dei farmaci, TxGNN si è dimostrato migliore del 50% nell’identificazione di farmaci candidati e del 35% nella previsione delle controindicazioni.
Riutilizzare farmaci già approvati: virtuoso, sicuro, efficace.
L’approccio di TxGNN, con la sua capacità di riproporre farmaci già approvati per nuove indicazioni terapeutiche, ci offre anche importanti vantaggi:
. Ridurre significativamente i tempi e i costi dello sviluppo farmacologico;
. Sfruttare medicinali con profili di sicurezza ben studiati e documentati;
. Ampliare l’accesso a trattamenti per pazienti con patologie attualmente prive di cure.
Studi precedenti hanno dimostrato che quasi il 30% dei farmaci approvati dalla FDA acquisisce nuove indicazioni terapeutiche dopo l’immissione sul mercato. Nuovi utilizzi che, fino ad oggi, sono stati, spesso, risultato del caso, basati su segnalazioni di pazienti o intuizioni cliniche.
TxGNN rivoluziona questo processo, introducendo un metodo sistematico, che si affianca al metodo empirico, per identificare nuove opportunità terapeutiche.
Cosa rende TxGNN superiore ai modelli esistenti?
A differenza della maggior parte dei modelli di IA, sviluppati e addestrati su singole malattie o gruppi ristretti di condizioni, TxGNN adotta un approccio “generalizzato”, rendendolo più simile al processo cognitivo che potrebbe fare un medico in carne e ossa se avesse accesso a tutte le conoscenze e i dati esistenti. Utilizza cioè grandi set di dati da poter confrontare ed incrociare:
. Informazioni sul DNA e sulle mutazioni genetiche;
. Dati relativi alla segnalazione cellulare e all’espressione genica;
. Cartelle cliniche elettroniche e annotazioni cliniche.
Questo consente al modello di individuare caratteristiche condivise tra diverse malattie, identificarne i meccanismi patologici comuni e suggere infine i farmaci potenzialmente efficaci anche per quelle patologie poco comprese.
Numeri importanti.
I ricercatori hanno testato il modello su 1,2 milioni di cartelle cliniche, chiedendogli di identificare farmaci candidati per diverse malattie e di prevedere, inoltre, le controindicazioni in base alle caratteristiche specifiche dei pazienti.
Un esperimento chiave ha trattato tre malattie rare che il modello non aveva mai analizzato prima: un disturbo dello sviluppo neurologico, una malattia del tessuto connettivo e una condizione genetica legata allo squilibrio idrico. Le indicazioni di TxGNN sono risultate sempre coerenti con le attuali conoscenze mediche, dimostrando capacità di analisi paragonabili a quelle di un esperto clinico e fornendo puntualmente la motivazione logica della sua decisione. Questa funzione esplicativa del modello garantisce trasparenza e può contribuire a rafforzare la fiducia dei medici nell’adozione dell’IA per la scoperta e l’utilizzo di farmaci.
…ma siamo solo all’inizio.
I ricercatori sottolineano che, chiaramente, qualsiasi terapia individuata da TxGNN dovrà essere sottoposta a valutazioni cliniche aggiuntive. Tuttavia, il potenziale di questo strumento è da considerarsi davvero enorme, soprattutto per la spinta che ne riceverebbe la ricerca farmacologica e lo sviluppo di opzioni terapeutiche per migliaia di pazienti.
Attualmente, il team di Harvard (che comprende Kexin Huang, Payal Chandak, Qianwen Wang, Shreyas Havaldar, Akhil Vaid, Jure Leskovec, Girish N. Nadkarni, Benjamin S. Glicksberg e Nils Gehlenborg) sta collaborando con diverse fondazioni per malattie rare per identificare possibili trattamenti e valutare il loro impatto clinico.
Dunque…
L’introduzione di TxGNN rappresenta, potenzialmente, un punto di svolta nella lotta contro le malattie rare. Grazie alla sua capacità di identificare farmaci candidati su vasta scala e di fornire soluzioni e spiegazioni dettagliate sulle sue scelte, questo modello di IA potrebbe aprire nuove strade per una medicina personalizzata, a basso costo e in grado, quindi, di ridurre le disparità sanitarie e migliorare significativamente la qualità della vita di milioni di pazienti in tutto il mondo.
Un progresso rivoluzionario nella ricerca medica, ma anche una vera e propria “rivoluzione virtuosa” nel mondo della farmaceutica che, da sempre, vive di spese, sovvenzioni ed entrate gargantuesche…incrociare le dita mi sembra d’uopo.
by O.D.B.
Fonti:
