Oggi, portare sul mercato un nuovo farmaco richiede mediamente 10-15 anni e un investimento di 1,5-2 miliardi di dollari. Circa la metà del tempo e dei soldi impiegati servono per gli studi clinici (trial, in inglese) che, malauguratamente, hanno un tasso di insuccesso altissimo: solo il 10% circa delle molecole che entrano in sperimentazione clinica riceve poi l’approvazione da parte delle autorità regolatorie1. L’IA può essere sfruttata per migliorare il disegno e la conduzione degli studi clinici, aumentando le probabilità che abbiano un esito positivo.
Uno dei fattori che contribuisce all’insuccesso dei trial è la difficoltà nel reclutamento dei partecipanti. In genere, per uno studio clinico di fase I ne servono meno di cento, per uno studio clinico di fase II qualche centinaio e per uno studio clinico di fase III qualche migliaio1. Per potere partecipare allo studio i pazienti devono presentare precise caratteristiche (in gergo si dice che devono “soddisfare i criteri di eleggibilità”): per esempio, essere in una certa fascia di età, avere una forma della malattia più o meno severa, essere già stati trattati con qualche farmaco o viceversa non avere mai ricevuto nessun trattamento, e così via. Trovare il numero di pazientinecessario affinché l’analisi statistica dei risultatipermetta di trarre delle conclusioni valide può richiedere molto tempo. Circa un terzo degli studi di fase III fallisce proprio per problemi di reclutamento1.
Questo “collo di bottiglia” nel flusso della sperimentazione clinica può essere eliminato con l’aiuto dell’IA, come dimostra uno studio dell’Università di Chicagoin cui è stato sviluppato uno strumento – per la precisione una macchina a vettori di supporto (Support Vector Machine, SVM), un algoritmo supervisionato per classificare oggetti sconosciuti analizzando più parametri contemporaneamente3 – che abbina bambini e adolescenti con la leucemiaagli studi clinici pertinenti2. I ricercatori hanno esaminato gli studi clinici di fase I, II e III sulla leucemia pediatrica contenuti nel database ClinicalTrials.gov – il registro online dei trial clinici gestito dalla National Library of Medicine, la più importante biblioteca medica mondiale –, hanno estratto le frasi dei protocolli che contenevano i criteri di inclusione e di esclusione e hanno addestrato l’IA a riconoscerle. L’algoritmo classificatore così generato