L'IA può sostituire il 50% di tutte le ricerche sulla scoperta di farmaci progettando e testando autonomamente nuove molecole in silico usando l'IA generativa e simulazioni di quantum computing ?

La R&S farmaceutica è notoriamente lenta e costosa, ma l'AI sta già accelerando la scoperta di farmaci. Se un'AI potesse non solo generare molecole ma anche simulare le loro interazioni con la biologia umana su una scala senza precedenti, potrebbe rendere obsoleta la ricerca tradizionale basata su laboratori. La domanda non è se l'AI possa progettare farmaci—è se possa farlo meglio degli esseri umani senza bisogno che gli scienziati umani interpretino i risultati.

L'AI generativa oggi può proporre nuove strutture di piccole molecole con un'elevata affinità di legame predetta per i target proteici, e lo screening ad alta produttività in silico su hardware classico copre già milioni di candidati. Tuttavia, la scoperta completamente autonoma e end-to-end che combina progettazione generativa, attracco quantistico e validazione di laboratorio rimane fuori portata: la precisione del docking è ancora al di sotto dell'incertezza di ~1 kcal/mol necessaria per un'affidabile classificazione dell'affinità, le simulazioni quantistiche per proteine di grandi dimensioni sono soggette a errori sui dispositivi a breve termine, e i colli di bottiglia nella sintesi e validazione nei laboratori umidi persistono. Le dimostrazioni attuali raggiungono una parziale automazione (progettazione → triage in silico → sintesi parziale), ma nessun gruppo ha raggiunto la soglia di riduzione del 50 % della produttività su un'ampia gamma di target. FONTE: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery

— Arricchito 10 maggio 2026