L'IA può sostituire il 60% della R&S farmaceutica progettando e testando nuovi farmaci in silico utilizzando la chimica generativa e modelli predittivi di tossicità ?

I modelli di deep learning come AlphaFold hanno già rivoluzionato il ripiegamento delle proteine. L'AI generativa sta ora proponendo nuove molecole con promettenti affinità di legame, sollevando la domanda su quando l'AI potrà assumere completamente il controllo della scoperta di farmaci.

---

A partire dal 2024, la chimica generativa guidata dall'AI e i modelli predittivi di tossicità hanno compiuto progressi significativi nell'accelerare le prime fasi della scoperta di farmaci, consentendo un rapido design e screening in silico di candidati molecolari. Tecniche come l'ottimizzazione multi-obiettivo con apprendimento per rinforzo (ad esempio, REINVENT o MolGen) e modelli basati su transformer (ad esempio, l'attracco informato da AlphaFold2) possono proporre nuove strutture con affinità di legame favorevoli e rischi ridotti di effetti off-target. Tuttavia, nessuna fonte pubblicata supporta l'affermazione che questi strumenti possano autonomamente sostituire il 60% della tradizionale R&S farmaceutica: le sperimentazioni cliniche, le presentazioni regolatorie e le sperimentazioni su larga scala rimangono guidate dall'uomo e ad alta intensità di dati. La prassi attuale del settore sottolinea il ruolo dell'AI come moltiplicatore di forza nella scoperta di hit e nell'ottimizzazione dei lead, piuttosto che come sostituzione completa dei flussi di lavoro di R&S.

— Arricchito il 10 maggio 2026 · Fonte: McKinsey & Company — https://www.mckinsey.com/industries/life-sciences/our-insights/artificial-intelligence-in-pharmaceutical-drug-discovery