Una molecola non basta più: l’Intelligenza artificiale “custode” dei nuovi farmaci?

C’è un numero che andrebbe inciso sulla soglia di ogni laboratorio farmaceutico: il novanta per cento dei farmaci candidati fallisce prima di raggiungere il paziente. La molecola che in provetta prometteva di guarire si rivela, nel corpo vivo, tossica o inerte o semplicemente diversa da ciò che i modelli preclinici avevano previsto.

Da decenni la farmacologia convive con questo scarto fra promessa e realtà come con un difetto strutturale del proprio metodo, un tributo inevitabile alla complessità dell’organismo umano. Il Governo britannico ha deciso che quel tributo può essere ridotto, e che lo strumento per farlo è l’intelligenza artificiale.

Il 9 giugno 2026 la Medicines and Healthcare products Regulatory Agency (Mhra) ha inaugurato il primo sandbox normativo al mondo dedicato all’uso dell’IA nella sicurezza dei medicinali: un ambiente regolatorio controllato in cui fino a cinque approcci predittivi verranno testati a fianco dei regolatori.

Tre mesi dopo, nel settembre dello stesso anno, ha lanciato la consultazione pubblica “Beyond Admet” – un titolo che è già un programma. Admet è l’acronimo con cui la tossicologia riassume le cinque proprietà decisive di ogni farmaco: assorbimento, distribuzione, metabolismo, escrezione, tossicità. Andare “oltre” significa riconoscere che queste variabili, misurate in condizioni di laboratorio su modelli animali o su colture cellulari, non predicono come un medicinale si comporterà nelle vene di un anziano diabetico, di un bambino, di una donna in gravidanza, di un paziente che assume contemporaneamente altri cinque principi attivi.

Il programma chiede a chiunque operi lungo la filiera del farmaco – dall’industria agli sviluppatori di IA – di progettare modelli capaci di integrare dati preclinici, clinici e real-world – raccolti cioè nella pratica quotidiana della cura – per rappresentare la variabilità biologica e sociale delle popolazioni reali.

I numeri che giustificano l’urgenza sono netti. Nel solo Regno Unito le reazioni avverse ai farmaci provocano ogni anno duecentocinquantamila ospedalizzazioni e costano al servizio sanitario nazionale oltre due miliardi di sterline. Dietro ogni cifra c’è un corpo, una storia clinica che il foglietto illustrativo non aveva previsto. La questione è morale prima ancora che tecnica o economica: riguarda la responsabilità di chi un farmaco lo sviluppa e di chi lo prescrive.

Proprio qui l’iniziativa britannica tocca un nervo filosofico che merita attenzione. La farmacologia classica opera secondo un paradigma riduzionista: isola la molecola, la testa su un modello semplificato, estrapola al paziente medio – una figura statistica che non esiste in nessun reparto ospedaliero. L’IA promette di sostituire quel fantasma con una mappa più fine della diversità biologica. Un framework di machine learning sviluppato dall’Università di Birmingham e pubblicato su “Plos One” nel febbraio 2026 ha raggiunto un’accuratezza predittiva del 94 per cento su alcune categorie di reazioni avverse: il modello risale dai bersagli molecolari di un farmaco agli effetti collaterali che esso produrrà negli organi reali.

Il risultato più istruttivo dello studio, tuttavia, è un altro: solo il 18 per cento delle reazioni avverse riportate spontaneamente dai pazienti britannici attraverso il sistema di segnalazione Yellow Card coincide con quelle registrate durante i trial clinici. L’ottantadue per cento restante è un continente sommerso di sofferenza che emerge soltanto dopo l’immissione in commercio, quando il farmaco incontra corpi che nessun protocollo sperimentale aveva incluso.

Sarebbe ingenuo, però, salutare l’IA come il rimedio definitivo a questa opacità. Il sandbox della Mhra è concepito – con saggezza – come uno spazio di verifica, non di celebrazione. Le prime cinque sperimentazioni ammesse dovranno dimostrare che i loro modelli sono verificabili e soprattutto equi nella distribuzione del rischio fra le popolazioni. È il punto decisivo: un algoritmo che predice con precisione la tossicità di un farmaco in una popolazione e la sottostima sistematicamente in un’altra è un moltiplicatore di disuguaglianza, non uno strumento di sicurezza.

Il rischio che i dati di addestramento riproducano i bias storici della ricerca clinica – la sottorappresentazione delle donne, delle minoranze etniche, dei pazienti anziani con comorbidità multiple – è documentato. L’IA in farmacologia sarà etica nella misura in cui renderà visibili proprio quei corpi che la medicina sperimentale ha troppo a lungo trattato come eccezioni statistiche.

C’è infine una questione di governance che la consultazione britannica pone senza risolverla – e forse è il suo merito maggiore. Beyond Admet si rivolge a tutti gli attori della filiera del farmaco, compresi quelli che non utilizzano ancora l’intelligenza artificiale. La domanda implicita è: chi deve decidere quali dati alimentano i modelli predittivi, quali soglie di rischio sono accettabili, quali popolazioni devono essere protette per prime? Se la risposta resta confinata al dialogo fra regolatori e industria, la promessa di una sicurezza farmaceutica più inclusiva rischia di trasformarsi nel suo contrario – un’ottimizzazione che risponde al mercato prima che al paziente.

La sfida, in ultima analisi, è politica nel senso più nobile del termine: riguarda la distribuzione della cura e la definizione di chi conti come soggetto degno di protezione. Un algoritmo può mappare la tossicità. Solo una comunità può decidere a chi quella mappa debba servire per prima.