In che modo la partnership Microsoft-Novartis accelera la scoperta dei farmaci

Icona del tempo di lettura 3 minuto. leggere


I lettori aiutano a supportare MSpoweruser. Potremmo ricevere una commissione se acquisti tramite i nostri link. Icona descrizione comando

Leggi la nostra pagina informativa per scoprire come puoi aiutare MSPoweruser a sostenere il team editoriale Per saperne di più

Scienziato Novartis che usa il laptop
Gli scienziati Novartis possono utilizzare la potenza dell'IA per verificare i risultati e i dati prodotti dai precedenti esperimenti eseguiti. Con l'apprendimento automatico e l'algoritmo, i computer possono trovare le informazioni necessarie nascoste in grandi quantità di dati e file di laboratorio Novartis.

Il tempo a volte tende ad essere uno dei più grandi nemici degli scienziati quando inventano nuove medicine. Luca Finelli, Vice President Novartis e Head of Insights, Strategy & Design, ha paragonato questa lotta alla cucina per spiegare come questo noioso processo richieda così tanto tempo e risorse.

"In genere, lo scienziato della formulazione deve decidere: 'Prenderò questa quantità di questo ingrediente A e una certa quantità di questo ingrediente B.' Poi provano diverse combinazioni”, ha detto Finelli.

Gli scienziati devono trovare la giusta combinazione di molecole per produrre medicinali. Il problema è che ogni miscela dovrà essere sottoposta a una serie di test per verificare la sicurezza, l'efficienza e le altre prestazioni complessive del farmaco. Ci vogliono anni e controllare i dati sulla base di esperimenti passati rende solo le cose più faticose per gli scienziati.

"Normalmente, lo fanno manualmente, leggendo tutti questi documenti per scoprire cosa è rilevante per la domanda che hanno in mente", ha commentato Finelli.

Questo, tuttavia, è cambiato per il Novartis scienziati con l'introduzione della partnership strategica 2019 Microsoft-Novartis, che ha fondato il Novartis AI Innovation Lab.

“Portiamo la nostra esperienza nell'apprendimento automatico e il nostro calcolo su larga scala. Quelli non esistono nel mondo farmaceutico. E Microsoft non può farcela (indipendentemente). Non siamo un'azienda farmaceutica. Quindi la partnership è assolutamente cruciale", ha affermato Chris Bishop, Microsoft Research Direttore del Laboratorio Europa.

Ha cambiato il gioco per la multinazionale farmaceutica dopo aver ricevuto le piattaforme tecnologiche che accelerano il processo di scoperta dei farmaci. Ora, gli scienziati Novartis possono utilizzare la potenza dell'IA per verificare i risultati e i dati prodotti dai precedenti esperimenti eseguiti. Con l'apprendimento automatico e l'algoritmo, i computer possono trovare le informazioni necessarie nascoste in grandi quantità di dati e file di laboratorio Novartis.

"Qui, l'IA può effettivamente aiutare a farlo in pochi clic e riportare le informazioni rilevanti all'utente per un ulteriore utilizzo, informandolo su come progettare esperimenti futuri per trovare nuovi modi per creare una formulazione per un nuovo farmaco", ha affermato Finelli .

Ciò significa un'identificazione più rapida delle molecole adatte di cui hanno bisogno per produrre la giusta combinazione molecolare e la medicina. Questo, ovviamente, si traduce in test più rapidi dei farmaci, con il processo complessivo che richiede solo un massimo di settimane. Secondo Bishop, questa tecnologia consente agli scienziati di eseguire "10,000 esperimenti contemporaneamente, ottenere i risultati, quindi utilizzarli per progettare i prossimi 10,000 esperimenti".

Shahram Ebadollahi, Chief Data e AI Officer di Novartis, ha condiviso che ciò ha consentito all'azienda di fornire i propri servizi a molti dei suoi clienti. 

"Se si guarda a ogni aspetto della pipeline - dalla scoperta e dallo sviluppo di farmaci iniziali agli studi clinici e poi alla produzione del farmaco su larga scala - nel solo 2020, i nostri farmaci hanno raggiunto quasi 800 milioni di pazienti in tutto il mondo", ha affermato Ebadollahi.

Con questo, Novartis prevede di utilizzarlo nei suoi progetti futuri per identificare strutture molecolari e determinare esperimenti precedenti che potrebbero fornire dati preziosi. Tutto questo, per fortuna, verrà eseguito in un tempo molto più breve ora.