IBM ha annunciato una nuova collaborazione con l'azienda farmaceutica tedesca Boehringer Ingelheim. Ma cosa c'entrano l'AI e i computer quantistici con la medicina? Semplice, IBM vuole mettere a disposizione della scienza medica le sue scoperte nel campo dell'intelligenza artificiale per favorire la ricerca di nuovi trattamenti anticorpali.
I trattamenti medici basati sugli anticorpi sono un punto cardine nella lotta contro un'ampia gamma di malattie gravi e producono molti meno effetti collaterali rispetto ai trattamenti più tradizionali.
IBM è convinta che sviluppando un modello di AI mirato ad accelerare la ricerca sugli anticorpi la produzione di trattamenti salvavita possa diventare scalabile e più efficiente.
AI generativa per la scoperta di anticorpi
In occasione dell'evento di lancio presentato nel laboratorio di ricerca IBM di Zurigo, Alessandro Curioni, IBM Fellow, Vice President Europe and Africa e Director IBM Research Zurich, ha sottolineato i potenziali benefici dei modelli fondazionali al di là dell'AI e della quantistica, affermando che "i modelli fondazionali possono essere utilizzati per affrontare problemi e dati che esulano dal dominio del linguaggio".
Una delle sfide più importanti che ostacolano lo sviluppo di nuovi trattamenti anticorpali è la natura chiusa della ricerca sugli anticorpi. Il successo dello sviluppo di un nuovo trattamento anticorpale richiede una ripetizione controllata, il che significa che i nuovi trattamenti non possono essere prodotti rapidamente ma richiedono un lungo periodo di test nei laboratori, rallentando il ritmo delle potenziali scoperte.
Pertanto, IBM e Boehringer Ingelheim sperano di scalare lo sviluppo di nuovi anticorpi utilizzando l'AI generativa per produrre molecole che non sono state precedentemente esaminate, eliminando i candidati non vitali e consentendo ai ricercatori di concentrarsi su quelli più promettenti, migliorando notevolmente l'efficienza.
Inoltre, l'AI generativa può contribuire a eliminare i pregiudizi inconsci nello sviluppo di nuovi anticorpi applicando ogni candidato a un'ampia gamma di potenziali applicazioni al di fuori dell'area di competenza di un individuo, migliorando notevolmente non solo il numero di scoperte, ma anche il numero di casi d'uso per ogni scoperta.
