Grazie all’intelligenza artificiale, i ricercatori hanno trovato nuovi farmaci anti-invecchiamento
Nell’ultimo anno, molti progressi significativi sono stati promossi dall’intelligenza artificiale. Ma mentre i chatbot superintelligenti e la generazione rapida di opere d’arte hanno conquistato Internet, le IA si sono spinte fino ad affrontare uno dei principali problemi dell’umanità: l’invecchiamento.
Secondo questo articolo, i sistemi di apprendimento automatico sono stati recentemente impiegati nel campo della scoperta di farmaci, grazie a una ricerca dell’Università di Edimburgo che ha portato all’identificazione di una serie di nuovi farmaci anti-invecchiamento.
L’apprendimento automatico si occupa di utilizzare i dati per simulare l’apprendimento umano e migliorare l’accuratezza man mano che si inseriscono altri dati. Ma questo particolare algoritmo era alla ricerca di un nuovo farmaco senolitico. In passato è stato utilizzato per generare robot che giocano a scacchi, auto a guida autonoma e persino suggerimenti televisivi on-demand.
I senolitici sono essenzialmente una classe di farmaci che rallentano il processo di invecchiamento e proteggono dalle malattie legate all’età. Funzionano eliminando le cellule senescenti, che sono cellule danneggiate che possono emettere composti infiammatori nonostante non siano in grado di riprodursi.
I senolitici sono farmaci potenti, ma il loro sviluppo può essere costoso e richiedere molto tempo. Vanessa Smer-Barreto, ricercatrice presso l’Istituto di Genetica e Medicina Molecolare dell’Università di Edimburgo, si è resa conto di questa situazione e ha fatto ricorso all’apprendimento automatico.
“Generare i propri dati biologici può essere molto costoso e può richiedere molto tempo, anche solo per raccogliere i dati di addestramento”, spiega.
“Ciò che ha reso il nostro approccio diverso dagli altri è che abbiamo cercato di farlo con fondi limitati. Abbiamo preso i dati di addestramento dalla letteratura esistente e abbiamo cercato di capire come utilizzarli con l’apprendimento automatico per accelerare i tempi”.
Grazie a un algoritmo di apprendimento automatico, la ricercatrice ha scoperto tre alternative valide per questo tipo di farmaci.
Smer-Barreto e i suoi colleghi hanno ottenuto questo risultato insegnando a un modello di intelligenza artificiale a distinguere tra senolitici noti e non senolitici, fornendo al modello campioni di ciascuno di essi. In base alla corrispondenza tra le nuove molecole e gli esempi precedentemente somministrati, hanno potuto utilizzare questa informazione per determinare se si trattasse o meno di senolitici.
Solo due dei circa 80 senolitici conosciuti sono stati sperimentati sulle persone. Anche se sembra una piccola percentuale, i farmaci impiegano da 10 a 20 anni e molto denaro per arrivare sul mercato.
Gli scienziati hanno esaminato un’ampia gamma di articoli, ma sono stati selettivi nella loro analisi, concentrandosi solo su 58 sostanze chimiche. Questo ha permesso di eliminare tutti i composti i cui risultati non erano chiari.
Il modello di apprendimento automatico ha ricevuto in tutto 4.340 molecole e in soli cinque minuti ha prodotto un elenco di risultati. Il modello ha determinato che 21 dei composti con il punteggio più alto avevano la massima probabilità di essere senolitici. Senza il modello di apprendimento automatico, questa procedura potrebbe costare molto denaro e richiedere settimane per essere completata. Infine, sono stati utilizzati due diversi tipi di cellule – sane e senescenti – per esaminare le eventuali possibilità di trattamento farmacologico.
Tre dei 21 composti che hanno ottenuto il punteggio più alto sono stati in grado di eliminare le cellule senescenti mantenendo la vitalità di quelle sane. Per saperne di più su come questi nuovi senolitici interagiscono con l’organismo, sono stati condotti ulteriori test.
Nonostante il successo dello studio, questo è solo l’inizio dell’indagine. Il prossimo passo, secondo Smer-Baretto, sarà quello di lavorare con i medici della sua università per valutare i farmaci trovati nei loro campioni di tessuto polmonare umano robusto.
L’équipe vuole verificare se questi farmaci possono rallentare il processo di invecchiamento nel tessuto degli organi danneggiati. Smer-Baretto sottolinea che, soprattutto nelle fasi iniziali, il paziente non sempre riceve una dose elevata di farmaci. Questi farmaci, che possono essere somministrati localmente o in dosi minime, vengono studiati prima su modelli di tessuto.
“È essenziale che con qualsiasi farmaco che stiamo somministrando o sperimentando, consideriamo il fatto che potrebbe fare più male che bene”, dice Smer-Baretto.
“I farmaci devono prima passare attraverso molte fasi e, anche se riescono ad arrivare sul mercato, saranno prima passati attraverso una serie di test di sicurezza”.
Non c’è nulla che impedisca all’IA di essere utilizzata in altri campi, anche se questo tipo di analisi dei dati è stato utilizzato per i farmaci legati all’invecchiamento.
“Abbiamo avuto un approccio molto specifico con i dati, ma nulla ci impedisce di applicare tecniche simili ad altre malattie, come il cancro. Siamo desiderosi di esplorare tutte le strade”.
L’IA sta cambiando il modo in cui ci approcciamo alla creatività, ma anche la medicina sarà un campo che ne sarà profondamente influenzato, soprattutto nella scoperta di nuovi farmaci, ma anche nella cura e nella diagnostica che potrà essere sempre più personalizzata in base alle esigenze del paziente e accelerata grazie alle diagnosi preliminari effettuate dalle IA.
