Il Global Business Lead Pharma & Life Sciences di Microsoft spiega come Microsoft Discovery utilizzi team di agenti AI per accelerare la scoperta di nuovi farmaci. La vera sfida, però, non è soltanto la velocità: è garantire affidabilità, validazione e mantenere l’uomo al centro del processo scientifico.
L’intelligenza artificiale sta entrando in ogni fase della ricerca biomedica, dalla scoperta di nuovi bersagli terapeutici fino allo sviluppo dei farmaci e all’interazione con le autorità regolatorie. Dopo una prima fase dominata dai modelli generativi, il settore guarda oggi con crescente interesse all’AI agentica: sistemi in cui agenti specializzati collaborano per affrontare attività complesse.
Tra le iniziative più avanzate in questo ambito c’è Microsoft Discovery, la piattaforma presentata dall’azienda per accelerare la ricerca scientifica. Al WOMA Forum abbiamo intervistato Antonio Gatti, Global Business Lead Pharma & Life Sciences di Microsoft, per capire come questa tecnologia possa incidere concretamente sul futuro della salute e quale ruolo continueranno ad avere ricercatori e aziende farmaceutiche.
Microsoft ha presentato Discovery come una piattaforma AI agentica per accelerare la ricerca scientifica. Da quale esigenza nasce questo progetto?
Microsoft Discovery è un progetto a cui tengo moltissimo, perché l’ho visto nascere fin dall’incubazione, un paio di anni fa.
Siamo partiti dall’esperienza di Copilot e dagli strumenti di AI generativa dedicati alla produttività personale. Uno dei temi che però ci stava particolarmente a cuore, anche su impulso di Satya Nadella, era la ricerca scientifica.
Abbiamo iniziato sperimentando Copilot in questo ambito, ma ci siamo resi conto che i modelli generalisti, da soli, non erano sufficienti ad affrontare la complessità della ricerca.
Per questo, insieme a Microsoft Research, abbiamo sviluppato modelli specialistici, come BioGPT. Ma anche questo non bastava.
Microsoft Discovery nasce proprio per mettere insieme modelli, dati e strumenti, anche di partner e di altri provider tecnologici, coordinandoli attraverso l’AI agentica.
L’idea è costruire un vero e proprio virtual research team, nel quale ogni agente è specializzato in un compito preciso: biologia, medical writing, costruzione del piano di ricerca, integrazione delle informazioni e così via.
In che modo questa piattaforma può accelerare concretamente lo sviluppo di nuovi farmaci?
La piattaforma è stata progettata per essere il più possibile aperta e configurabile.
Oggi ci sono aziende che la utilizzano nella fase di drug discovery, altre che la impiegano nello sviluppo preclinico e altre ancora che la stanno sperimentando lungo un percorso molto più ampio, dall’identificazione del target fino alle prime fasi di sviluppo clinico.
L’obiettivo è ridurre drasticamente i tempi della ricerca. Oggi portare un farmaco dall’identificazione del bersaglio alla commercializzazione può richiedere anche 13-15 anni. Con questi nuovi approcci possiamo immaginare scenari nei quali questo percorso si riduce a circa sei-sette anni.
Naturalmente non significa che l’intelligenza artificiale svolga tutto il lavoro da sola, ma che riesca ad accelerare numerose attività ad alto contenuto informativo.
Oggi si parla sempre più spesso di farmaci sviluppati con l’intelligenza artificiale. È davvero possibile misurare il contributo dell’AI?
Oggi non esiste ancora un framework di misurazione standard.
Il settore farmaceutico utilizza tecniche di intelligenza artificiale da molti anni, ben prima dell’arrivo dell’AI generativa. Il machine learning è già parte di molti processi di ricerca.
Per questo è difficile stabilire quando un farmaco possa essere definito realmente “sviluppato con l’AI”.
Ci sono già programmi molto avanzati e scenari in cui l’intelligenza artificiale contribuisce in maniera significativa alla ricerca, ma il tema della misurazione rimane ancora aperto.
Oltre alla ricerca, quali sono gli ambiti nei quali l’AI può avere un impatto immediato?
Uno degli scenari più interessanti riguarda il rapporto con le autorità regolatorie.
Quando un’azienda riceve richieste di chiarimento durante il processo di approvazione di un farmaco, l’intelligenza artificiale può aiutare ad anticipare le domande e a costruire le risposte attingendo alla conoscenza già presente all’interno dell’organizzazione, evitando di ripetere ogni volta lo stesso lavoro.
Anche le autorità regolatorie stanno evolvendo rapidamente.
Negli Stati Uniti si sta sviluppando una forte collaborazione tra istituzioni, aziende farmaceutiche e provider tecnologici, perché tutti hanno compreso che il regolatore non può diventare il collo di bottiglia dell’innovazione.
Se gli agenti AI commettono un errore nelle prime fasi della ricerca, esiste il rischio che questo si propaghi lungo tutto il processo?
È esattamente uno dei temi più importanti.
Il vero tema oggi non è tanto scegliere il modello migliore, ma costruire un framework di validazione.
La piattaforma è stata progettata proprio per verificare costantemente la qualità dei risultati prodotti dagli agenti.
Non credo che esisterà mai una risposta assoluta alla domanda sull’affidabilità dell’AI, perché molto dipenderà dai criteri di validazione adottati da ciascuna organizzazione.
Per questo motivo, oggi un’azienda farmaceutica non dovrebbe chiedersi quale sia il miglior strumento disponibile.
La tecnologia evolve troppo rapidamente. Bisogna costruire una metodologia che permetta di esercitare un giudizio sull’output prodotto dai modelli.
Esiste il rischio che solo le grandi aziende farmaceutiche riescano a sfruttare queste tecnologie?
In realtà credo stia accadendo il contrario.
L’accessibilità è molto maggiore rispetto al passato.
Il costo del fallimento si è ridotto enormemente. Oggi una startup può sviluppare un primo prodotto e testarlo con investimenti molto inferiori rispetto a pochi anni fa.
Le grandi aziende mantengono certamente un vantaggio importante: possiedono enormi patrimoni di dati accumulati negli anni.
Per questo vediamo sempre più spesso programmi di collaborazione nei quali le aziende farmaceutiche mettono a disposizione delle startup dati e conoscenze, accelerando così l’innovazione.
In un mondo in cui gli agenti AI diventano sempre più autonomi, quale ruolo continuerà ad avere il ricercatore?
Il capitale umano continuerà a essere fondamentale.
Nel settore farmaceutico nessuna azienda ha interesse a sostituire i ricercatori. Gli agenti possono svolgere una parte significativa delle attività operative, ma non possiedono il pensiero critico e la capacità di giudizio che caratterizzano uno scienziato.
Oggi un ricercatore può arrivare a dedicare gran parte del proprio tempo alla ricerca e all’organizzazione delle informazioni.
Se riusciamo a ridurre drasticamente questo tempo, liberiamo capacità cognitiva che può essere dedicata al ragionamento, alla valutazione scientifica e alla generazione di nuove idee.
È questo, secondo me, il vero valore dell’AI agentica. Non sostituire le persone, ma permettere ai ricercatori di concentrarsi su ciò che gli esseri umani sanno fare meglio: esercitare il giudizio, formulare ipotesi e fare innovazione.
