L'IA che inventa medicine: quando i dati diventano la vera ricetta

Nel settore farmaceutico succede una cosa strana: i ricercatori hanno accesso a montagne di dati — molecole testate, risultati clinici, strutture proteiche — ma spesso non sanno come farli comunicare tra loro. È come avere una biblioteca gigante dove tutti i libri sono in lingue diverse e nessuno ha il dizionario. L'IA, in questo senso, gioca il ruolo del traduttore intelligente.

Secondo Pradeep Bandaru, che guida i flussi di IA in Sanofi, il game-changer non è l'IA in sé — che ormai è commoditizzata — ma la qualità e l'integrazione dei dati. Quando riesci a connettere i puntini tra trials falliti, strutture molecolari e progressi biologici, improvvisamente il computer inizia a riconoscere pattern che nessun umano vedrebbe in una vita. Non perché sia magico, ma perché sta lavorando su una scala e una velocità impossibili per il cervello umano.

Shawn Rosemarin e il suo team capiscono bene che la sfida pratica è diversa dal sogno da laboratorio. Non è solo 'usare l'IA', ma costruire pipelines che permettono ai sistemi di analizzare dati messy, incompleti e spesso contraddittori. Sanofi sta investendo pesantemente in questo — non per rimpiazzare i chimici, ma per dargli una lancia in mano. Un ricercatore con l'IA al fianco non è uno scienziato meno bravo; è uno scienziato che può testare dieci volte più ipotesi nello stesso tempo.

Il dato interessante? Il vero collo di bottiglia non è più la capacità di calcolo — quella c'è, e costa sempre meno. È la capacità di organizzare, pulire e standardizzare i dati in modo che l'IA possa usarli senza impazzire. È il lavoro noioso che nessuno pubblicizza, ma che fa la differenza tra un prototipo e una medicina che effettivamente funziona.

Qui entra in gioco la filosofia della 'customer engineering' che Rosemarin promuove: anzichè aspettare che i dati diventino perfetti (non accadrà mai), costruisci sistemi robusti che imparano a lavorare con i dati reali, del mondo reale. È un cambio di mentalità importante — dall'ossessione per la purezza dei dati all'accettazione che il disordine è il nostro ambiente naturale.