Sull’impiego della data science e dell’intelligenza artificiale nella ricerca e nella produzione vaccinale, un tema assolutamente tra i più dibattuti del momento, abbiamo incontrato, per un proficuo confronto, un esperto in prima linea in questa colossale impresa di adozione: il dottor Duccio Medini, Head of Data Science and Digital Innovation, Gsk Vaccines R&D.

Dal dottor Medini, in particolare, ci siamo fatti spiegare in che misura la data science e l’intelligenza artificiale impattano oggi sull’industria vaccinale.

“Sia la data science sia l’intelligenza artificiale (IA) sono ormai utilizzate in campo farmaceutico e vaccinale in modo pervasivo, anche se la loro adozione è ancora spesso immatura e frammentata. Da ormai una ventina d’anni, con l’analisi genomica, l’intelligenza artificiale è comunque entrata prepotentemente nel settore farmaceutico della Ricerca e Sviluppo, da cui man mano si è diffusa in altri ambiti: ora è la volta del manufacturing e delle sue importanti sfide”.

Secondo uno studio McKinsey del 2019, per riuscire a sostenere la crescita di investimento del settore farmaceutico, le soluzioni di Digital Analytics possono impattare anche del 30% in tutti i verticali della value chain, e questo già sta avvenendo.

Data science e IA in tutte le fasi del processo di produzione dei vaccini

“Restando all’ambito dei vaccini, di data science si può parlare per tutte le fasi di processo: dalla ricerca degli antigeni usando l’IA all’analisi delle strutture degli anticorpi monoclonali, cioè anticorpi già pronti, isolati nei pazienti guariti, che vengono iniettati nel paziente malato ed entrano subito in azione, mantenendo la loro efficacia per alcuni mesi.

L’intelligenza artificiale viene impiegata anche nella ricerca di adiuvanti che amplificano la risposta immunitaria, nell’analisi traslazionale dei risultati ottenuti sugli animali rispetto a cosa ci si aspetta nell’uomo, nell’analisi dei dati reali successivi alla somministrazione del vaccino, fino all’implementazione del Digital Twin dell’impianto produttivo.

L’intelligenza artificiale trova quindi applicazione in ciascuna delle fasi dello sviluppo vaccinale, senza modificarne l’ordine, ma cambiandone le modalità di svolgimento e ottimizzando i tempi di esecuzione.

L’analisi predittiva, ad esempio, permette di indagare un “bisogno” di salute pubblica in anticipo rispetto ai 12-15 anni previsti per la messa in commercio di un vaccino, ma anche di rilevare eventuali trend di insorgenza delle malattie, come nel caso del vaccino per la pertosse, che ha iniziato a perdere efficacia in uno dei suoi componenti e per il quale occorre dunque avviare un nuovo progetto di sviluppo prodotto.

È anche possibile analizzare in tempo reale i dati social per capire quale sia il bisogno in termini di salute, come nel caso dei picchi di influenza: ad esempio, in healthmap.org, facendo mining di social media e analisi quantitativa avanzata di dati su larga scala, si può identificare immediatamente dove si crea un cluster iniziale di una malattia infettiva”.

Nella fase preclinica, la Big Data Analysis entra prepotentemente, perché la genomica (con la proteomica, la trascrittomica e le altre discipline “omiche”) ha reso disponibili moli enormi di dati: oggi da un piccolo campione biologico si possono ricavare miliardi di dati afferenti a ogni singolo gene.

Con riferimento all’altra componente del vaccino, l’adiuvante, vengono utilizzate sempre di più tecnologie che generano grandi quantità di dati con i campioni biologici: da una goccia di sangue si isolano milioni di cellule e per ogni cellula si generano un genoma e un trascrittoma completo che descrivono in grande dettaglio la funzione che sta svolgendo quella specifica cellula in quel preciso momento.

I limiti, tra mancanza di cultura digitale e scarsa condivisione dei dati

“Scoprire e somministrare nuovi vaccini è oggi davvero fondamentalmente un problema di dati: la vaccinologia in combinazione con la data science ha già dimostrato grande potenzialità, ma il viaggio di trasformazione digitale, dicevo all’inizio, è ancora lungo: come evidenziato in uno studio McKinsey del 2019, il verticale farmaceutico in generale è terribilmente in coda, assieme alla PA, nello sviluppo digitale.

Le ragioni di questo ritardo sono molteplici: innanzi tutto, l’IA è entrata nel farmaceutico a partire dalle attività di R&D e non dal marketing, come è avvenuto negli altri verticali. Ne consegue una mancanza di chiarezza strategica aziendale e di cultura digitale generalizzata.

Uno dei problemi di maggiore importanza è, ad esempio, quello della limitatezza dell’info-sharing a causa di un vero e proprio problema infrastrutturale: molti dati sono raccolti in modo non standardizzato. Anche se oggi esiste una piattaforma, chiamata “Clinical Study Data Request”, supportata da più di 15 sponsor (Gsk è stata la prima azienda, nel 2013), che permette a chiunque abbia una motivazione adeguata di chiedere l’accesso ai dati di quasi 3.000 trial clinici, manca ancora un ecosistema del dato di salute in cui diversi player possano affidare in modo sicuro i dati all’utilizzo fair da parte della comunità. Ad esempio, se esso fosse stato disponibile, probabilmente la fase di recrudescenza del Covid-19 sarebbe stata gestita in modo differente.

Occorre infine ricordare che arriva all’approvazione appena un vaccino su 10 e anche in aree farmaceutiche diverse si ha comunque una failure rate del 95%.

Fondamentale è quindi il contributo della data science per eliminare il prima possibile i processi che hanno speranza di arrivare in fondo (early termination) in modo da allocare gli investimenti laddove è più produttivo: ogni fase sperimentale costa infatti circa 10 volte la fase precedente. Utili restano sempre anche gli studi di mercato, perché a volte il virus scompare prima dell’arrivo del vaccino, come nel caso di Sars-CoV-2″.

L’intervista integrale al dottor Duccio Medini sulle tecnologie digitali applicate al manufacturing in ambito vaccinale è stata pubblicata sul fascicolo cartaceo di marzo 2021 della rivista Industrie 4.0