(di Manuela Correra) Reclutare i pazienti è in molti casi la parte più difficile nell'avvio della sperimentazione clinica per un farmaco innovativo, perché trovarne in numero sufficiente - soprattutto se si parla di malattie o forme di tumori rari - può risultare complesso e richiedere tempi lunghi. Una soluzione potrebbe arrivare da un nuovo metodo che utilizza l'Intelligenza Artificiale generativa: si creano dei gemelli digitali dei pazienti reali che consentono di ridurre fino al 50% il numero di pazienti veri necessari per il trial, garantendo però la stessa sicurezza del risultato rispetto al metodo sperimentale classico. Obiettivo: velocizzare i tempi delle sperimentazioni cliniche e far arrivare più rapidamente i farmaci innovativi al letto del malato.

Descritto in un editoriale appena pubblicato sul New Englad Journal of medicine AI, il nuovo metodo è stato ideato e testato da un giovane ricercatore italiano di 26 anni, Piersilvio De Bartolomeis, insieme a due docenti della Harvard University: Issa Dahabreh, professore di Epidemiologia alla Harvard School of Public Health, e Robert Yeh della Harvard Medical School.

Laureato in Ingegneria informatica al Politecnico di Milano, il giovane ricercatore italiano, di Battipaglia (Salerno), sta attualmente terminando un dottorato in Machine learning al Politecnico di Zurigo, dopo un periodo di 6 mesi alla Harvard University supportato dalla Ermenegildo Zegna Founder's Scholarship. L'Intelligenza artificiale, spiega all'ANSA, "offre enormi opportunità nell'ambito della sperimentazione clinica dei farmaci. Nell'editoriale esaminiamo i nuovi metodi di generative AI per cercare di simulare e accelerare le sperimentazioni dei nuovi farmaci nelle fasi cliniche, ovvero sui pazienti. Facciamo riferimento a due nostri studi e ad un terzo studio del team di Microsoft. Ci sono una serie di metodi e modelli, inclusi quelli che noi stiamo sviluppando, che permettono di utilizzare l'AI generativa appunto per velocizzare alcune fasi della sperimentazione. In pratica, l'AI permette di arruolare meno soggetti necessari in un trial: se prima ne servivano ad esempio 100, ora ne potranno servire 70 impiegando l'AI e ciò permette di concludere la sperimentazione più velocemente".