La questione va letta lungo l’intera filiera del farmaco. L’IA produce valore quando riduce incertezza misurabile: molecole scartate prima, protocolli scritti con criteri più coerenti, pazienti individuati meglio, dati raccolti con meno dispersione e dossier regolatori costruiti in modo più solido.
Nota sanitaria: questo articolo analizza ricerca, regolazione e accesso ai farmaci. Non contiene indicazioni terapeutiche individuali e non sostituisce il parere del medico o del centro specialistico.
Sommario dei contenuti
La misura del problema: dieci anni di sviluppo sono un costo clinico
La sequenza che porta un farmaco dal laboratorio al paziente resta una delle più selettive della medicina moderna. Il valore discusso dal FoSSC parte da qui: solo una quota minoritaria dei candidati arriva all’approvazione regolatoria. Il 12% citato nel confronto tecnico segnala la fragilità del percorso dopo la fase di ricerca clinica; ogni fallimento avanzato consuma anni, capitale, capacità dei centri e aspettative dei pazienti.
La nostra lettura separa due piani spesso confusi. Il costo economico è quello sostenuto da aziende, investitori, strutture di ricerca e sistemi pubblici coinvolti nelle valutazioni. Il costo sanitario nasce dal ritardo nell’accesso a terapie utili. Se una molecola valida arriva tardi alla sperimentazione o se uno studio parte con criteri di arruolamento deboli, il danno non resta nel bilancio industriale: si trasferisce sul calendario delle cure.
Dove l’IA incide davvero nella catena del farmaco
L’intelligenza artificiale entra nella filiera in punti molto diversi. Nella fase di scoperta può aiutare a identificare bersagli biologici e a ottimizzare il disegno di nuove molecole. Nello sviluppo preclinico può migliorare la previsione di tossicità, interazioni, farmacocinetica e stabilità. Nella clinica può sostenere la stratificazione dei pazienti, simulare scenari di trial e rendere più leggibile il rischio di mancato arruolamento.
Il passaggio più delicato riguarda la qualità del dato. Un algoritmo utile nella ricerca farmaceutica funziona come sistema di collegamento tra biologia, chimica, cartella clinica, immagini, endpoint e vincoli regolatori. La Commissione europea colloca l’IA lungo tutto il ciclo di vita del medicinale, dalla scoperta alla farmacovigilanza. Questo inquadramento conferma la nostra analisi: il risparmio nasce quando le decisioni diventano più precoci e documentabili.
Il 25% e il 40% non sono uno sconto automatico
Le percentuali indicate dal FoSSC vanno trattate come stima di efficienza di sistema. Il 25% sui costi può diventare realistico dove l’IA riduce esperimenti ridondanti, individua prima molecole deboli, migliora la scelta dei siti e accorcia la revisione dei dati. Il 40% sui tempi diventa plausibile quando lo stesso impianto digitale aiuta a scrivere protocolli più eseguibili, intercettare pazienti eleggibili e prevenire correzioni tardive.
La parte che pesa di più riguarda la capacità di evitare errori tardivi, più ancora della velocità di calcolo. Un trial che arruola lentamente costringe sponsor e centri a prolungare contratti, monitoraggi, gestione dati e personale. Uno studio con criteri troppo stretti o endpoint poco allineati alla pratica clinica produce ritardi anche quando la molecola è promettente. L’IA crea valore se trasforma questi segnali in decisioni prima che il protocollo diventi un ostacolo.
La selezione dei pazienti è il punto tecnico più sensibile
Nel farmaco di precisione, il paziente giusto non coincide più con una diagnosi scritta in modo generico. Conta il biomarcatore, la linea di trattamento, la storia terapeutica, la funzione d’organo, la presenza di comorbidità e la compatibilità con il centro che segue lo studio. Ogni criterio inserito nel protocollo modifica il bacino reale dei candidati. L’IA può stimare prima se uno studio avrà abbastanza pazienti arruolabili in tempi sostenibili.
Questo passaggio ha un impatto diretto sull’Italia. Una media di 16,22 pazienti per studio contro 38,11 della Spagna non indica solo una differenza numerica; rivela una diversa capacità di trasformare il potenziale dei centri in arruolamento effettivo. La macchina organizzativa conta quanto la qualità scientifica. Quando un Paese arruola meno, vede meno farmaci nelle fasi decisive e forma più lentamente le proprie équipe sulle terapie emergenti.
Perché la Cina entra nel dossier FoSSC
Il confronto con la Cina fotografa il modo più rapido per capire dove si sta spostando la competizione. Negli studi oncologici l’Europa ha perso quota negli ultimi anni e il richiamo al calo del 50% nei trial avviati, con circa 60mila pazienti arruolati in meno in cinque anni, descrive una perdita di attrattività clinica prima ancora che industriale. Gli Stati Uniti restano centrali ma anche lì il dossier richiama una riduzione del 34% nei trial oncologici avviati nell’arco considerato.
La nostra analisi su ricerca oncologica e avanzata cinese aveva già isolato il punto: il valore sta meno nel singolo studio annunciato che nella capacità di far partire molti studi in tempi prevedibili e con popolazioni arruolabili. Chi controlla questa infrastruttura attira partnership, dati regolatori e investimenti successivi.
Italia: il divario va oltre il numero dei trial
Il dato dei quasi 1.100 studi clinici multinazionali attivi in Italia va letto insieme allo scarto con gli altri Paesi: 450 in meno rispetto alla Spagna e 250 in meno rispetto a Francia e Germania. La differenza non riguarda la competenza dei ricercatori italiani. Riguarda la prevedibilità del percorso: contratti, approvazioni, personale dedicato alla ricerca, data manager, infermieri di ricerca e infrastrutture digitali capaci di dialogare con sponsor internazionali.
AIFA fotografa da anni la sperimentazione clinica nazionale attraverso l’Osservatorio dedicato. Nel 2023 sono state autorizzate 611 sperimentazioni su 764 valutate e l’85,8% dei trial autorizzati era internazionale. Questo conferma una doppia realtà: l’Italia resta dentro le reti globali, però la quota nazionale autonoma e la capacità di competere con i Paesi più veloci restano punti aperti. L’IA aiuta solo se trova procedure organizzate su cui innestarsi.
Dal via libera europeo alla disponibilità reale
La seconda strettoia italiana arriva dopo la valutazione europea. Nel perimetro discusso dal FoSSC, su 84 nuovi farmaci con decreto di rimborso pubblicato in Gazzetta Ufficiale tra luglio 2024 e maggio 2026 sono trascorsi in media 482 giorni dalla domanda di rimborso dell’azienda. La domanda arriva in media due mesi dopo il via libera EMA. Poi entrano in gioco prontuari regionali, organizzazione degli acquisti e gare ospedaliere.
La conseguenza operativa è pesante: un farmaco può essere scientificamente valutato e restare comunque lontano dal paziente per molti mesi. Nel nostro approfondimento sulla spesa farmaceutica 2025 abbiamo già mostrato che il problema dei farmaci innovativi non si risolve guardando solo il costo annuale. Conta il rendimento sanitario della spesa e conta la velocità con cui il sistema trasforma una decisione regolatoria in accesso concreto.
Trasferimento tecnologico: il passaggio che l’Italia non può saltare
Il richiamo alla farmaceutica innovativa come asset strategico va tradotto in infrastruttura. Sergio Abrignani ha portato nel confronto FoSSC un punto decisivo: l’Italia produce ricerca di qualità ma negli ultimi trent’anni non ha costruito una posizione proporzionata come generatore di farmaci innovativi. La differenza tra scoperta e farmaco nasce nel trasferimento tecnologico, nella protezione della proprietà intellettuale, nella capacità di attrarre capitale e nella produzione biologica su scala.
Qui l’IA diventa un acceleratore solo se si aggancia a un ecosistema. Un algoritmo può individuare un bersaglio o migliorare una molecola; senza brevetto gestito bene, capitale paziente, competenza regolatoria e capacità produttiva, quel risultato resta fragile. Il polo pubblico privato per farmaci biologici evocato nel confronto serve proprio a chiudere questa distanza tra laboratorio e industria.
Il perimetro regolatorio dell’IA è già in costruzione
La novità del 2026 è che il dibattito non si muove più solo sul piano delle applicazioni sperimentali. La FDA ha pubblicato nel gennaio 2025 una bozza di guida per l’uso dell’IA a supporto delle decisioni regolatorie su sicurezza, efficacia e qualità dei farmaci. L’EMA ha adottato il reflection paper sull’IA nel ciclo di vita dei medicinali, dalla scoperta al post autorizzazione. Il messaggio comune è chiaro: l’algoritmo deve avere un contesto d’uso definito e una credibilità valutabile.
Il quadro si rafforza con ICH M15 sullo sviluppo farmaceutico informato da modelli. La versione Step 5, pubblicata nel 2026 con efficacia europea dal 23 luglio 2026, stabilisce un linguaggio armonizzato per pianificazione, valutazione, documentazione e interazioni regolatorie sui modelli. Questo non coincide con l’IA generativa, però crea la base tecnica per accettare modelli quantitativi dentro decisioni di sviluppo. È un tassello decisivo per trasformare promesse digitali in evidenze presentabili.
Un esempio concreto: l’IA già dentro uno strumento regolatorio
Il caso AIM-NASH mostra che il passaggio è già iniziato. La FDA ha qualificato il primo strumento di sviluppo farmaceutico basato su IA per trial nella MASH, la steatoepatite metabolica. Il sistema aiuta i patologi a valutare componenti istologiche della biopsia epatica come steatosi, infiammazione e fibrosi, mantenendo la responsabilità finale in capo al patologo. Il valore emerge dalla standardizzazione del giudizio clinico e dalla capacità di rendere più standardizzata una misurazione che nei trial può condizionare arruolamento ed endpoint.
Questo è il tipo di uso che rende concreta la stima sui tempi. Quando una misura di malattia diventa più riproducibile, il trial può produrre dati meno variabili. Meno variabilità significa meno incertezza sulla lettura dell’effetto terapeutico. In aree dove gli endpoint sono complessi, l’IA può quindi ridurre attriti metodologici prima ancora di velocizzare il lavoro amministrativo.
Cosa cambia per pazienti, centri e imprese
Per i pazienti, l’impatto più importante riguarda l’accesso precoce a studi ben disegnati e a farmaci innovativi dopo l’autorizzazione. Un Paese che avvia trial in ritardo e arruola poco vede meno opzioni sperimentali. Un Paese che impiega quasi due anni per completare il percorso di accesso dopo l’iter europeo crea una frattura tra valutazione scientifica e disponibilità reale.
Per i centri clinici, l’IA chiede competenze nuove: gestione dei dati, interoperabilità, auditabilità degli algoritmi, protezione dei pazienti e capacità di spiegare perché un modello ha contribuito a una scelta di studio. Per le imprese, il vantaggio competitivo passa dalla semplice adozione di strumenti digitali alla produzione di evidenza robusta. Il mercato premierà chi sa dimostrare che l’IA riduce fallimenti, tempi e incertezza regolatoria.
La lettura di Sbircia: il nodo italiano è la conversione
Il dossier FoSSC porta in superficie un punto che la sanità italiana incontra spesso: abbiamo competenze scientifiche e cliniche rilevanti, però fatichiamo a convertirle in sviluppo farmaceutico, trial attrattivi e accesso rapido. L’IA può ridurre costi e tempi solo dentro una filiera che accetta di misurare i propri colli di bottiglia. Dove il ritardo è burocratico, serve semplificazione. Dove il ritardo è industriale, serve trasferimento tecnologico. Dove il ritardo è clinico, servono reti di centri capaci di arruolare.
La conclusione operativa è sobria: l’intelligenza artificiale può diventare una leva farmaceutica nazionale se viene trattata come infrastruttura di qualità, non come etichetta tecnologica. La differenza si misurerà nei protocolli che partono prima, nei dati che reggono la valutazione regolatoria e nei pazienti che ricevono una terapia innovativa senza attraversare mesi inutili di attesa amministrativa.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Junior Cristarella
Source link
