L'intelligenza artificiale potrebbe aver appena compiuto un passo da gigante nella lotta contro il cancro, identificando un metodo promettente per rendere alcuni tumori finalmente aggredibili dall'immunoterapia. Un nuovo modello sviluppato da Google in collaborazione con l'Università di Yale ha individuato un farmaco capace di "risvegliare" il sistema immunitario contro quei tumori che fino ad oggi rimanevano invisibili alle nostre difese naturali. Si tratta di un risultato che gli stessi ricercatori definiscono come una pietra miliare nell'applicazione dell'intelligenza artificiale alla ricerca scientifica.
Il problema che affligge l'oncologia moderna è quello dei cosiddetti tumori freddi, masse cancerose che non vengono riconosciute dal sistema immunitario e che quindi non rispondono all'immunoterapia. Per capirci meglio: immaginate una centrale d'allarme che riceve un segnale troppo debole per attivarsi. In termini medici, questi tumori presentano livelli bassissimi di interferone, una proteina che dovrebbe segnalare la presenza di cellule anomale ma che in questo caso non raggiunge la soglia necessaria per far scattare la risposta immunitaria.
Il modello C2S-Scale 27B è stato programmato per una missione specifica: trovare un composto chimico che potesse funzionare come un amplificatore condizionale. In pratica, un farmaco capace di potenziare quel debole segnale di interferone già presente, trasformandolo in un grido d'allarme abbastanza forte da mobilitare le difese dell'organismo. L'approccio è innovativo perché cerca una soluzione che agisca solo in presenza di determinate condizioni, evitando così di scatenare reazioni immunitarie indesiderate in tessuti sani.
Per raggiungere questo obiettivo, i ricercatori hanno fatto elaborare al sistema oltre 4.000 farmaci attraverso quella che definiscono una "schermatura virtuale a doppio contesto". Il primo scenario comprendeva campioni reali di tumori prelevati da pazienti con bassi livelli di segnalazione dell'interferone. Il secondo utilizzava invece dati cellulari isolati, privi di qualsiasi contesto immunitario. Questa doppia verifica permetteva di identificare farmaci che funzionassero specificamente nella condizione problematica dei tumori freddi, senza effetti nelle situazioni standard.
I risultati sono stati sorprendenti sotto diversi aspetti. Tra i numerosi candidati individuati dall'intelligenza artificiale, solo una piccola percentuale, stimata tra il 10 e il 30%, era già nota nella letteratura scientifica per questo tipo di applicazioni. La maggior parte dei composti rappresentava invece delle scoperte inaspettate, farmaci mai associati in precedenza a questa specifica funzione. Ma il dato più significativo riguarda un composto particolare: il silmitasertib, un inibitore della chinasi CK2.
Il modello aveva previsto che questo farmaco avrebbe aumentato significativamente la presentazione degli antigeni, le particelle che segnalano al sistema immunitario la presenza di cellule tumorali, ma solo nel contesto "immune-positivo", ovvero nei campioni reali dei pazienti dove era presente quel debole segnale di interferone. Negli altri scenari, invece, nessun effetto particolare. Questa predizione ha entusiasmato i ricercatori perché il silmitasertib non era mai stato documentato per questa capacità specifica di potenziare la presentazione antigenica in modo così marcato.
La vera prova del nove è arrivata in laboratorio. Gli esperimenti hanno confermato le previsioni dell'intelligenza artificiale con precisione notevole: il trattamento delle cellule con il solo silmitasertib non produceva alcun effetto sulla presentazione degli antigeni. Tuttavia, quando lo stesso farmaco veniva combinato con basse dosi di interferone, si registrava un aumento di circa il 50% nella visibilità delle cellule tumorali al sistema immunitario. In pratica, l'AI aveva identificato con successo un amplificatore condizionale dell'interferone completamente nuovo, potenzialmente in grado di rendere curabili con l'immunoterapia tumori che prima non rispondevano affatto.
Secondo i ricercatori coinvolti nel progetto, questa scoperta fornisce un modello operativo per un nuovo tipo di indagine biologica. Seguendo le leggi di scala e costruendo modelli più grandi come il C2S-Scale 27B, diventa possibile creare simulazioni predittive del comportamento cellulare abbastanza potenti da condurre screening virtuali ad alta capacità, scoprire biologia condizionata dal contesto e generare ipotesi con solide basi biologiche. Si tratta di un approccio che potrebbe rivoluzionare i tempi e i metodi della ricerca farmacologica.
Il caso del silmitasertib dimostra una capacità dell'intelligenza artificiale che va oltre la semplice elaborazione di dati esistenti. Il sistema non si è limitato a organizzare informazioni già note, ma ha formulato connessioni originali tra elementi apparentemente scollegati, arrivando a suggerire una linea di ricerca che gli scienziati umani non avevano ancora considerato. Questa è precisamente la differenza tra uno strumento di calcolo avanzato e un vero sistema di scoperta scientifica assistita.
