Unisciti al canale Telegram di Smartphonology

Generative AI: la rivoluzione dell’IA nel biotech


Nell’anno 2022 sono state lanciate innovativi strumenti di intelligenza artificiale (AI) come DALL-E 2 e ChatGPT, entrambi sviluppati da OpenAI. Questi strumenti sembrano divertenti ed emozionanti per l’utente medio, in grado di generare immagini basate su descrizioni testuali e di rispondere alle domande utilizzando un linguaggio naturale. Ma per gli scienziati e le aziende biotech, le tecnologie di intelligenza artificiale stanno diventando sempre più mature e promettenti.

Cosa sono le AI Generative

Il termine “Generative AI” viene utilizzato per indicare qualsiasi tecnologia in grado di generare immagini, testo o media in risposta ad una breve richiesta. Alcuni di questi modelli sono meno soggetti a pregiudizi rispetto ad altri modelli di machine learning in quanto non richiedono l’immissione manuale dei dati di addestramento, ma imparano da più fonti di dati e di maggiori dimensioni. Mentre OpenAI ha ottenuto molte copertine mediatiche, negli ultimi anni ci sono state molte altre startup biotech che hanno contribuito alla crescita della IA generativa, tra cui Jasper e Stability AI, quest’ultima ha sviluppato il proprio strumento di generazione testo-immagine chiamato Stable Diffusion, anche questo rilasciato nel 2022. Questa tecnologia è stata aggiunta a numerose nuove applicazioni, dalla generazione di immagini e musica alla sviluppo di nuovi algoritmi di machine learning, incluso in ambito biotech.

Immagine realizzata con un’IA generativa di immagini.

Un esempio concreto dell’utilizzo di questa tecnologia è rappresentato dall’ingegneria delle proteine, una tecnica che tradizionalmente prevede mutazioni iterative e la selezione di sequenze proteiche o il disegno razionale de novo per creare proteine con proprietà desiderate, sia strutturali che specifiche. La Generative AI ha il potenziale di cambiare questo protocollo, rendendo più facile la generazione di sequenze proteiche artificiali da zero. ProGen, ad esempio, è un modello di linguaggio in grado di generare sequenze proteiche con una funzione prevedibile, dopo essere stato addestrato su 280 milioni di sequenze di famiglie proteiche note.

Lo sforzo delle aziende biotech

Le aziende biotech stanno compiendo passi simili nel campo della scoperta di piccole molecole per i farmaci, che beneficeranno di questi modelli di Generative AI. Solo pochi dei candidati farmaci che superano il processo di approvazione FDA vengono effettivamente approvati per l’uso clinico, ma i modelli di AI hanno il potenziale per individuare composti biologicamente più rilevanti. Generate Biomedicines è un’azienda lanciata nel 2020 che utilizza l’Intelligenza Artificiale generativa per creare proteine che potrebbero essere utilizzate come nuovi terapeutici, meglio adattati a condizioni specifiche e più facilmente generati.

Nonostante i progressi notevoli fatti finora, ci sono ancora molte sfide da affrontare per rendere la generative AI un’opzione pratica per i ricercatori e gli sviluppatori di biotecnologie. Ad esempio, i modelli generativi richiedono un’elaborazione computazionale molto intensa, quindi devono essere eseguiti su hardware specializzato e spesso richiedono mesi o addirittura anni di formazione. Inoltre, i modelli devono essere addestrati su grandi set di dati accurati per evitare la presenza di bias e di errori, il che richiede risorse significative. Inoltre, c’è sempre il rischio di overfitting, un fenomeno in cui il modello diventa troppo specializzato per i dati di addestramento e perde la sua capacità di generalizzare i risultati. Per evitare questo, gli sviluppatori devono utilizzare tecniche avanzate di regolarizzazione e validazione incrociata.

Ambiente ed etica

Infine, c’è il problema della sostenibilità ambientale. I modelli di AI richiedono una grande quantità di energia per eseguire le loro elaborazioni e, se non vengono gestiti in modo oculato, possono avere un impatto significativo sull’ambiente. Alcune aziende stanno cercando di affrontare questo problema sviluppando modelli che utilizzano meno energia o che sono alimentati da fonti rinnovabili. Nonostante queste sfide, il potenziale dell’AI applicata nelle biotecnologie è enorme. Con la sua capacità di generare nuove molecole, proteine e sequenze di DNA, potrebbero aprirsi nuove strade per la scoperta di nuovi farmaci e terapie, migliorare le diagnosi e le prognosi dei pazienti, e persino aiutare a mitigare il cambiamento climatico attraverso la scoperta di nuove tecnologie sostenibili.

Con l’aumentare degli investimenti nelle startup e la collaborazione tra le aziende e le istituzioni accademiche, il futuro dell’AI nella biotecnologia sembra molto promettente. Tuttavia, rimane importante mantenere una consapevolezza critica della tecnologia e delle sue limitazioni per garantire che venga utilizzata in modo etico e sostenibile, senza lasciare nessuno indietro.

Il mio colore preferito è il 9. La mia canzone preferita "Il Fu Mattia Pascal". E il mio film preferito è davvero "Catch me, if you can".