Startup, fallimenti e illusioni: perché la scoperta di farmaci con l’AI è più difficile del previsto. La corsa all’intelligenza artificiale nel settore farmaceutico ha bruciato miliardi senza produrre un solo farmaco approvato. Ora tocca ai colossi tecnologici come Google cambiare davvero le regole del gioco.
C’era un tempo in cui l’intelligenza artificiale sembrava destinata a rivoluzionare la scoperta di nuovi farmaci. Un esercito di startup nate dopo il 2010 prometteva di tagliare i tempi, abbattere i costi e superare l’inerzia delle big pharmatradizionali. In pochi anni si sono susseguiti accordi multimiliardari tra aziende storiche come Sanofi e Bristol Myers Squibb e nomi emergenti come Insitro, BenevolentAI, Exscientia e Insilico. Ma a distanza di oltre dieci anni, il bilancio è impietoso: nessun farmaco scoperto con l’AI è arrivato all’approvazione, e molte azioni hanno perso fino al 99% del valore.
Il sogno infranto delle startup AI: fondi bruciati e risultati assenti
Secondo un’analisi del Financial Times aggiornata al 2025, l’entusiasmo iniziale si è trasformato in delusione e crolli finanziari. Il caso di BenevolentAI è emblematico: dopo aver perso quasi tutto il suo valore in borsa, è stata delistata a seguito di una fusione con una società giapponese. Alex Zhavoronkov, CEO di Insilico, ha riassunto la crisi con una frase pungente: «Per dire di avere una gallina dalle uova d’oro, bisogna aver deposto qualche uovo d’oro».
Le difficoltà affondano le radici in un punto spesso sottovalutato: la complessità della biologia umana. Gli algoritmi AI, abituati a elaborare dati digitali, si sono trovati a dover interpretare fenomeni fisici, come l’interazione tra atomi e molecole, in un contesto pieno di variabili sconosciute. A questo si aggiungono problemi strutturali: dati pubblici insufficienti, dati privati disorganizzati, modelli non generalizzabili e dirigenti spesso più esperti di farmaceutica che di informatica.
Le startup di prima generazione hanno commesso un errore chiave: hanno cercato di accelerare la fase pratica della ricerca senza rivedere a fondo le basi teoriche. Hanno puntato su bersagli molecolari già noti, cercando composti nuovi ma simili a quelli esistenti. Sono i cosiddetti farmaci “me too” o “me better”, che però non hanno portato vantaggi concreti rispetto alle terapie esistenti.
Il fondatore di BentivolAi, Kenneth Mulvany, ha sottolineato un altro limite: «I dati pubblici erano troppo scarsi, quelli privati erano sparpagliati e difficili da usare per l’AI». La quantità e la qualità delle informazioni, in ambito biologico, contano più della potenza computazionale. E le startup, pur mosse da buone intenzioni, non avevano né i fondi né le infrastrutture per colmare questo gap.
La nuova frontiera: modelli generalizzabili e potenza computazionale
Oggi la speranza non è scomparsa, ma ha cambiato volto e dimensione. Le nuove protagoniste della rivoluzione AI in medicina non sono più piccole startup affamate di risultati, ma colossi con capitale illimitato e supercomputer all’avanguardia. È il caso di Isomorphic Labs, spin-off di DeepMind (Google), che lavora per creare un motore generalizzabile per la scoperta di farmaci. Una sfida che richiede una mezza dozzina di scoperte simili ad AlphaFold, secondo Max Jaderberg, Chief AI Officer dell’azienda.
Proprio AlphaFold2, il motore di previsione del ripiegamento proteico, ha segnato uno spartiacque nel 2021, contribuendo a una comprensione 3D senza precedenti delle proteine, e aprendo la strada a nuovi farmaci più sicuri ed efficaci. Dal 2022 in poi, l’esplosione della generative AI – con strumenti come ChatGPT – ha stimolato un’ulteriore accelerazione nell’analisi molecolare.
Ma serve molto di più. Serve potenza di calcolo, serve collaborazione industriale, e soprattutto servono dati aggregati e standardizzati. In questo senso, è rilevante il progetto del consorzio britannico Pen Bind, che punta a creare la più grande banca dati mondiale sulle interazioni farmaco-proteina.
Il futuro: meno hype, più metodo
Nel 2025, l’intelligenza artificiale in medicina non è morta. Ma ha perso la sua aura magica e sta finalmente entrando in una fase più matura. Le aspettative gonfiate dai venture capitalist, che nel 2021 avevano investito 1,8 miliardi di dollaricontro i 30 milioni del 2013, si sono sgonfiate di fronte alla realtà della biologia.
Oggi, il futuro passa dalle partnership solide (come quella tra Isomorphic e Novartis) e da una visione che unisca AI e metodo scientifico, tecnologia e rigore, teoria e dati reali. Le startup della prima generazione non hanno fallito invano: hanno aperto un varco. Ora tocca ai giganti trovare la strada verso il traguardo che tutti attendono da anni: un farmaco utile, creato davvero grazie all’intelligenza artificiale.