Vaccini anti-covid: così l’intelligenza artificiale ha accelerato la ricerca - Agenda Digitale

lotta al coronavirus

Vaccini anti-covid: così l’intelligenza artificiale ha accelerato la ricerca

Nella corsa al vaccino anti-covid, l’Intelligenza Artificiale è stata vitale per analizzare rapidamente i dati clinici e immunologici a disposizione dei ricercatori, ma non solo. Sono diversi gli ambiti in cui innovazione e machine learning sono stati cruciali per l’immediata entrata in scena di una terapia anti-Covid-19

11 Dic 2020
Alessandro Longo

Direttore agendadigitale.eu

Luigi Mischitelli

Privacy & Data Protection Specialist at IRCCS Casa Sollievo della Sofferenza

Se abbiamo avuto i vaccini anti covid-19 così presto – mesi invece degli anni di solito necessari per un vaccino – lo dobbiamo anche all’Intelligenza Artificiale, sorretta da super-potenza di calcolo. L’hanno dichiarato in varie occasioni i produttori dei vaccini covid, come Moderna e Pfizer.

Gli algoritmi di AI sono stato un sotto-testo silenzioso alla nostra lotta al covid.

Hanno dato notevoli vantaggi nell’ottimizzazione e nello sviluppo di terapie efficaci, nella formazione del personale sanitario e tecnico e nella creazione di siti di produzione dei vaccini su larga scala.

Facciamo il punto sullo stato dell’arte e sugli sviluppi legati all’utilizzo di strumenti di machine learning in questa “corsa all’oro” da cui dipende, letteralmente, il futuro della salute a livello globale.

Ricerca sul vaccino anti-covid: il ruolo di intelligenza artificiale e machine learning

In tutto il mondo, sono migliaia i ricercatori che collaborano in centinaia di laboratori per combattere il Covid-19 che ha infettato sinora sessanta milioni di persone (pressoché pari all’intera popolazione italiana) e causato oltre un milione e quattrocentomila morti. Recentemente, un gruppo di esperti ha notato – alla 2020 Berlin Science Week – che l’intelligenza artificiale e altre tecnologie come il Machine Learning possono dare un senso alle montagne di dati ricavate da diversi esperimenti, scoprendo modelli che il cervello umano (per quanto complesso) potrebbe non riuscire a individuare.

WHITEPAPER
Quali sono le prospettive del futuro per il lavoro agile?
Digital Transformation
Risorse Umane/Organizzazione

Mentre i candidati al vaccino avanzano verso le fasi finali dei test sugli esseri umani – con il Regno Unito già pronto alla somministrazione alla popolazione – gli esperti hanno affermato che l’Intelligenza Artificiale sarebbe stata vitale per analizzare rapidamente i dati clinici e immunologici a nostra disposizione.

L’Intelligenza artificiale negli impianti di produzione del vaccino anti-covid

La ricercatrice Rene Faber, della società farmaceutica Sartorius Stedim Biotech, ha affermato che vi è la necessità di utilizzare queste “innovazioni pratiche” al più presto. Citando l’esempio delle tecnologie “monouso”, la Faber ha affermato che queste soluzioni possono aiutare a sviluppare rapidamente le capacità di produzione dei vaccini. Nelle “tecnologie monouso”, ha affermato la Faber, l’intero processo di produzione è composto di plastica; la stessa plastica che viene utilizzata una sola volta (usa-e-getta) dall’utente finale. La Faber, intervenendo ad una sessione della Falling Walls Foundation, ha affermato che l’utilizzo di un tale processo “veloce” permetterebbe la costruzione di impianti di produzione di vaccini in maniera celere, risparmiando un anno o anche più di un anno per costruire il processo di produzione dei vaccini. E una volta costruito un impianto basterà fare un (relativamente semplice) “copia-incolla” ed esportare il medesimo in Europa e in Asia.

La ricercatrice della Sartorius ha affermato che un’altra tecnologia importante nella ricerca di un vaccino contro il Covid-19 è l’automazione. Quando i clienti sviluppano un processo di produzione, gli stessi devono eseguire un gran numero di esperimenti per restringere i parametri di processo. Secondo la Faber, i produttori devono anche capire come il processo di produzione può influire sulla qualità del vaccino, trovando al contempo il modo di ottimizzarne la resa. E questo è un lavoro molto importante, che deve essere fatto pur richiedendo molto tempo; tuttavia, vi sono strumenti molto innovativi che consentono una produttività molto elevata (e l’automazione è tra questi).

La digitalizzazione e gli strumenti come l’Intelligenza Artificiale sono utilizzati per l’analisi dei dati in tempo reale, nonché per prevedere o modificare il processo prima che qualcosa vada storto. Quindi – tirando le somme – vi sono una serie di innovazioni che oggi sono a disposizione dei ricercatori, innovazioni che gli stessi ricercatori possono utilizzare per accelerare lo sviluppo dei vaccini e costruirne la loro produzione (pre-durante-post).

E ancora, secondo Rene Faber, la produzione della maggior parte dei prodotti di biologia si basa sul comportamento delle singole cellule e l’Intelligenza Artificiale viene utilizzata per decifrare come questi elementi costitutivi della vita agiscono, come ad esempio nella produzione di proteine e altre molecole, nonché nella stessa produzione dei vaccini. Per la Faber, strumenti come l’Intelligenza Artificiale, i modelli meccanicistici, gli strumenti statistici, l’analisi statistica dei dati, sono tutti fondamentali – anche combinati tra loro – nella corsa al vaccino.

L’innovazione nel campo dello sviluppo del vaccino

Per Uwe Gottschalk, Chief Technology Officer della società elvetica Lonza, nel campo dello sviluppo di vaccini anti-Covid-19, le innovazioni in campo tecnologico stanno cominciando a fornire un valido apporto. Per Gottschalk l’industria farmaceutica nel suo complesso è piuttosto lenta e questo perché non è possibile prendere scorciatoie e compromettere l’efficacia e la sicurezza dei prodotti in oggetto. Con questa sfida attorno al vaccino anti-Covid-19, le aziende stanno applicando tutto il loro know-how – sfruttando le tecnologie a loro disposizione, come il Machine Learning e l’Intelligenza Artificiale – per accelerarne lo sviluppo. Citando un altro esempio di nuova tecnologia che sta arrivando “in aiuto” contro la pandemia di Covid-19, Gottschalk ha affermato che la società Lonza sta attualmente installando siti di produzione su larga scala per la produzione di vaccini prima ancora che qualsiasi apparecchiatura sia in loco. Secondo Gottschalk la sua società può formare i suoi specialisti con l’aiuto della Realtà Virtuale[1]. In pratica, anche se sono seduti in un centro di formazione o tra le mura domestiche, gli specialisti di Lonza si formano con un approccio tale da permettere di risparmiare mesi nella corsa al vaccino.

Il professor Carlos A. Guzmán dell’Helmholtz Centre for Infection Research di Braunschweig (Germania) – invece, ha affermato che, anche grazie all’uso dell’Intelligenza Artificiale nello sviluppo di vaccini, ci si può permettere di appurare come ogni singolo essere umano, anche all’interno della stessa fascia d’età, non risponde ai vaccini nello stesso modo, aggiungendo altresì che è importante capire perché ci sono degli alti e bassi nel rispetto del piano terapeutico di ogni persona. Guzmán ritiene che se il meccanismo che sta dietro a tutto questo viene compreso, si possono sviluppare nuovi vaccini che possono funzionare anche per gruppi di popolazione che in genere hanno una scarsa risposta all’immunizzazione. Per Guzmán questo tipo di tecnologia può essere implementato ottenendo al contempo risultati anche in altri campi. [2]

Vaccini in pista contro il Covid-19

Gruppo produttorePaesiTipo di vaccinoFinanziamentoFinanziatori
University of Oxford, AstraZenecaUK, USAViral-vector (adenovirus)$1.25 miliardiGoverni Usa e UK
Sinovac BiotechCinaInactivated virus$15 milioniAdvantec Capital, Vivo Capital
Wuhan Institute of Biological Products, SinopharmCinaInactivated virus$142 milioniGoverno cinese
Beijing Institute of Biological Products, SinopharmCinaInactivated virus$142 milioniGoverno cinese
Moderna, National Institute of Allergy and Infectious DiseasesUSARNA vaccine (mRNA)$2.48 miliardiGoverno Usa
Inovio Pharmaceuticals/ International Vaccine InstituteUSADNA vaccine$97 milioniGoverno Usa e altri
CureVacGermaniaRNA vaccine (mRNA)$440 milioni$355 milioni dal Governo tedesco più $85 millioni di prestito dall’Banca europea di investimento
BioNTech, Fosun Pharmaceutical, PfizerUSA, Cina, GermaniaRNA vaccine (mRNA)$1.95 miliardiGoverno Usa
Gamaleya Research Institute of Epidemiology and MicrobiologyRussiaViral-vector (adenoviruses)NAGoverno russo
CanSino Biologics, Institute of Biotechnology/ Academy of Military Medical Sciences (Cina)CinaViral-vector (adenovirus)NAGoverno cinese

Fonti: World Health Organization, University of Michigan Health Lab, The Lancet, Trialsite News, Barron’s, Reuters, Council on Foreign Relations, The New York Times, Pharmaphorum, Fierce Pharma, The Wall Street Journal, Digital Journal, Genetic Engineering & Biotechnology News, Intellizence, Inovio Pharmaceuticals

Il machine learning al servizio della ricerca medica

Gli strumenti di Machine Learning sono ormai ampiamente diffusi in Sanità. Se dapprima erano visti come gli aiutanti “minori” della ricerca, ossia semplici “gregari” del ricercatore, adesso figurano come parti vitali della ricerca stessa, compresa l’analisi computazionale.

Ad esempio, sul fronte della “previsione”, il machine learning con le Graph Convolutional Neural Networks (GCNN) si sono rilevate cruciali per la scoperta di nuovi farmaci. Queste “reti” sono in grado di gestire i grafici ed estrarre le caratteristiche tramite la codifica delle informazioni. Il successo delle GCNN è stato dimostrato nella previsione delle proprietà dei farmaci, nella stima dell’interfaccia proteica, nella previsione della reattività e nelle interazioni tra farmaci e il loro target.

L’intelligenza artificiale per il vaccino identifica il bersaglio corretto sul virus

Ma come si diceva l’AI ci aiutato molto ad accelerare la ricerca dei vaccini. Vediamo ora come e perché.

È importante prima di tutto comprendere la struttura tridimensionale delle proteine virali. Le proteine virali sono fatte di catene lineari di sostanze chimiche chiamate aminoacidi, che si ripiegano spontaneamente in strutture compatte, simili a nastri.

Gli sviluppatori di vaccini devono scegliere i bersagli sullo strato esterno del virus che sono rivolti verso l’esterno, in modo che siano fisicamente accessibili alle armi del sistema immunitario.

  • Per prima cosa l’AI serve a studiare le proteine che compongono il virus, compresa la proteina spike (posta sulla parte esterna) che il covid-19 usa come “gancio” per introdursi nelle nostre cellulare. Di solito i vaccini hanno come bersaglio le spike, affinché il nostro sistema immunitario le riconosca e le disattivi.
  • Purtroppo ci sono decine di migliaia di sottocomponenti delle proteine esterne che il sistema immunitario può riconoscere e di conseguenza altrettante possibilità diverse su cui puntare il vaccino. A questo punto interviene il machine learning: può prevedere, sulla base dei training data estrapolati da agenti patogeni conosciuti, quali parti del virus il sistema immunitario è in grado di riconoscere con maggiore probabilità.
  • Armati di queste informazioni, gli immunologi possono progettare i vaccini intorno a un numero più gestibile di potenziali bersagli su cui puntare.
  • I bersagli più promettenti vengono poi integrati nei candidati al vaccino e testati negli animali per vedere se provocano una buona risposta immunitaria.

Più in dettaglio, il Machine Learning fornisce una sorta di “punteggio numerico”, e tutto ciò che supera un certo punteggio (99%) potrà fare il suo ingresso in laboratorio per essere testato.

Avendo identificato un bersaglio sulla superficie del virus, i ricercatori possono poi sviluppare un vaccino. Se il piano è quello di usare un “virus inattivato” come vaccino, per esempio, i ricercatori faranno crescere il virus vivo in laboratorio e lo uccideranno usando calore, radiazioni o un metodo chimico in modo che non possa replicarsi quando viene iniettato nel corpo.

Successivamente i ricercatori devono assicurarsi che i componenti immunogenici chiave non siano stati danneggiati quando il virus è stato ucciso, in quanto quelle parti devono essere intatte per provocare una risposta immunitaria. I passi successivi sono quelli di testare il vaccino in laboratorio, poi su piccoli animali e infine sull’uomo.

Ad esempio, i ricercatori dell’Università di Basilea, in Svizzera, hanno utilizzato uno strumento di modellazione delle proteine chiamato Swiss-Model per prevedere le strutture delle proteine sulla superficie esterna del Covid-19. Le loro previsioni si sono poi dimostrate coerenti con le strutture proteiche effettive del virus. Allo stesso modo, a marzo scorso Deepmind applicò la sua rete neurale, AlphaFold, per prevedere la forma tridimensionale delle proteine del Covid-19 sulla base della sequenza genetica del virus.[3]

Più problematica ancora la previsione, con l’AI, dell’effetto che il vaccino può avere sul nostro sistema immunitario.

Conclusioni

Questo miglioramento è cruciale per la situazione attuale e per l’immediata entrata in scena di una terapia anti-Covid-19 per diversi motivi chiave.

  • In primo luogo, la capacità di estrazione automatica delle caratteristiche del Deep Learning[4] può supportare i modelli con maggiore precisione e fornire risultati più affidabili.
  • In secondo luogo, la capacità generativa dimostrata dai modelli di Deep Learning può essere utilizzata per creare un maggior numero di molecole drogabili, riducendo le possibilità di fallimento nella pipeline di sperimentazione.

Infine, la novità del virus fa sì che i dati relativi alle sue possibili terapie siano scarsi, il che rappresenta uno scenario adatto per trasferire l’apprendimento (Learning) e sfruttare le conoscenze apprese dai compiti precedenti.

È stato dimostrato che il trasferimento dell’apprendimento è in grado di alleviare questo problema attraverso il trasferimento delle conoscenze apprese e dei parametri da un compito secondario con grandi dati disponibili per il compito in questione.

Pertanto, l’uso del Deep Learning nel contrasto al Covid-19 è essenziale per dare una risposta tempestiva e accurata contro il virus.[5]

____________________________________________________________________

SITOGRAFIA E BIBLIOGRAFIA

  1. La Realtà Virtuale è un ambiente esclusivamente digitale creato da uno o più computer che simula la realtà effettiva. Per approfondimenti: https://www.intelligenzaartificiale.it/realta-virtuale/
  2. Artificial Intelligence, Virtual Reality To Help Fast Track Covid Vaccine: Experts. Outlook. https://www.outlookindia.com/website/story/world-news-artificial-intelligence-virtual-reality-to-help-fast-track-covid-vaccine-experts/364741
  3. What AI Can–and Can’t–Do in the Race for a Coronavirus Vaccine. IEEE Spectrum. https://spectrum.ieee.org/artificial-intelligence/medical-ai/what-ai-can-and-cant-do-in-the-race-for-a-coronavirus-vaccine
  4. Sotto-categoria del Machine Learning che fa riferimento agli algoritmi ispirati alla struttura e alla funzione del cervello chiamate reti neurali artificiali. Per approfondimenti: https://www.ai4business.it/intelligenza-artificiale/deep-learning/deep-learning-cose/
  5. Artificial Intelligence for COVID-19 Drug Discovery and Vaccine Development – by Arash Keshavarzi Arshadi, Julia Webb, Milad Salem, Emmanuel Cruz, Stacie Calad-Thomson, Niloofar Ghadirian, Jennifer Collins, Elena Diez-Cecilia, Brendan Kelly, Hani Goodarzi and Jiann Shiun Yuan. https://www.frontiersin.org/articles/10.3389/frai.2020.00065/full

WHITEPAPER
Ripensare il performance management. Quali nuovi approcci possibili? Scopri l’app Feedback4You!
Risorse Umane/Organizzazione
Smart working
@RIPRODUZIONE RISERVATA

Articolo 1 di 3