
Dompé Farmaceutici, la medicina predittiva deve partire dalla raccolta corretta dei dati e dalla modellazione
Intervista a Andrea Beccari, Head of R&D Platforms & Services, e Anna Fava, Senior Software Engineer
Tempo di lettura: 5 min
Tempo di lettura: 4 min
Dai laboratori ai pazienti, un impegno costante nella ricerca scientifica per lo sviluppo di farmaci innovativi per migliorare lo stato di salute dell'uomo. Una missione sfidante, quella di Dompé Farmaceutici, che passa necessariamente dalla scelta e dall’utilizzo delle corrette tecnologie. Ne parliamo con Andrea Beccari, Head of R&D Platforms & Services, e Anna Fava, Senior Software Engineer.
ANDREA BECCARI
Head of R&D Platforms & Services
ANNA FAVA
Senior Software Engineer
Operare nel settore farmaceutico è oggi innegabilmente stimolante ma anche molto sfidante. Quali sono le sfide primarie oggi?
In questo momento il settore farmaceutico sta vivendo una fase di transizione, per due ragioni. La prima è legata al fatto che nel mercato iniziano ad entrare diversi player che propongono servizi di digital health (pensiamo agli smartwatch e alle App dedicate al monitoraggio dalla salute). La seconda riguarda, invece, la necessità di accelerare l’innovazione nel campo del farmaco.
Quello che si poteva fare, con lo stato delle conoscenze e il livello tecnologico raggiunto, ad oggi è stato fatto. La grande sfida, ora, riguarda le patologie complesse e sistemiche come quelle legate all’oncologia, alla cardiologia, all’immunologia ed alle malattie metaboliche. Patologie per le quali l’approccio convenzionale (legato cioè allo sviluppo di uno specifico farmaco per ogni singola indicazione terapeutica) inizia a dare segni di inefficienza e inefficacia. Per queste patologie non c’è un solo effettore [molecola che si lega ad una proteina o un enzima modificandone e regolandone l’attività – ndr], bisogna quindi agire in modo sistemico.
La sfida è raccogliere ed
utilizzare i dati per la
modellazione quantitativa
delle patologie in ottica
predittiva
Ad oggi, non abbiamo il livello di conoscenze e il livello di modellazione necessari per gestire questo tipo di complessità. C’è bisogno di dati che non sono mai stati raccolti nel modo in cui servono. La prima azione importante da compiere è dunque legata alla raccolta di questi dati.
Oggi la medicina tradizionale è basata sul “trial and error” con il 97% delle molecole sottoposte a studi clinici che fallisce (con costi elevatissimi per quei farmaci che rappresentano il 3% di successo dei trial delle molecole ed un’ampia aleatorietà rispetto alle risposte della popolazione sottoposta poi a quei farmaci).
Fortunatamente, la rotta di cambiamento è tracciata, seppur molto complessa: si sta andando verso la medicina predittiva (per capire anticipatamente quale popolazione risponde a quale farmaco). La sfida, quindi, è raccogliere ed utilizzare i dati per la modellazione quantitativa delle patologie in ottica predittiva.
Il progetto Exscalate4Cov [progetto di riferimento in Europa per contrastare il Coronavirus con il supercalcolo] ha enfatizzato il valore degli ecosistemi. Oggi non si agisce più rimanendo “chiusi nelle proprie stanze”. Cosa significa per Dompé e qual è oggi, anche post esperienza Exscalate4Cov, il ruolo di Dompé in questi nuovi ecosistemi?
Il futuro è legato agli open data (anche rispetto alle sfide legate alla medicina predittiva) - per altro una direzione “imposta” dalla Commissione Europea - e dove esiste un approccio di open data esiste, naturalmente, anche un concetto di ecosistema.
Per una realtà come Dompé, media azienda nel mercato farmaceutico, l’ecosistema è l’unica via per poter rimanere competitiva in una industria che annovera player completamente diversi per dimensione e capacità. Per noi è dunque fondamentale far parte di ecosistemi di eccellenza e i frutti si sono visti proprio grazie a progetti come Exscalate4Cov. Oggi siamo impegnati in diversi progetti Europei; a breve partirà una nuova iniziativa, il cui obiettivo è riposizionare tutti i farmaci a livello europeo. Saremo una trentina di realtà in Europa, chiamate a supportare il sistema pubblico di ricerca per portare soluzioni ai pazienti: i dati che possono essere di evidenza clinica o di un gruppo di ricerca, spesso, non hanno “le gambe” per arrivare ad una validazione clinica che genera soluzioni per i pazienti (rimangono informazioni, preziosissime, “confinate” nelle pubblicazioni scientifiche). Gli ecosistemi servono proprio per superare criticità come questa.
Non solo, questi approcci hanno influito anche su una parte del nostro modello di business.
"L’azienda vede la crescita nel farmaceutico proprio attraverso la creazione di partnership strategiche, nel mondo, attraverso la condivisione ed integrazione di tecnologie e modelli di sviluppo."
In quest’ottica, per esempio, abbiamo recentemente stretto una partnership con una startup britannica di biofarmaceutica, Engitix, alla quale abbiamo dato accesso alla nostra piattaforma EXSCALATE per supportarla nell’identificazione di nuovi trattamenti contro la fibrosi e alcuni tipi di tumore. Engitix ha a disposizione i dati anonimizzati dei pazienti (quindi, quella modellazione delle patologie basata sui dati dei pazienti che, come accennato, rappresenta una delle sfide più ardue per il settore farmaceutico), noi la piattaforma per la progettazione dei farmaci. Questa unione porterà allo sviluppo e alla commercializzazione di nuovi farmaci: riusciremo, insieme, a dare soluzioni ai pazienti beneficiando entrambi dei risultati.
In questo scenario, come evolve il vostro utilizzo della piattaforma di analisi dei dati di SAS?
L’evoluzione delle piattaforme che stiamo sviluppando è caratterizzata da un'integrazione molto spinta con le soluzioni SAS, soprattutto per la progettazione e lo sviluppo dei farmaci. Processi che devono tenere conto della sicurezza delle molecole quindi con analisi predittive che hanno a che fare con la predizione della tossicità e degli effetti collaterali. Quanto meglio e quanto prima si riescono a fare tali analisi predittive tanto più si riesce ad accelerare il processo di sviluppo del farmaco (quindi, tanto prima arrivano soluzioni ai pazienti).
Ciò su cui stiamo lavorando è quindi l’integrazione delle capacità analitiche della piattaforma SAS, basate su tecniche di Intelligenza Artificiale, per le analisi predittive di tossicità ed effetti collaterali delle molecole.
Uno dei benefici più rilevanti che riscontriamo nell’utilizzo di SAS è legato alla possibilità di mettere subito in produzione i modelli analitici che vengono creati. Questa rapidità aggiunge ancor più accelerazione a processi che solitamente richiedono tempi molto molto lunghi. Riuscire ad accelerare alcune fasi, significa, nel complesso, arrivare prima alla soluzione. Che poi significa portare prima sul mercato i farmaci che servono ai pazienti.
C’è poi un aspetto fondamentale legato alla validazione dei modelli rispetto al dominio d’uso. Quando si definiscono modelli di analisi predittiva c’è un enorme rischio di incongruenza tra lo sviluppo del modello e il dominio di applicazione, cioè che il modello sviluppato non abbia poi “senso” rispetto all’uso che se ne dovrà fare (cioè al contesto, al dominio di applicazione).
Negli ultimi due anni di pandemia si è creata moltissima confusione perché è stata generata una quantità enorme di predizioni da modelli che non avevano alcun tipo di validazione e che sono stati resi pubblici alla comunità scientifica, ai medici e alla popolazione senza alcun tipo di controllo.
Per noi validazione dei modelli e controllo delle analisi su dati simulati sono tasselli imprescindibili che devono trovare nelle tecnologie (e nel supporto delle persone competenti) una abilitazione ed un supporto sicuro ed affidabile. È esattamente ciò che troviamo in SAS, non solo nella tecnologia ma anche nelle competenze dei professionisti.
Chiudiamo sempre le nostre interviste con una domanda: cos’è per voi la curiosità?
“Se sei curioso trovi un sacco di cose interessanti da fare”. Lo diceva Walt Disney e noi sposiamo a pieno la filosofia che sottende queste brevi e semplici parole. Noi cerchiamo di comprendere i fenomeni per poi rivederli in modo nuovo, da angoli differenti, con occhi e prospettive diverse.
"Non si può fare senza curiosità, è quella che ci aiuta a guardare in modo nuovo le stesse cose trovando, ogni volta, qualcosa di diverso."
14 luglio 2022
Articoli consigliati
-
Innovation SparksDall’osservazione dei macchinari alla modellazione avanzata dei fenomeni: l’analisi dei processi produttivi di KMEMonitoraggio dei processi, modellazione avanzata e tracciabilità della carbon footprint: come KME garantisce una sostenibilità misurabile lungo la supply chain.
-
Innovation SparksComputer vision per città più inclusive: il progetto “data for good” del team RationenceIl racconto di come è nata l’idea di costruire uno strumento basato sulla computer vision capace di individuare automaticamente le barriere architettoniche nelle città.
-
Innovation SparksEsplorare il potenziale nascosto nei dati: il viaggio del team Intesa Sanpaolo al SAS HackathonIn questa intervista, il team di Intesa Sanpaolo che ha partecipato all’hackathon racconta come è nato il progetto, quali sfide ha incontrato, e come, dietro l’analisi dei dati, ci sia stata soprattutto un’esperienza umana e professionale di crescita condivisa.
-
Innovation SparksPrevedere il futuro delle promozioni nella GDO: il progetto di Axiante al SAS HackathonIntervista a Mirko Gubian, Global Demand Senior Manager, Stefano Brambilla, Application Architect e Jedina Xure, Data Scientist di Axiante.



