Per portare davvero l’intelligenza artificiale nei processi farmaceutici non bastano modelli più potenti. Servono dati regolatori accessibili, strutturati e utilizzabili automaticamente. È questo uno dei messaggi più rilevanti emersi dal confronto tra EMA, autorità nazionali e industria sul ruolo dell’AI lungo il ciclo di vita dei medicinali, sintetizzato in un documento pubblicato dall’Agenzia europea dei medicinali il 14 ottobre.
Nel confronto è stata ribadita la necessità di rendere sempre più interoperabili e “machine readable” le informazioni contenute nei sistemi regolatori europei, dagli EPAR alle informazioni di prodotto, fino ai dati provenienti da CTIS e dai sistemi di farmacovigilanza. L’obiettivo non è soltanto facilitare l’accesso ai dati, ma permettere che sistemi di intelligenza artificiale possano utilizzarli per attività come prioritizzazione dei segnali, analisi multilingue, monitoraggio della letteratura e identificazione di trend.
Il tema è particolarmente rilevante per Medical Affairs e medical communication. Una quota importante del lavoro oggi necessario per aggiornare contenuti, verificare claim, controllare coerenza con le informazioni autorizzate o individuare modifiche nei documenti regolatori dipende ancora da processi manuali o semi-manuali. Se le fonti ufficiali diventano strutturate per essere interrogate direttamente dalle macchine, una parte di questi workflow può essere automatizzata, lasciando all’essere umano il controllo scientifico e la decisione finale.
«Si parla molto della capacità dell’AI di generare contenuti, ma il vero salto di qualità arriverà quando ogni contenuto potrà essere collegato automaticamente alla fonte regolatoria e scientifica aggiornata che lo sostiene. È lì che si può ridurre davvero il rischio e aumentare la velocità dei processi», osserva Francesco Maria Avitto, Direttore Editoriale Quotidiano Sanità.
La trasformazione può avere conseguenze anche sul modo in cui medici e professionisti sanitari accederanno all’informazione. Se gli assistenti AI diventeranno uno dei principali punti di ingresso alla conoscenza scientifica, la qualità delle risposte dipenderà sempre più dalla capacità di recuperare e interpretare correttamente le fonti ufficiali. Per questo la partita non riguarda soltanto la tecnologia, ma l’infrastruttura informativa su cui la tecnologia lavora. Un modello più sofisticato può sempre sbagliare se le fonti sono frammentate, difficili da interrogare o non aggiornate. Il futuro dell’AI nel pharma europeo potrebbe quindi passare meno dalla corsa al modello più potente e molto di più dalla qualità dei dati che gli vengono messi a disposizione.
