Takeda, Bristol Myers Squibb e altri grandi gruppi farmaceutici hanno lanciato un’iniziativa congiunta per sviluppare modelli di intelligenza artificiale condivisi, con l’obiettivo di accelerare la ricerca e migliorare la predittività dei dati clinici e preclinici.
L’alleanza, nata negli USA ma aperta a partnership globali, mira a superare due dei principali ostacoli all’adozione dell’AI in ambito biomedico: la frammentazione dei dataset proprietari e la difficoltà di condivisione dovuta a vincoli regolatori o competitivi.
Secondo quanto riportato pochi giorni fa dal sito specializzato Fierce Pharma, i partner intendono creare una piattaforma di “data pooling” per unire dati anonimizzati provenienti da studi clinici, real-world evidence, imaging e genomica.
L’obiettivo è costruire modelli di machine learning capaci di identificare pattern comuni a più patologie e linee terapeutiche, riducendo tempi e costi della ricerca.
In prospettiva, iniziative di questo tipo potrebbero anche favorire una maggiore interoperabilità dei dataset clinici e un dialogo più strutturato con le autorità regolatorie su modelli di evidence generation basati su AI. Il progetto prevede la pubblicazione di alcuni modelli in open source.
Per l’industria farmaceutica l’iniziativa a guida Takeda-BMS rappresenta un passo verso un ecosistema più collaborativo, in cui la condivisione dei dati diventa una leva competitiva.
