Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Anthropic non venderà solo modelli linguistici alle case farmaceutiche: li userà per sviluppare farmaci in prima persona, puntando a patologie che Big Pharma considera non redditizie. L’annuncio è arrivato il 3 luglio 2026 durante l’evento “The Briefing: AI for Science” e cambia le regole del gioco: un fornitore di strumenti AI entra direttamente nella competizione farmaceutica, rischiando di sovrapporsi ai propri clienti. La scelta delle malattie trascurate non è solo una mossa filantropica. Anthropic punta a costruire modelli e strumenti migliori attraverso l’esperienza diretta nei laboratori, in una fase — quella preclinica — dove le incognite biologiche restano altissime.
Quanto pesano i colli di bottiglia che l’AI può rimuovere
Oggi portare un candidato farmaco dallo sviluppo all’approvazione richiede circa dodici anni. Vas Narasimhan, CEO di Novartis, ha scomposto questo ritardo in tre voci: latenza informativa, latenza operativa e latenza biologica. Le prime due valgono il 40% del tempo totale e sono proprio quelle su cui i nuovi modelli possono incidere. Con strumenti AI, il ciclo complessivo potrebbe scendere a sette-otto anni, mentre il tasso di successo passerebbe dall’8% al 16% grazie a migliori previsioni di sicurezza e proprietà molecolari ottimizzate. La latenza biologica — test animali, modelli cellulari, trial clinici sull’uomo — resta invece il muro duro della sperimentazione.
Questi salti percentuali sembrano modesti, ma su scala industriale cambiano l’equazione. Le grandi aziende farmaceutiche spendono ogni anno tra 150 e 200 miliardi di dollari in ricerca e sviluppo. In 120 anni hanno prodotto soltanto 800-1000 farmaci. Considerando un investimento minimo di 150 miliardi l’anno su un secolo e due decenni, la spesa complessiva ammonta a circa 18 trilioni di dollari: in media, oltre 18 miliardi per ogni farmaco arrivato sul mercato. Anche solo dimezzare il costo per terapia approvata — obiettivo plausibile con un tasso di successo raddoppiato — libererebbe risorse enormi per malattie oggi ignorate dai bilanci.
Claude Science e la caccia alle malattie rare
Durante l’evento Anthropic ha mostrato numeri concreti. Il nuovo strumento Claude Science ha analizzato 100 malattie genetiche rare in meno di un’ora, segnalando 32 candidati per lo screening computazionale. Un ricercatore della University of California San Francisco ha usato lo stesso ambiente per scovare in pochi minuti una contaminazione virale che il suo team aveva mancato per un anno intero. Sono esempi di come l’AI possa comprimere quella latenza informativa che Narasimhan indica come uno dei freni principali.
Resta l’incognita su quali malattie Anthropic affronterà per prima e su come gestirà i passaggi successivi: sperimentazione animale, produzione, trial clinici. L’azienda non ha fornito dettagli, ma sta costruendo laboratori wet e ha avviato una campagna di assunzioni che secondo Namshik Han, professore all’Università di Cambridge e cofondatore di CardiaTec, ha già attirato ricercatori da grandi aziende farmaceutiche e istituzioni accademiche.
Perché gli esperimenti restano il collo di bottiglia vero
Gli esperti interpellati dalle testate concordano su un punto: l’AI accelera la ricerca, ma nessun modello ha reso superflui gli esperimenti reali. Frank von Delft, responsabile della cristallografia delle proteine all’Università di Oxford, taglia corto: «I modelli non si sono neanche avvicinati a rendere inutili gli esperimenti». E aggiunge che se Anthropic vuole sviluppare un farmaco, «dovrà spendere molto in esperimenti». Matthew Todd, professore di drug discovery all’University College London, ricorda che il settore «è molto lontano» dall’avere un farmaco progettato dall’AI approvato per uso umano. Il tempo della validazione clinica non si comprime con il software, e ogni candidato deve dimostrare sicurezza ed efficacia nel mondo fisico, con i tempi e i costi che questo comporta.
Oggi AI-first biotech come Isomorphic Labs (spin-off di Google DeepMind) e startup come Insilico stanno già portando candidati in trial, ma nessuna molecola ideata dall’AI ha ancora completato l’iter fino all’approvazione FDA. Anthropic si aggiunge a questa corsa con un vantaggio potenziale — i modelli linguistici su larga scala — e con un conflitto di ruolo tutto da gestire: vende software a potenziali concorrenti farmaceutici.
La scommessa di Anthropic è che l’integrazione verticale tra AI e biologia possa sbloccare terapie che il mercato abbandona perché troppo costose da scoprire. Ma il percorso è ancora tutto nei laboratori, e il primo farmaco eventuale è lontano almeno un decennio.
Fonti
