L’intelligenza artificiale applicata alla scoperta di nuove combinazioni farmacologiche potrebbe essere meno “biologica” di quanto si pensasse. È la conclusione di uno studio che ha analizzato i modelli utilizzati per prevedere la sinergia tra farmaci, evidenziando come molte delle loro performance possano derivare da scorciatoie statistiche piuttosto che dalla comprensione dei processi molecolari alla base della risposta terapeutica. La ricerca si concentra sui sistemi computazionali impiegati per identificare combinazioni di medicinali potenzialmente efficaci contro patologie complesse, tra cui tumori, infezioni e malattie multifattoriali. Poiché il numero di possibili associazioni tra farmaci è estremamente elevato, questi strumenti sono considerati fondamentali per selezionare le strategie più promettenti da validare sperimentalmente.

Tradizionalmente, i modelli vengono addestrati utilizzando informazioni dettagliate sulle caratteristiche chimiche dei farmaci e sui profili molecolari delle cellule, come dati genomici, trascrittomici e proteomici. Gli autori dello studio hanno però testato un approccio radicalmente diverso: sostituire tutte queste informazioni con semplici codifiche “one-hot”, prive di qualsiasi contenuto biologico e utilizzate esclusivamente per identificare farmaci e linee cellulari.

I risultati hanno mostrato un dato inatteso. Le prestazioni predittive dei modelli sono rimaste sostanzialmente invariate e, in alcuni casi, sono persino migliorate. Questo suggerisce che gli algoritmi potrebbero non basare le proprie previsioni sulle proprietà biologiche dei farmaci, ma piuttosto sulla capacità di riconoscere combinazioni già osservate nei dati di addestramento. Secondo gli autori, il fenomeno riflette una forma di “shortcut learning”, in cui il sistema sfrutta correlazioni ricorrenti presenti nel dataset anziché apprendere relazioni causali o meccanismi molecolari. In pratica, il modello associa determinati farmaci e linee cellulari a specifici livelli di sinergia senza comprenderne le ragioni biologiche. Per verificare l’origine di questo comportamento, i ricercatori hanno creato dataset sintetici. In tali condizioni gli algoritmi si sono dimostrati capaci di utilizzare correttamente le caratteristiche molecolari. Il problema emerge invece nei dataset reali, dove la frequente ricorrenza degli stessi farmaci e delle stesse cellule favorisce strategie di apprendimento basate sulla memorizzazione.

Le implicazioni sono rilevanti per la ricerca farmacologica. Modelli apparentemente molto accurati potrebbero avere una limitata capacità di generalizzare a nuovi farmaci o a linee cellulari mai analizzate in precedenza. Lo studio evidenzia quindi la necessità di sviluppare metodologie più robuste, capaci di valorizzare realmente le informazioni biologiche e di fornire previsioni utili alla scoperta di nuove combinazioni terapeutiche.