Sintesi del progetto
AIDA risponde all’esigenza di accelerare la scoperta di nuove opportunità terapeutiche in oncologia, riducendo tempi, costi e rischi tipici dello sviluppo di nuovi farmaci. L’approccio si fonda sulla rianalisi intelligente di migliaia di molecole già approvate, ma poco esplorate in contesti oncologici, integrando dati multi omici ad altissima dimensionalità con modelli predittivi basati su Deep Learning ottimizzati per architetture HPC. Il progetto costruisce un ciclo iterativo tra predizione computazionale e validazione biologica, con l’obiettivo di individuare rapidamente candidati promettenti e confermarne l’efficacia attraverso test in vitro.
Obiettivi
Il progetto intende realizzare una piattaforma scalabile in grado di integrare grandi dataset genomici, trascrittomici e farmacologici, generando modelli predittivi robusti per identificare composti riposizionabili contro tumori specifici. L’obiettivo finale è ridurre la distanza tra data driven drug discovery e applicazione clinica, offrendo uno strumento affidabile, riproducibile e pronto per essere inserito in workflow di medicina di precisione.
Problemi e necessità
La pipeline attuale della ricerca farmacologica è lenta, costosa e caratterizzata da un altissimo tasso di fallimento clinico, mentre una grande quantità di farmaci già approvati rimane inesplorata per potenziali applicazioni oncologiche. La complessità dei dataset multi omici supera le capacità dei metodi computazionali tradizionali e richiede soluzioni avanzate basate su HPC e machine learning. Inoltre, l’assenza di un’integrazione stretta tra algoritmi predittivi e validazione sperimentale limita l’affidabilità dei modelli. AIDA risolve tali criticità grazie a un’infrastruttura ottimizzata e a un workflow che combina analisi computazionale, test in vitro e raffinamento iterativo del modello.
Soluzioni sviluppate
Il progetto ha sviluppato un framework di Deep Learning ottimizzato per HPC, in grado di integrare dati multi‑omici e farmacogenomici con performance predittiva elevata. Il sistema è stato applicato allo screening di migliaia di farmaci approvati. Le predizioni computazionali sono state validate sperimentalmente in modelli cellulari di tumore mammario, identificando una molecola già in uso clinico capace di inibire la proliferazione tumorale e modulare in vitro pathway oncogenici estrogeno-dipendenti. Questo risultato rappresenta un lead candidato per un potenziale riposizionamento terapeutico. Il workflow è riutilizzabile e scalabile, fondato su un’integrazione continua tra dati, algoritmi e sperimentazione biologica.
Impatti
AIDA accelera l’identificazione di nuove opzioni terapeutiche, riducendo il ricorso allo sviluppo di nuove molecole e favorendo strategie più rapide, sostenibili ed economicamente accessibili. Permette una maggiore sostenibilità dei sistemi sanitari riducendo fallimenti clinici e sprechi economici, e democratizza il processo di innovazione permettendo anche a centri con risorse limitate di contribuire alla scoperta scientifica grazie all’integrazione di open data, computazione avanzata e modelli sperimentali standardizzati. Sul piano sociale, la piattaforma può ampliare le opportunità terapeutiche per pazienti con tumori refrattari o rari.
Settori di applicazione
Il sistema sviluppato piò essere adottato da Ospedali e Centri Oncologici, Laboratori di Farmacologia, Industrie Farmaceutiche, Gruppi di Medicina Traslazionale, Enti Regolatori e Startup Specializzate in medicina di precisione, abilitando screening mirati, studi preclinici, ottimizzazione di candidati e supporto decisionale clinico. Il framework è estensibile ad altre patologie complesse e può evolvere verso applicazioni personalizzate basate sui dati multi omici dei singoli pazienti.
