The Pulse

L’IA di Quotient Sciences seleziona formulazioni di farmaci in tre periodi di somministrazione

Quotient Sciences afferma che un algoritmo di IA proprietario ha selezionato composizioni e dosaggi di compresse a rilascio modificato durante uno studio clinico ancora in corso. Il sistema ha raggiunto un obiettivo farmacocinetico prestabi

AI.info Team · Scritto con l’IA · verificato · 2026-09-17

Tre periodi di somministrazione sono bastati per raggiungere l’obiettivo prestabilito

Un algoritmo di intelligenza artificiale proprietario di Quotient Sciences ha selezionato composizioni e dosaggi di compresse a rilascio modificato durante uno studio clinico ancora in corso, raggiungendo l’obiettivo farmacocinetico prestabilito della sperimentazione entro tre periodi di somministrazione, secondo l’azienda. L’organizzazione di ricerca, sviluppo e produzione conto terzi, con sede a Nottingham, in Inghilterra, ha comunicato i risultati intermedi il 17 settembre 2026 in un comunicato aziendale diffuso tramite PR Newswire.

Il risultato è rilevante perché le formulazioni a rilascio modificato sono progettate per controllare il modo in cui un farmaco entra nel flusso sanguigno, ma le loro prestazioni nelle persone possono essere difficili da prevedere sulla sola base dei test di laboratorio. Chi sviluppa farmaci di norma attraversa più cicli di progettazione della formulazione, produzione e sperimentazione clinica prima di trovare una composizione che produca il profilo di esposizione desiderato.

«Prevedere come si comporterà una compressa a rilascio modificato negli esseri umani è difficile», ha dichiarato nel comunicato Andrew Lewis, direttore scientifico di Quotient Sciences. «I dati intermedi mostrano che l’algoritmo ha appreso questa relazione in modo rapido e accurato, raggiungendo il nostro obiettivo prestabilito entro tre periodi di somministrazione».

Il modello ha modificato la raccomandazione successiva dopo ogni periodo di somministrazione

All’inizio della sperimentazione l’algoritmo era stato addestrato solo su dati relativi al rilascio del farmaco in vitro. Dopo ogni periodo di somministrazione, l’azienda lo ha riaddestrato usando i risultati della dissoluzione delle compresse e i dati farmacocinetici di partecipanti sani, quindi ha usato il modello aggiornato per selezionare la composizione e il dosaggio della formulazione successiva.

Il processo non ha dato al sistema un controllo illimitato sullo studio. Quotient Sciences ha fissato limiti operativi, tra cui un tetto al dosaggio del primo prototipo, mentre un comitato per la sicurezza ha esaminato e approvato ogni composizione proposta prima della produzione e della somministrazione. Questa impostazione ha mantenuto la supervisione umana nel processo decisionale clinico, consentendo al contempo al modello di usare i risultati di un periodo di somministrazione per guidare quello successivo.

Lo studio utilizza un farmaco generico con un profilo di sicurezza consolidato e dati pubblicati ampi. Il composto è stato scelto, afferma Quotient Sciences, per testare il metodo di formulazione e non come candidato allo sviluppo, e l’azienda non prevede di portarlo avanti come prodotto.

Lo screening di laboratorio ha fornito il punto di partenza

Il lavoro clinico segue un precedente screening di laboratorio in cui lo stesso algoritmo ha appreso la relazione tra la composizione delle compresse e il rilascio del farmaco in vitro. Secondo Quotient Sciences, il sistema ha mappato lo spazio di progettazione delle formulazioni dopo aver esaminato un terzo di formulazioni in meno rispetto ai metodi convenzionali.

Quel risultato precedente ha portato all’ipotesi clinica ora in fase di verifica: un modello capace di collegare la composizione al comportamento di rilascio in laboratorio potrebbe anche apprendere come la composizione influisce sulla farmacocinetica negli esseri umani. Lo studio attuale intende verificare direttamente questo collegamento, anziché considerare le prestazioni in laboratorio un sostituto sufficiente dei dati clinici.

Quotient Sciences aveva iniziato a collaborare con Intrepid Labs allo sviluppo di formulazioni guidato dall’IA prima dello studio clinico. In un annuncio del dicembre 2025, le aziende hanno dichiarato che il modello di machine learning di Intrepid sarebbe stato integrato nella piattaforma Translational Pharmaceutics di Quotient, che combina lo sviluppo di formulazioni, la produzione di farmaci e le prime fasi della sperimentazione clinica. Le aziende descrivono il sistema come un modello di machine learning per la scienza delle formulazioni farmaceutiche, non come un modello linguistico generalista. L’annuncio della partnership di Quotient Sciences fornisce il contesto precedente.

I dati intermedi non stabiliscono le prestazioni finali

Il risultato riportato è preliminare. Le somministrazioni continuano e Quotient Sciences prevede di pubblicare i risultati completi dopo la conclusione dello studio, verso la fine del 2026. Il comunicato sui risultati intermedi non rivela l’identità del farmaco, il numero di partecipanti, le composizioni esatte selezionate, l’entità dell’errore farmacocinetico o il profilo obiettivo utilizzato nello studio.

Questi dettagli determineranno quanto ampiamente il risultato potrà essere applicato. Il raggiungimento di un obiettivo predefinito in un singolo studio controllato mostrerebbe che il modello può sostenere un programma di formulazione adattivo, ma non basterebbe di per sé a stabilire che l’approccio funzioni con molecole, meccanismi di rilascio, dosaggi o popolazioni di pazienti diversi.

«Ci siamo proposti di rispondere a tre domande», ha detto Lewis. «Il modello può apprendere la relazione tra la composizione della formulazione e le sue prestazioni negli esseri umani e, se sì, con quale rapidità e precisione? Stando ai dati intermedi, può farlo, e abbastanza rapidamente da farci prevedere una minore necessità di test clinici per sviluppare formulazioni a rilascio modificato per altre molecole».

Un gemello digitale collega le scelte di formulazione ai dati umani

La soluzione potenziata dall’IA farà parte della piattaforma Translational Pharmaceutics dell’azienda e sosterrà lo sviluppo di farmaci basato sui modelli. L’azienda descrive il risultato come un gemello digitale che collega la composizione della formulazione alle prestazioni in vitro e alla farmacocinetica negli esseri umani.

L’obiettivo pratico dichiarato è più circoscritto della sostituzione dei test clinici: il modello è pensato per aiutare a decidere quale formulazione testare successivamente, riducendo i cicli non necessari di produzione e somministrazione. Anche il disegno dello studio chiarisce il limite. L’algoritmo propone una composizione, ma la produzione in laboratorio, la valutazione della sicurezza e la somministrazione clinica restano fasi sotto il controllo umano.

Finché non saranno disponibili i dati finali, il risultato verificato più solido resta quello comunicato da Quotient Sciences: il suo algoritmo ha raggiunto l’obiettivo farmacocinetico prestabilito dello studio entro tre periodi di somministrazione, selezionando la formulazione e il dosaggio nel corso della sperimentazione.