The Pulse
Quotient Sciences: l’IA sceglie le formulazioni del farmaco in tre periodi di somministrazione
Quotient Sciences afferma che un algoritmo proprietario di IA ha selezionato composizioni e dosi di compresse a rilascio modificato durante uno studio clinico in corso. Il sistema ha raggiunto un target farmacocinetico prefissato entro tre
AI.info Team ·
Tre periodi di somministrazione sono bastati a raggiungere il target prefissato
Quotient Sciences afferma che il suo algoritmo proprietario di intelligenza artificiale ha selezionato le composizioni e i dosaggi di compresse a rilascio modificato durante uno studio clinico in corso, raggiungendo il target farmacocinetico prefissato dallo studio entro tre periodi di somministrazione. L’organizzazione di ricerca, sviluppo e produzione conto terzi con sede a Nottingham, in Inghilterra, ha riferito i risultati intermedi il 17 settembre 2026, in un comunicato aziendale diffuso tramite PR Newswire.
Il risultato è importante 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 basandosi soltanto sui test di laboratorio. In genere, gli sviluppatori di farmaci passano attraverso cicli di progettazione della formulazione, produzione e test clinici 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 rapidamente e con precisione questa relazione, raggiungendo il nostro target prefissato entro tre periodi di somministrazione».
Il modello ha modificato la raccomandazione successiva dopo ogni periodo di somministrazione
Quotient Sciences afferma che l’algoritmo è stato avviato nello studio addestrato soltanto sui dati di rilascio del farmaco in vitro. Dopo ogni periodo di somministrazione, l’azienda lo ha riaddestrato usando i risultati dei test di dissoluzione delle compresse e i dati farmacocinetici dei partecipanti sani, poi ha usato il modello aggiornato per selezionare la composizione della formulazione e la dose successive.
Il processo non ha dato al sistema un controllo senza restrizioni sullo studio. Quotient Sciences ha stabilito limiti operativi, tra cui un tetto massimo per la dose 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 modello di usare i risultati di un periodo di somministrazione per orientare quello successivo.
Lo studio utilizza un farmaco generico con un profilo di sicurezza consolidato e un’ampia quantità di dati pubblicati. Quotient Sciences afferma che il composto è stato scelto per testare il metodo di formulazione, non come candidato allo sviluppo, e che l’azienda non intende portarlo avanti come prodotto.
Lo screening di laboratorio ha fornito il punto di partenza
Il lavoro clinico fa seguito a uno screening di laboratorio precedente, durante il quale lo stesso algoritmo ha appreso la relazione tra la composizione della compressa e il rilascio del farmaco in vitro. Secondo Quotient Sciences, il sistema ha mappato lo spazio di progettazione delle formulazioni dopo averne esaminato un terzo in meno rispetto ai metodi convenzionali.
Quel risultato precedente ha portato all’ipotesi clinica che viene ora verificata: un modello capace di collegare la composizione al comportamento di rilascio in laboratorio potrebbe anche apprendere in che modo la composizione influisce sulla farmacocinetica negli esseri umani. Lo studio attuale intende verificare direttamente questa relazione, anziché considerare le prestazioni di laboratorio un sostituto sufficiente dei dati clinici.
Quotient Sciences ha 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 apprendimento automatico di Intrepid sarebbe stato integrato nella piattaforma Translational Pharmaceutics di Quotient, che combina sviluppo delle formulazioni, produzione del prodotto farmaceutico e test clinici precoci. Le aziende descrivono il sistema come un modello di apprendimento automatico 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 determinano le prestazioni finali
Il risultato riferito è preliminare. Le somministrazioni proseguono e Quotient Sciences afferma che prevede di pubblicare i risultati completi dopo la conclusione dello studio, verso la fine del 2026. Nel comunicato sui risultati intermedi non vengono resi noti l’identità del farmaco, il numero di partecipanti, le composizioni esatte selezionate, l’entità dell’errore farmacocinetico né il profilo target usato nello studio.
Questi dettagli determineranno quanto ampiamente si potrà applicare il risultato. Raggiungere un target predefinito in un singolo studio controllato dimostrerebbe che il modello può supportare un programma adattivo di sviluppo delle formulazioni, ma non proverebbe di per sé che l’approccio funziona con molecole, meccanismi di rilascio, dosi o popolazioni di pazienti diversi.
«Ci siamo posti tre domande», ha dichiarato Lewis. «Il modello è in grado di apprendere la relazione tra la composizione della formulazione e le prestazioni negli esseri umani e, in caso affermativo, con quale rapidità e precisione? Sulla base dei dati intermedi, la risposta è sì, e abbastanza rapidamente da farci prevedere che serviranno meno test clinici per sviluppare formulazioni a rilascio modificato per altre molecole».
Un gemello digitale collega le scelte di formulazione ai dati umani
Quotient Sciences afferma che la soluzione potenziata dall’IA entrerà a far parte della sua piattaforma Translational Pharmaceutics e supporterà lo sviluppo dei farmaci guidato dai modelli. L’azienda descrive il risultato come un gemello digitale che collega la composizione della formulazione alle prestazioni in vitro e alla farmacocinetica umana.
L’obiettivo pratico è più circoscritto della sostituzione dei test clinici: il modello intende aiutare a decidere quale formulazione testare successivamente, riducendo i cicli non necessari di produzione e somministrazione. Anche la progettazione dello studio chiarisce il limite. L’algoritmo propone una composizione, ma la produzione in laboratorio, la revisione della sicurezza e la somministrazione clinica restano fasi sotto controllo umano.
In attesa dei dati finali, il risultato più solido verificato resta quello riferito da Quotient Sciences: il suo algoritmo ha raggiunto il target farmacocinetico prefissato dallo studio entro tre periodi di somministrazione, selezionando la formulazione e la dose durante la sperimentazione.