La ricerca sottoposta a revisione paritaria, pubblicata in accesso anticipato su Nature Communications nel 2026, presenta un framework di intelligenza artificiale denominato E-MAF, che imita gli esperti, con l’obiettivo di accelerare lo sviluppo di sistemi polimerici a rilascio controllato. Combinando un modello surrogato consapevole del processo con un algoritmo genetico ottimizzato, E-MAF imita il ragionamento degli esperti, passando da una valutazione preliminare a una progettazione dettagliata, e genera formulazioni realizzabili in laboratorio conformi ai profili di rilascio desiderati.
I ricercatori hanno riferito che il sistema ha ridotto a circa 1 ora il ciclo di progettazione, che normalmente richiede 6-12 mesi. Negli studi condotti su 7 principi attivi farmaceutici, è stato indicato che il rilascio in vitro, la farmacocinetica in vivo e gli effetti terapeutici eguagliavano o superavano i parametri di riferimento commerciali. E-MAF ha inoltre prodotto profili difficili da ottenere con i metodi tradizionali; mentre il rilascio iniziale improvviso del risperidone entro 1 h è stato mantenuto a un livello ≤2%, in vivo è stato ottenuto un rilascio a velocità costante prossima allo zero per circa 28 giorni. I risultati indicano che l’approccio potrebbe accelerare il trasferimento dei sistemi a rilascio controllato e delle tecnologie di somministrazione dei farmaci verso l’applicazione clinica e l’industrializzazione.
Gli autori che hanno contribuito in egual misura allo studio sono Ying Qin, Rushuang Zhou, Yali Ming e Bohao Li; i responsabili della corrispondenza sono Yuedong Yang, Yining Dong o Yufei Xia. Alla ricerca hanno partecipato gruppi affiliati a City University of Hong Kong, Chinese Academy of Sciences, University of Chinese Academy of Sciences, Sun Yat-sen University e Huili Pharmaceutical Co., Ltd. È stato riferito che Y.H. e H.W., dipendenti di Huili, hanno fornito i dati proprietari dell’azienda relativi alle formulazioni e ai processi. È stata depositata una domanda di brevetto riguardante E-MAF e le sue applicazioni; Y.Q., R.Z. e Y.D. sono stati indicati come inventori. Gli altri autori non hanno dichiarato conflitti di interesse.
Durante la preparazione dell’articolo, ChatGPT e DeepSeek sono stati utilizzati sotto la supervisione degli autori esclusivamente per il miglioramento linguistico. Lo studio è stato sostenuto da vari programmi e fondi di ricerca cinesi. L’articolo è stato pubblicato con licenza CC BY-NC-ND 4.0 e il DOI indicato è https://doi.org/10.1038/s41467-026-77619-5.
Perché è importante
Questo approccio abbrevia il flusso di lavoro tra la selezione dei candidati e la progettazione dettagliata nelle formulazioni a rilascio controllato, consentendo ai gruppi di sviluppo farmaceutico di stabilire più precocemente a quali opzioni destinare le risorse di laboratorio. Il confronto dei risultati in vitro, in vivo e terapeutici con parametri di riferimento commerciali fa sì che i risultati non si limitino a una semplice rivendicazione di prestazioni computazionali; la valutazione, tuttavia, è circoscritta a sette principi attivi farmaceutici. Resta quindi da chiarire se lo stesso successo potrà essere replicato con composti, condizioni di produzione e applicazioni cliniche differenti. La fornitura da parte dell’azienda di dati proprietari relativi alle formulazioni e ai processi, insieme alla domanda di brevetto, evidenzia il legame con l’industria, ma mantiene aperti anche gli interrogativi sulla misura in cui il metodo potrà essere riprodotto da gruppi indipendenti e reso accessibile.