Anthropic ha presentato il 27 ottobre 2026 i primi risultati di sei collaborazioni scientifiche nelle quali Claude, il suo sistema di intelligenza artificiale, viene utilizzato per affrontare alcune delle attività più complesse dello sviluppo farmaceutico. I progetti coinvolgono BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines e The Column Group, organizzazioni impegnate in ambiti che comprendono la progettazione di molecole, la ricerca oncologica, le allergie alimentari e la preparazione della documentazione necessaria agli studi clinici.
La comunicazione segna un ampliamento delle applicazioni di Claude nelle scienze della vita. Le sperimentazioni riguardano attività scientifiche e operative svolte all’interno di programmi di ricerca reali, con risultati che in alcuni casi sono già stati sottoposti a verifiche di laboratorio. La maggior parte dei progetti rimane tuttavia nella fase preclinica, senza medicinali approvati né benefici terapeutici dimostrati nei pazienti.
L’interesse per Claude per la ricerca di nuovi farmaci nasce dalla possibilità di intervenire su più passaggi dello sviluppo, anziché concentrare l’intelligenza artificiale esclusivamente sulla generazione di nuove molecole. Identificare un bersaglio biologico, selezionare i composti promettenti, migliorarne le proprietà, organizzare gli esperimenti e predisporre documenti regolatori sono attività differenti, ma strettamente collegate. Una riduzione dei tempi in una di queste operazioni può essere utile soltanto se la qualità dei risultati rimane verificabile nelle fasi successive.
Dalla progettazione delle molecole alle verifiche di laboratorio
Uno dei progetti più significativi riguarda Generate Biomedicines, impegnata nello sviluppo di nuove applicazioni delle terapie CAR-T. Questi trattamenti utilizzano cellule immunitarie geneticamente modificate per riconoscere e attaccare determinate cellule tumorali. I risultati ottenuti finora in alcune neoplasie del sangue hanno alimentato la ricerca di soluzioni capaci di affrontare anche i tumori solidi, che presentano difficoltà biologiche differenti.
Sei ricercatori di Generate Biomedicines hanno utilizzato Claude Code per riprogettare una parte delle istruzioni genetiche impiegate nella terapia. L’obiettivo era ridurne le dimensioni, lasciando spazio a ulteriori componenti necessari per adattare il trattamento ad altre forme tumorali.
Una delle soluzioni individuate è risultata circa il 70% più corta rispetto alla versione di riferimento. Nei test di laboratorio ha consentito alle cellule immunitarie di produrre una quantità di recettori approssimativamente dieci volte superiore, migliorando anche alcuni parametri relativi all’attività contro le cellule tumorali e alla sua durata.
Si tratta di risultati sperimentali su specifiche caratteristiche cellulari. Non dimostrano che una terapia derivata da questa progettazione sia più efficace nei pazienti, ma indicano un possibile contributo dell’intelligenza artificiale alla modifica di componenti biologiche particolarmente complesse.
Una seconda collaborazione coinvolge Divergence Labs, che sta sviluppando un approccio terapeutico per le allergie alimentari. Il progetto riguarda le immunoglobuline E, note come IgE, anticorpi coinvolti nelle reazioni allergiche. La strategia studiata mira a rimuovere le IgE legate alle cellule immunitarie, intervenendo su un meccanismo diverso dalla sola neutralizzazione degli anticorpi circolanti.
Claude ha trasformato gli obiettivi scientifici del progetto in un piano di progettazione e ha generato circa 35.000 configurazioni di anticorpi nell’arco di un mese. Le successive verifiche hanno individuato tre soluzioni capaci di legarsi alle IgE e venti con attività di distacco degli anticorpi dalle cellule. Tre di queste ultime hanno mostrato, nella specifica prova sperimentale, risultati superiori al trattamento di riferimento.
La fase successiva consiste nel combinare le due funzioni all’interno di una possibile molecola terapeutica. È un passaggio ancora da dimostrare sperimentalmente e che richiederà ulteriori valutazioni prima di poter considerare un eventuale sviluppo clinico.
BigHat Biosciences e il miglioramento delle molecole candidate
La collaborazione con BigHat Biosciences affronta un problema diverso: una molecola capace di riconoscere correttamente il proprio bersaglio biologico non è necessariamente adatta a diventare un farmaco.
Durante lo sviluppo devono essere valutate anche la stabilità, la tendenza ad aggregarsi e la possibilità di mantenere caratteristiche adeguate durante produzione, conservazione e somministrazione. Una sostanza promettente nei primi esperimenti può infatti rivelarsi poco utilizzabile quando viene sottoposta a verifiche più approfondite.
L’impiego di Claude per la ricerca di nuovi farmaci è stato sperimentato su due frammenti anticorpali destinati a possibili applicazioni terapeutiche. Collegando il sistema ai dati della piattaforma di laboratorio Reccy, i ricercatori hanno lavorato alla modifica delle molecole per migliorarne l’affinità di legame, la stabilità e il comportamento rispetto all’aggregazione.
Nell’arco di circa dieci settimane sono state prodotte e analizzate 1.010 varianti. Le migliori configurazioni hanno mostrato un’affinità di legame superiore di oltre dieci volte rispetto alle versioni iniziali. Per uno dei candidati è stato osservato un miglioramento della stabilità termica, mentre nell’altro la velocità di aggregazione è diminuita di oltre cento volte.
Un elemento interessante riguarda il metodo seguito durante gli esperimenti. Quando alcune misure convenzionali sono risultate potenzialmente fuorvianti, Claude e un ricercatore di Anthropic hanno riesaminato i dati grezzi, proponendo indicatori differenti e una modifica del protocollo sperimentale. Gli scienziati di BigHat hanno successivamente perfezionato ed eseguito le verifiche.
L’episodio mostra una possibile funzione dell’AI nell’interpretazione dei risultati, oltre che nella produzione di ipotesi. La validità delle modifiche resta però affidata agli esperimenti e alla capacità dei ricercatori di individuare eventuali errori di metodo.
Documentazione farmaceutica e studi clinici: gli altri campi di applicazione
La produzione di un medicinale sperimentale richiede una documentazione estesa, necessaria per ricostruire le condizioni di fabbricazione, verificare la qualità dei lotti e predisporre le pratiche da presentare alle autorità regolatorie.
Enveda ha sperimentato Claude su queste attività, collegando il sistema ai documenti relativi ai processi produttivi. In una prova condotta su 1.061 pagine, il software ha individuato tutte le undici criticità precedentemente riconosciute dai revisori umani, segnalando altre sette possibili anomalie.
Il tempo dedicato alla revisione manuale è passato da oltre 25 ore a meno di tre, con una riduzione dichiarata dell’89%. Claude è stato inoltre impiegato per preparare le prime bozze di due documenti regolatori. Per uno di questi, il lavoro iniziale è stato completato in quattro ore, rispetto ai circa tre mesi richiesti dal precedente processo manuale.
Questi risultati riguardano procedure specifiche e non possono essere automaticamente estesi a tutta la documentazione farmaceutica. Un sistema capace di identificare correttamente le anomalie in un insieme di documenti deve dimostrare di mantenere prestazioni affidabili anche con dati differenti, formati meno uniformi e problemi che non compaiono negli esempi già esaminati.
La collaborazione con Bristol Myers Squibb riguarda invece la pianificazione degli studi clinici. Claude viene utilizzato per analizzare dati proprietari, esaminare possibili strategie di sviluppo e contribuire alla valutazione delle probabilità di successo di programmi sperimentali nelle fasi iniziali.
Il lavoro è destinato ad ampliarsi nel 2027. Al momento, l’utilità del sistema riguarda soprattutto il supporto alle analisi preliminari e alle decisioni dei gruppi di ricerca, senza evidenze che consentano di attribuirgli un aumento effettivo dei tassi di successo clinico.
The Column Group sta esplorando un’ulteriore applicazione attraverso Pleiades, una nuova società progettata per gestire programmi di sviluppo farmaceutico con un’organizzazione relativamente contenuta. Tra i primi strumenti realizzati compare un sistema che utilizza Claude per valutare l’opportunità di perseguire determinate combinazioni tra bersagli biologici e malattie. La valutazione iniziale ha interessato 45 coppie bersaglio-patologia.
L’obiettivo è comprendere se l’automazione di parte del lavoro scientifico e amministrativo possa permettere a gruppi più piccoli di affrontare programmi di ricerca normalmente associati a strutture più grandi. La sostenibilità di questo modello dovrà essere verificata attraverso l’avanzamento effettivo dei progetti, i costi sostenuti e la qualità delle decisioni.
Anche le malattie rare entrano nei programmi di Anthropic
Accanto alle sei collaborazioni, Anthropic ha avviato attività proprie di ricerca farmaceutica. Tra queste rientrano programmi dedicati ad alcune forme rare di distrofia muscolare infantile.
L’iniziativa comprende l’acquisizione di Mithril Medicine, una piccola realtà che lavorava allo sviluppo di trattamenti per due forme rare della malattia. Il fondatore Cody Tranbarger aveva utilizzato Claude per organizzare contratti, attività logistiche e sperimentazioni affidate a undici laboratori esterni.
Per uno dei programmi, il percorso dall’idea iniziale ai primi risultati promettenti nei topi ha richiesto meno di diciotto mesi. La sperimentazione animale costituisce un passaggio importante per approfondire i meccanismi biologici e valutare un candidato terapeutico, ma non permette di stabilire automaticamente sicurezza ed efficacia nell’uomo.
Anthropic prevede che, qualora i risultati continuassero a essere favorevoli, uno dei candidati potrebbe essere pronto per iniziare la sperimentazione clinica entro la fine del 2028. Si tratta di una previsione condizionata all’esito delle verifiche ancora necessarie, non di una data certa per l’accesso dei pazienti al trattamento.
Come misurare l’effettiva utilità dell’intelligenza artificiale
La diffusione di Claude per la ricerca di nuovi farmaci pone una questione metodologica: quali risultati dimostrano realmente che l’intelligenza artificiale sta migliorando il processo scientifico?
Il numero di molecole generate rappresenta soltanto un indicatore iniziale. Produrre migliaia di candidati in tempi ridotti può ampliare le possibilità di ricerca, ma il valore scientifico dipende dalla proporzione di soluzioni che superano le verifiche sperimentali e dalla qualità delle proprietà ottenute.
Nel caso della progettazione molecolare occorre quindi distinguere la capacità di generare ipotesi dalla capacità di individuare candidati realmente utilizzabili. Le valutazioni devono comprendere riproducibilità dei risultati, prestazioni rispetto ai metodi tradizionali, stabilità delle molecole e comportamento in condizioni sperimentali differenti.
Un secondo criterio riguarda il confronto con procedure svolte senza assistenza AI. Per attribuire un miglioramento a Claude è necessario considerare la complessità delle attività, le risorse umane impiegate, il numero di esperimenti effettuati e i costi complessivi. Una riduzione del tempo necessario alla preparazione di un documento, per esempio, assume significato soltanto se non aumenta il lavoro di correzione successivo o il rischio di errori difficili da individuare.
La riproducibilità costituisce un altro requisito essenziale. Un risultato ottenuto in un singolo laboratorio dovrebbe poter essere verificato attraverso protocolli documentati e, quando possibile, mediante valutazioni indipendenti.
I resoconti pubblicati il 27 ottobre comprendono rapporti tecnici e materiali preliminari relativi ai diversi progetti. Questi documenti consentono di esaminare metodi e risultati con maggiore dettaglio, ma non equivalgono necessariamente a studi sottoposti a revisione scientifica indipendente.
L’impiego di modelli linguistici introduce inoltre problematiche specifiche. Claude può produrre interpretazioni errate, riferimenti non pertinenti o risposte apparentemente coerenti che non trovano conferma nei dati sperimentali. In un’attività farmaceutica, un errore di questo tipo può compromettere la scelta dei candidati, la pianificazione degli esperimenti o la qualità dei documenti prodotti.
La verifica umana deve quindi riguardare il contenuto scientifico delle risposte e la tracciabilità delle informazioni utilizzate. È necessario poter ricostruire quali dati abbiano contribuito a una determinata analisi, quali passaggi siano stati eseguiti automaticamente e quali decisioni siano state approvate dai responsabili del progetto.
Dalla ricerca preclinica alla sperimentazione sui pazienti
Il percorso che separa una molecola promettente da un medicinale autorizzato comprende verifiche che l’intelligenza artificiale non può sostituire.
La Food and Drug Administration distingue le attività di scoperta e sviluppo dalla ricerca preclinica, dagli studi clinici e dalla successiva valutazione regolatoria. Nelle prime fasi vengono esaminati i meccanismi d’azione e le caratteristiche delle sostanze candidate. Seguono gli studi necessari per identificare possibili rischi tossicologici e raccogliere informazioni sulla sicurezza prima dell’eventuale sperimentazione nell’uomo.
Gli studi clinici devono poi verificare sicurezza ed efficacia nelle persone, attraverso protocolli adeguati e sotto il controllo delle autorità competenti. Anche risultati particolarmente promettenti ottenuti su cellule o animali possono non essere confermati durante questa fase.
L’Agenzia europea per i medicinali ha affrontato il tema dell’intelligenza artificiale nel ciclo di vita dei farmaci attraverso un documento di orientamento adottato nel settembre 2024. Le indicazioni riguardano l’utilizzo dei sistemi AI nelle diverse fasi dello sviluppo e richiamano la necessità di gestire adeguatamente qualità dei dati, affidabilità dei modelli, rischi e responsabilità.
Per utilizzare Claude per la ricerca di nuovi farmaci in attività soggette a requisiti regolatori, le organizzazioni devono quindi assicurare controlli proporzionati al ruolo effettivamente assegnato al sistema.
Una bozza di documento può essere sottoposta a revisione prima dell’utilizzo. Una decisione relativa alla selezione di un candidato terapeutico richiede invece riscontri scientifici più approfonditi. Quando l’AI contribuisce alla valutazione di dati clinici, la necessità di documentare metodi, limiti e interventi umani diventa ancora più rilevante.
La prospettiva di Claude Science e le nuove collaborazioni
Anthropic sta estendendo le iniziative scientifiche attraverso Claude Science, un ambiente di lavoro destinato ai ricercatori, e programmi che permettono a organizzazioni selezionate di utilizzare le capacità avanzate dei suoi modelli.
Il Life Sciences Verification Program prevede modalità di accesso specifiche per soggetti verificati, con salvaguardie adattate alle esigenze della ricerca biologica legittima. Il tema è delicato perché alcune attività scientifiche richiedono informazioni specialistiche che possono presentare anche potenziali rischi di utilizzo improprio.
Il 22 ottobre 2026 è stata inoltre avviata una selezione di ricercatori ospiti provenienti da università, enti pubblici e organizzazioni senza scopo di lucro. I progetti, della durata prevista di otto-dodici settimane, potranno riguardare biologia molecolare, chimica farmaceutica, ricerca sulle cause delle malattie e scienze cliniche, con l’obiettivo di produrre analisi e strumenti scientifici condivisibili.
L’utilizzo di Claude per la ricerca di nuovi farmaci potrà così essere esaminato anche attraverso programmi esterni alle collaborazioni iniziali, ampliando la varietà delle discipline e dei problemi affrontati.
La disponibilità di risultati riproducibili, protocolli consultabili e confronti indipendenti sarà determinante per valutare i progressi. Le sperimentazioni illustrate finora documentano miglioramenti in attività specifiche, dalla progettazione di anticorpi alla gestione dei documenti produttivi, mentre rimane da stabilire quanto questi miglioramenti possano incidere sull’intero percorso di sviluppo farmaceutico.
Una verifica particolarmente significativa arriverà con l’avanzamento dei candidati verso gli studi clinici e con l’eventuale pubblicazione di dati che permettano di confrontare programmi assistiti dall’intelligenza artificiale e procedure convenzionali. Saranno soprattutto questi risultati a chiarire se l’accelerazione osservata nelle prime attività scientifiche potrà tradursi in un vantaggio concreto per lo sviluppo di nuove terapie.
