Notizia

Novartis indica ricerca più rapida con l’IA: candidati farmaci in 18–24 mesi anziché 3 anni, ma quanto vale il tempo risparmiato per gli azionisti?

TradingCenter.it

Come verifichiamo le informazioni

Dietro questo simbolo c’è un controllo editoriale: confrontiamo i fatti principali con le fonti disponibili e verifichiamo numeri, date e contesto prima della pubblicazione.

  • Fonti riconoscibili. Privilegiamo documenti originali, comunicazioni ufficiali e dati degli enti competenti.
  • Fatti e interpretazioni distinti. Segnaliamo previsioni, stime e informazioni che richiedono ulteriori conferme.
  • Responsabilità visibile. Autore e, quando presente, revisore sono indicati nell’articolo.

Le informazioni possono cambiare. Se emerge un errore, lo correggiamo secondo la nostra politica delle correzioni. Il simbolo indica un controllo interno, non una certificazione esterna.

Laboratorio farmaceutico e ricerca sulle molecole con la scritta Azioni Novartis
I tempi indicati a Reuters riguardano la selezione dei candidati farmaci: i dati ufficiali di Lilly e il percorso FDA aiutano a distinguere produttività della ricerca e ritorni economici.
In sintesi
  • Novartis indica 12–18 mesi risparmiati nella selezione di un candidato, secondo Reuters.
  • Lilly TuneLab utilizza dati sperimentali: oltre 2 milioni di Lilly e più di 675 mila dei partner.
  • La maggiore velocità va distinta da riduzioni dei costi, approvazioni e utili già dimostrati.

Novartis indica che l’intelligenza artificiale sta accorciando una fase decisiva della ricerca farmaceutica: secondo Fiona Marshall, responsabile della ricerca del gruppo, il percorso medio dall’avvio di un progetto alla selezione di un candidato farmaco è passato da tre anni a circa 18–24 mesi. La dichiarazione è riportata nell’inchiesta Reuters pubblicata il 20 novembre e aggiornata alle 12:54 italiane. Il dato misura la velocità della ricerca iniziale, non il tempo complessivo necessario per ottenere un’autorizzazione e vendere una terapia.

Per gli azionisti il punto è questo: anticipare una decisione scientifica può aumentare il valore del capitale investito, ma per misurare il beneficio occorre sapere che cosa succede dopo. Un candidato identificato più rapidamente può arrivare prima alle prove successive oppure fallire comunque. La differenza economica dipende da costi, probabilità di successo e tempi degli incassi.

Da 36 a 18–24 mesi: che cosa dice davvero il confronto

Convertendo i tre anni iniziali in 36 mesi, l’intervallo indicato da Novartis equivale a 12–18 mesi risparmiati, ossia una riduzione di circa il 33–50%. È un’elaborazione aritmetica dei tempi riferiti dalla dirigente, non una stima societaria del miglioramento dei margini. Reuters colloca queste dichiarazioni nel confronto tra le grandi case farmaceutiche e l’avanzata di Anthropic nelle applicazioni scientifiche dell’IA.

La distinzione è importante anche per confrontare le imprese. Il tempo necessario a scegliere una molecola promettente, quello richiesto per avviare uno studio sull’uomo e quello per completare lo sviluppo sono indicatori diversi. Una percentuale riferita al primo passaggio non può essere applicata automaticamente all’intero programma né al bilancio annuale della ricerca.

Lilly mostra quale risorsa alimenta gli algoritmi

Un riscontro concreto sul funzionamento industriale arriva dalla documentazione ufficiale di Lilly TuneLab. La piattaforma indica oltre 2 milioni di dati preclinici Lilly e più di 675 mila dati dei partner, con riferimento a settembre 2026. Sono informazioni sperimentali utilizzate per costruire modelli predittivi, non conteggi di farmaci approvati o di pazienti curati.

Il sistema utilizza un apprendimento federato: i dati dei partecipanti restano nei rispettivi ambienti, mentre vengono condivisi aggiornamenti dei parametri dei modelli. Il contributo riguarda anche proprietà farmacocinetiche e tossicologiche. La documentazione richiede, per le aziende ammesse al percorso sulle piccole molecole, almeno 1.000 misurazioni sperimentali. L’accesso al software si intreccia quindi con la capacità di produrre dati di laboratorio utili.

Nel comunicato di lancio del 9 settembre 2025, Lilly aveva descritto modelli basati su dati generati attraverso attività costate oltre 1 miliardo di dollari. Quel riferimento è storico e riguarda la produzione dei dati: non rappresenta un nuovo investimento annunciato oggi, né una valutazione economica della piattaforma. Aiuta però a capire perché gli archivi sperimentali accumulati dalle case farmaceutiche possano avere un ruolo strategico nelle collaborazioni con le società tecnologiche.

Il rendimento può migliorare anche senza tagliare il budget

L’interpretazione economica è che una selezione più rapida possa produrre vantaggi in almeno due modi. Se permette di abbandonare prima una strada poco promettente, libera personale e risorse per altri progetti. Se accelera un candidato valido, può anticipare le fasi successive e, a condizioni favorevoli, i futuri incassi. In entrambi i casi serve verificare che il tempo guadagnato non venga assorbito da ulteriori prove o problemi di sviluppo.

Un gruppo potrebbe inoltre mantenere invariata la spesa complessiva e usarla per esaminare più candidati. Il risultato sarebbe una maggiore produttività del budget, non necessariamente una diminuzione dei costi riportati nel conto economico. Per questo la lettura finanziaria richiede un denominatore: quanti programmi avanzano, con quante risorse e con quale qualità dei risultati?

La disponibilità di più previsioni, da sola, non risponde alla domanda. Il valore nasce quando queste aiutano a scegliere meglio quali esperimenti eseguire e quali progetti finanziare. Anche i costi di calcolo, integrazione dei sistemi e validazione devono entrare nel confronto con il processo precedente.

La sperimentazione clinica resta il passaggio decisivo

La guida della FDA sullo sviluppo dei farmaci distingue la ricerca preclinica dagli studi sulle persone, necessari per valutare sicurezza ed efficacia. Per gli studi di fase 3 indica una durata tipica di uno–quattro anni, con variazioni legate al programma. Questo intervallo è un riferimento generale, non una previsione sui candidati Novartis, e mostra perché accelerare la scoperta lasci ancora un percorso rilevante da affrontare.

I prossimi elementi da monitorare sono quindi i candidati che entrano effettivamente negli studi, il loro avanzamento, gli eventuali abbandoni e la spesa necessaria per ottenere risultati utilizzabili. Per attribuire all’IA un aumento durevole della redditività serviranno confronti coerenti tra programmi e periodi, oltre alle dichiarazioni sui tempi risparmiati. La novità industriale è significativa: la prova finanziaria arriverà quando la maggiore velocità si tradurrà in decisioni migliori e risultati clinici sostenibili.

Articoli correlati

Vedi tutti