Dalla molecola al paziente: l’IA lungo tutta la filiera del farmaco
Dalla molecola al paziente: l’IA lungo tutta la filiera del farmaco
PANORAMICA SIMPOSIO AFI 2026
Dalla molecola al paziente: l’IA lungo tutta la filiera del farmaco
Panoramica di alcuni temi rilevanti trattati al Simposio AFI 2026
L’industria farmaceutica italiana sta affrontando con crescente urgenza la trasformazione strutturale portata dall’intelligenza artificiale generativa e predittiva su ricerca, produzione, distribuzione e farmacovigilanza, in un contesto normativo che si muove — a tratti faticosamente — nella stessa direzione.
Questi temi sono stati al centro di un recente appuntamento di settore, il Simposio AFI, tenutosi a Rimini a giugno 2026, che ha attraversato nelle numerose sessioni scientifiche l’intero ciclo di vita del farmaco: dalla scoperta molecolare fino alla distribuzione capillare sul territorio, senza tralasciare le implicazioni etiche e regolatorie di questa transizione tecnologica.
Per un pubblico specialistico — Qualified Person, responsabili qualità, regulatory affairs, supply chain manager, farmacovigilanti — vale la pena ripercorrere i nodi tematici principali, distinguendo tra ciò che è già operativo, ciò che è normato “in divenire” e ciò che resta, a ragione, oggetto di dibattito critico.
Indice degli argomenti
- IA e supply chain: tra resilienza europea e innovazione delle Good Distribution Practices (GDP)
- Terapie avanzate: la sfida del “lotto singolo” tra deperibilità e produzione decentralizzata
- Sicurezza del paziente e comunicazione del rischio: l’evoluzione delle Note Informative Importanti di Sicurezza (NIIS)
- Il 2026 e la convergenza regolatoria: tra EU AI Act, Data Act e nuovi standard GMP
- Patient empowerment e salute digitale: l’IA al servizio della relazione di cura
- Etica, “Actual Intelligence” e sostenibilità: il primato dell’uomo sull’algoritmo
- Verso il 2030: la convergenza tra innovazione e regolamentazione
IA e supply chain: tra resilienza europea e innovazione delle Good Distribution Practices (GDP)
L’integrazione dell’Intelligenza Artificiale nelle Good Distribution Practices (GDP) emerge come un pilastro fondamentale per garantire l’integrità del farmaco end-to-end all’interno del framework GxP. In un contesto segnato da una forte fragilità della supply chain, dovuta alla dipendenza extra-UE per principi attivi e intermedi e colpita da recenti shock logistici nelle rotte marittime globali che hanno aumentato costi e tempi di transito, l’IA viene presentata come una leva strategica per la resilienza industriale.
Dal punto di vista operativo, l’innovazione tecnologica agisce attraverso l’ottimizzazione delle scorte e il forecast della domanda per prevenire i rischi di stock-out, oltre all’introduzione della robotica di magazzino, classificata come un’innovazione di processo incrementale nell’ambito delle GDP. Per i prodotti ad alta complessità tecnico-scientifica, le soluzioni digitali permettono inoltre il tracking in tempo reale di trasporto e temperatura, ottimizzando i percorsi distributivi per abbattere ritardi e sprechi.
A supportare questa trasformazione contribuiscono anche driver digitali come l’Electronic Patient Information (ePI), che consente una semplificazione logistica riducendo l’ingombro fisico delle confezioni, e la serializzazione, che trasforma ogni medicinale in un’unità digitalmente identificabile per richiami di prodotto più rapidi e mirati lungo tutto il canale. Sul fronte normativo, sono necessarie regole comuni a livello europeo e criteri di procurement che superino la logica del massimo ribasso a favore della sicurezza della fornitura.
L’intelligenza artificiale nella supply chain: un "orchestratore" al servizio dell’esperto
L’integrazione dell’Intelligenza Artificiale (IA) è stata delineata come un potenziamento delle capacità decisionali. Il principio guida emerso è il paradigma della “co-intelligence”: l’IA funge da “copilota” o orchestratore capace di connettere e valorizzare i sistemi esistenti (come ERP e WMS) per trasformare i dati in decisioni operative più rapide e coerenti, lasciando però all’uomo la supervisione e la responsabilità finale.
Le direttrici applicative analizzate nelle fonti si concentrano su tre ambiti principali:
- Capacità predittiva e monitoraggio: L’uso di modelli matematici e sensori permette di rilevare deviazioni dal piano previsto e identificare preventivamente colli di bottiglia nei flussi logistici o nella produzione. In ambiti critici come la gestione del plasma, i sistemi digitali assicurano il monitoraggio costante della catena del freddo (es. magazzini a -20°C) per garantire l’integrità del prodotto lungo tutta la filiera.
- Ottimizzazione dei flussi: L’IA abilita una pianificazione dinamica, permettendo il forecast della domanda e l’ottimizzazione delle scorte per ridurre il rischio di stock-out. Attraverso l’analisi dei dati in tempo reale, il sistema può proporre azioni correttive come il ri-sequenziamento della produzione o l’anticipazione del rifornimento dei materiali.
- Automazione avanzata di magazzino: È stata documentata l’adozione di tecnologie quali i sistemi AS/RS (stoccaggio e recupero automatizzato) e i veicoli a guida laser (LGV/AGV), mirati a implementare flussi logistici “zero touch”. Tali innovazioni di processo sono progettate per aumentare l’accuratezza e l’efficienza riducendo lo sforzo manuale e minimizzando gli errori.
Il presupposto fondamentale per l’efficacia di questi strumenti resta la qualità del dato di input: dati incompleti, non strutturati o la presenza di “silos” informativi rendono l’output dell’IA non significativo. Pertanto, l’affidabilità delle previsioni dipende direttamente da una solida architettura di data integrity e da una raccolta sistematica e tracciabile dei dati fin dall’origine.
Terapie avanzate: la sfida del "lotto singolo" tra deperibilità e produzione decentralizzata
Le ATMP (Advanced Therapy Medicinal Products o Medicinali per Terapie Avanzate), rappresentano un’innovazione di rottura (“breakthrough”) che impone un radicale cambio di paradigma nei modelli industriali e distributivi. La fragilità intrinseca di questi prodotti è legata a un‘elevata variabilità biologica, spesso dovuta all’impiego di materiali di partenza autologhi (cellule del paziente stesso), che rende complessa la riproducibilità e la robustezza dei processi produttivi tradizionali.
Un punto centrale emerso nelle sessioni scientifiche riguarda la natura altamente deperibile e la breve durata di conservazione (shelf-life) di queste terapie. L’allungamento della catena di fornitura è identificato come un fattore critico che può determinare il deterioramento della qualità e compromettere l’efficacia terapeutica. Per rispondere a questa sfida, il settore sta valutando soluzioni regolatorie eccezionali, come deroghe ai requisiti di importazione fisica (MIA waiver), per garantire un accesso tempestivo ai pazienti con bisogni clinici urgenti.
Dal punto di vista operativo, la gestione di queste terapie richiede una transizione verso ecosistemi digitali integrati e modelli di produzione di lotti singoli. Sono in sviluppo progetti per decentralizzare la manifattura (ad esempio delle cellule CAR-T) direttamente in ambito ospedaliero, integrando robotica, sistemi fluidi automatizzati e monitoraggio costante dei parametri critici di processo tramite l’IA. In questa nuova configurazione, la conformità non è più un atto statico ma si basa su una tracciabilità end-to-end e su un controllo continuo, dove l’integrazione dei dati tra clinica e produzione è fondamentale per assicurare la continuità terapeutica e la sicurezza del paziente.
Sicurezza del paziente e comunicazione del rischio: l'evoluzione delle Note Informative Importanti di Sicurezza (NIIS)
La gestione della sicurezza farmacologica attraverso le Note Informative Importanti di Sicurezza (NIIS), note a livello internazionale come DHPC (Direct Healthcare Professional Communication), è stata oggetto di un’analisi volta a migliorare la tutela del paziente.
Un punto centrale trattato riguarda la riconoscibilità dei messaggi. Tra le proposte operative emerse per favorire l’immediata distinzione delle NIIS dalle comunicazioni ordinarie, c’è lo sviluppo di un prototipo di pittogramma dedicato, pensato per facilitare il compito degli operatori sanitari nell’identificare tempestivamente i messaggi di sicurezza.
L’ottimizzazione del processo si concentra su due nodi critici fondamentali:
- Governance delle comunicazioni: Nei casi in cui una NIIS interessi intere classi terapeutiche con più titolari di AIC, viene indicata la necessità di identificare un’azienda capofila (con la mediazione delle associazioni di categoria). Tale coordinamento è ritenuto essenziale per garantire la coerenza dei messaggi e per evitare che la ricezione di informazioni frammentate o disallineate comprometta la chiarezza della comunicazione verso i prescrittori.
- Valutazione dell’efficacia: Le analisi tecniche sottolineano che non è sufficiente monitorare la semplice diffusione della nota. Occorre implementare strumenti per verificare la corretta comprensione dei contenuti da parte dei destinatari e per valutare l’impatto reale sulla pratica clinica e sulla gestione del rischio. L’integrazione di dati della pratica quotidiana (Real-World Data) è vista come il prerequisito per misurare l’effettiva influenza della comunicazione sul comportamento prescrittivo.
Il percorso evolutivo delineato punta a superare le attuali criticità attraverso un modello di cooperazione tra autorità, aziende e professionisti della salute, supportato da infrastrutture digitali e database centralizzati per la tracciabilità delle informazioni.
Il 2026 e la convergenza regolatoria: tra EU AI Act, Data Act e nuovi standard GMP
Il panorama normativo europeo si appresta a vivere una svolta decisiva con l’attuazione coordinata di diversi atti legislativi destinati a governare la trasformazione digitale dell’industria della salute. Il fulcro di questo cambiamento è rappresentato dall’EU AI Act, la cui applicazione degli obblighi relativi ai sistemi classificati “ad alto rischio” è fissata per l’agosto 2026. In ambito sanitario, questa classificazione include tipicamente i sistemi di intelligenza artificiale con finalità diagnostiche o impiegati in componenti di sicurezza e processi produttivi critici, imponendo requisiti rigorosi in termini di gestione del rischio, qualità dei dati e supervisione umana.
A completare la cornice di governance contribuiscono altri pilastri normativi fondamentali:
- Il Data Act europeo e il Regolamento sullo Spazio Europeo dei Dati Sanitari (EHDS), che definiscono i nuovi equilibri per l’accesso e la circolazione dei dati, promuovendo la condivisione di informazioni per favorire la ricerca e l’innovazione.
- L’European Biotech Act, inteso come bussola strategica per integrare l’IA nella produzione di medicinali biologici, promuovendo la transizione verso ecosistemi digitali integrati in cui dati, algoritmi e manifattura siano strettamente interconnessi.
- Il futuro Annex 22 alle GMP, il riferimento tecnico specifico per l’uso dell’intelligenza artificiale nei processi regolati, che delinea un approccio basato sulla gestione del rischio di qualità (Quality Risk Management) per garantire la sicurezza del paziente e l’integrità del dato.
Parallelamente, a livello nazionale, la Determina 966/2025 ha aggiornato i criteri per il riconoscimento dell’innovatività terapeutica. Il nuovo impianto punta a premiare i farmaci che dimostrano un chiaro vantaggio terapeutico aggiunto e rispondono a bisogni clinici, richiedendo una metodologia rigorosa nella valutazione delle prove scientifiche sottomesse.
L’orientamento emerso per il futuro prossimo del settore è quello di una necessaria governance integrata. Le organizzazioni non potranno più gestire come ambiti separati la conformità tecnologica all’IA, la qualità dei processi GMP e la protezione dei dati personali, ma dovranno far convergere questi flussi in un unico ciclo di governance che accompagni la progettazione, la validazione e l’uso operativo di ogni soluzione digitale.
Patient empowerment e salute digitale: l’IA al servizio della relazione di cura
L’evoluzione del rapporto tra sistema sanitario e cittadino vede oggi gli strumenti digitali come un’infrastruttura di supporto fondamentale per colmare la fragilità del percorso terapeutico che segue la consegna del medicinale. L’integrazione dell’Intelligenza Artificiale mira a trasformare le informazioni regolate in comportamento concreto, favorendo la continuità assistenziale e l’aderenza terapeutica attraverso soluzioni personalizzate.
- Assistenti conversazionali e chatbot: L’impiego di soluzioni basate su modelli linguistici e IA generativa permette di semplificare termini medici e burocratici complessi, rendendoli accessibili a pazienti e famiglie. Questi strumenti operano come interfacce di orientamento per chiarire passaggi organizzativi, ricordare le assunzioni e preparare riepiloghi per i caregiver. Emerge che i cittadini utilizzano i chatbot principalmente per comprendere meglio i sintomi e interpretare i risultati degli esami di laboratorio. È tuttavia stabilito un confine operativo netto: per ogni questione di natura medica, il sistema deve indirizzare l’utente al professionista sanitario, limitandosi al supporto nella comprensione e nell’organizzazione.
- Electronic Patient Information (ePI): Il foglietto illustrativo digitale rappresenta l’evoluzione dell’informazione autorizzata in un formato elettronico interoperabile. Rispetto al supporto cartaceo tradizionale, l’ePI garantisce aggiornamenti in tempo reale sulla sicurezza, maggiore ricercabilità delle informazioni e versioni multilingue, risultando accessibile anche a pazienti ipovedenti o con fragilità cognitive. Oltre ai benefici per il paziente, la transizione al digitale favorisce la sostenibilità ambientale, con un potenziale risparmio di energia ed emissioni di gas serra. In Italia, l’orientamento attuale prevede un modello ibrido, mantenendo il formato cartaceo accanto a quello elettronico per tutelare la popolazione con minore alfabetizzazione digitale.
Un ruolo cruciale in questa trasformazione è affidato alle associazioni dei pazienti, identificate come l’interfaccia di garanzia necessaria tra gli sviluppatori tecnologici e i cittadini. Esse svolgono una funzione di tramite per rendere le informazioni trasparenti e sicure, assicurando che l’innovazione risponda ai bisogni reali di chiarezza e protezione dei dati. Senza questo coinvolgimento attivo, il rischio è che il progresso tecnologico proceda più velocemente della fiducia e della cultura digitale necessarie per la sua adozione.
Etica, "Actual Intelligence" e sostenibilità: il primato dell'uomo sull'algoritmo
Un tema centrale del dibattito è stato il concetto di “Actual Intelligence”, inteso come l’incontro tra la potenza degli algoritmi e il valore dell’esperienza umana. L’intelligenza artificiale viene delineata non come un sostituto, ma come un potenziamento — una “co-intelligence” — che richiede all’uomo di mantenere la guida e la responsabilità finale. Questo approccio si traduce nel principio del “human-in-the-loop”, secondo cui l’esperto deve supervisionare ogni decisione clinica, produttiva e regolatoria, poiché la delega acritica alla macchina comporta rischi significativi.
Le fonti evidenziano diverse criticità esplicite legate all’uso di queste tecnologie:
- Bias algoritmici: il rischio che dataset non rappresentativi della realtà o con errori sistematici possano alimentare disuguaglianze e decisioni cliniche meno accurate per determinati gruppi.
- Allucinazioni: la tendenza dei modelli generativi a produrre contenuti errati o non validati, rappresentando una barriera tecnica critica in contesti dove l’accuratezza scientifica è imprescindibile.
- Deskilling: il pericolo di una progressiva dequalificazione dei professionisti sanitari, derivante da una “eresponsabilizzazione morale e cognitiva” che porta ad accettare gli esiti algoritmici senza esercitare il necessario senso critico.
- Erosione della relazione umana: il timore che l’automazione possa compromettere l’alleanza terapeutica, oscurando dimensioni profonde della cura come l’empatia e il tempo dedicato al paziente, che non possono essere sostituite da procedure numeriche ottimizzate.
Infine, emerge la sfida della sostenibilità ambientale. L’impatto fisico dell’IA non è trascurabile: i data center e l’addestramento dei modelli richiedono quantità massicce di energia e acqua per il raffreddamento, incidendo in modo significativo sulle emissioni di anidride carbonica e sul consumo di risorse intensive.
Verso il 2030: la convergenza tra innovazione e regolamentazione
Il futuro del settore è delineato da una traiettoria di digitalizzazione profonda e da una roadmap normativa che vede nel 2026 uno snodo cruciale. Con l’entrata in vigore dell’EU AI Act nell’estate del 2026, il settore dovrà integrare i requisiti di gestione del rischio per i sistemi ad alto rischio con i framework GxP esistenti. La transizione verso modelli digitali integrati sarà supportata dall’European Biotech Act e dal futuro Annex 22, trasformando la conformità normativa da atto statico a un processo di tracciabilità e controllo continuo.
In questa evoluzione, il modello “human-in-the-loop” resta l’architrave organizzativo: l’essere umano supervisiona costantemente la logica algoritmica e mantiene la responsabilità ultima della decisione finale. Parallelamente, driver come l’electronic Patient Information (ePI) trasformeranno il packaging in un punto di attivazione digitale, migliorando la tracciabilità end-to-end e rendendo le informazioni sulla sicurezza accessibili in tempo reale.
In sintesi: governare la complessità attraverso il dato
Il settore farmaceutico è entrato in una fase di implementazione governata, dove l’IA non è più una sperimentazione isolata ma una tecnologia operativa lungo tutta la filiera: dalla scoperta di nuovi target biologici alla farmacovigilanza proattiva. Gli obiettivi della riforma della legislazione farmaceutica europea (EU Pharma Package) sottolineano inoltre l’importanza di investire sulla sostenibilità ambientale e sulla sicurezza dell’approvvigionamento.
Per i professionisti di ambito regolatorio, qualità e supply chain, il valore reale dell’innovazione non risiede nella sofisticazione degli algoritmi, ma nella capacità di trasformare dati frammentati in conoscenza operativa affidabile. La solidità dell’architettura dei dati e il mantenimento della responsabilità scientifica e legale in capo all’esperto esperto restano i prerequisiti indispensabili per garantire che l’IA diventi un reale potenziamento della cura.