- 0xpiù rapidità nell’individuazione delle evidenze scientifiche
- 0%di tempo in meno per preparare la documentazione regolatoria
- 0%di accuratezza nell'elaborazione delle conoscenze scientifiche
- 0%di riduzione degli emendamenti onerosi ai protocolli degli studi clinici
Trasforma letteratura scientifica ed evidenze cliniche in insight interconnessi per accelerare la scoperta di biomarcatori e la definizione di strategie terapeutiche personalizzate.
È qui che ricercatori, team di sviluppo clinico, professionisti in ambito normativo, compliancee medical affairs e specialisti della proprietà intellettuale interagiscono direttamente con l’AI. Ed è qui che si costruisce la fiducia. L’AI offre insight ricchi di contesto, spiega le evidenze alla base di ogni raccomandazione e lascia spazio alla competenza umana ogni volta che serve una valutazione scientifica, regolatoria o di business. Ogni insight è tracciabile fino alla fonte di origine: una pubblicazione, uno studio clinico, un documento regolatorio, un brevetto o un asset di conoscenza interno. Applicazioni dedicate offrono esperienze costruite sul ruolo di ciascuno: l’informazione giusta arriva all’esperto giusto, nel momento della decisione.
La sfida
Prima della presentazione di una domanda IND (Investigation New Drug) per un primo studio sull’uomo, gli esperti di documentazione regolatoria redigono le sintesi non cliniche del Modulo 2 del CTD (Common Technical Document) e la Brochure dello Sperimentatorea partire da una dozzina o più di report di studi condotti secondo le le norme di buona pratica di laboratorio (o GLP, Good Laboratory Practice). Ogni dose, valore NOAEL (livello senza effetti avversi osservabili) e dato di esposizione deve corrispondere alla fonte originale, e spesso lo stesso valore compare in tre o quattro documenti. Il controllo qualità rispetto alle fonti viene ancora svolto manualmente, riga per riga, ed è qui che i cicli di revisione si allungano. In questo caso, uno specialista di documentazione regolatoria verifica la sintesi tossicologica (Toxicology Written Summary) rispetto a sei report di studio: vengono estratti 214 dati da testi e tabelle, individuando cinque discrepanze. La più grave riguarda il NOAEL nei, che risulta valido solo per le femmine; il valore relativo ai maschi si trova in una tabella del report sorgente.
Come funziona l'AI
I valori verificati vengono controllati sull'intero dossier. Il NOAEL errato compare in tutti e quattro i documenti, mentre il dato di esposizione nei cani è errato in tre documenti. Di conseguenza, il margine di sicurezza calcolato sulla base di quest'ultimo viene ricalcolato a partire dal dato verificato, passando da 15× a 12×. Vengono segnalati anche una voce mancante relativo al test di Ames e un riferimento incrociato non valido rispetto al modello di documentazione previsto per la sottomissione. Con un clic, lo specialista applica 14 correzioni verificate, registrandole come revisioni tracciate. L'AI, a partire dai report di origine, redige quindi il paragrafo corretto relativo alla tossicità a dosi ripetute e integra la voce mancante sulla genotossicità, collegando ogni frase alla pagina o alla tabella da cui proviene. Nulla viene modificato finché lo specialista non approva.
Verificato, tracciabile, pronto per la revisione
Il dossier arriva alla revisione di qualità (QA) con le relative evidenze allegate. Tutte e cinque le discrepanze e le 15 anomalie di coerenza sono risolte, e 128 affermazioni su 128 sono collegate a una pagina o a una tabella di origine. L'unico punto che l'AI non può chiudere autonomamente, cioè una firma ancora mancante su un report di studio, viene mostrato con l’indicazione del responsabile e una scadenza, anziché essere nascosto. Lo specialista invia la versione 1.3 al revisore QA e l'audit trail registra chi ha approvato ogni modifica, quando e sulla base di quali evidenze. Meno controlli manuali, meno sorprese in fase di revisione e un dossier non clinico in grado di superare ogni verifica. AI neurosimbolica: scalabile a livello enterprise, specifica per dominio, progettata per i settori regolamentati.
La sfida
Nello sviluppo clinico, gli emendamenti ai protocolli sono tra gli eventi più costosi, ma al tempo stesso evitabili. Ogni modifica determina un ulteriore carico di lavoro per i centri sperimentali e i comitati etici, rallenta il reclutamento e ritarda l'arrivo sul mercato, con l'oncologia che si profila come l'area più colpita. Le linee guida ICH E8(R1) chiedono agli sponsor di integrare la qualità fin dalla fase di progettazione, eppure i team continuano a effettuare confronti manuali, basandosi sui pochi studi clinici che già conoscono. In questo esempio, un responsabile della progettazione dei protocolli mette alla prova una bozza di protocollo di Fase II per uno studio sul tumore del polmone prima della revisione interna. La bozza viene analizzata e confrontata con uno storico di oltre 900.000 studi, fino a individuare 38 studi comparabili. Di questi, 19 hanno richiesto un emendamento sostanziale, nella maggior parte dei casi relativo ai criteri di eleggibilità.
Come funziona l'AI
Ogni criterio di eleggibilità viene confrontato con gli studi comparabili e il suo impatto viene stimato su una coorte di dati real-world anonimizzati. Quattro criteri risultano più restrittivi rispetto alla maggior parte degli studi comparabili. L'AI propone modifiche supportate da evidenze per tre di essi e sottopone la soglia di funzionalità renale alla valutazione della Farmacologia Clinica; il limite del QTc resta invariato, perché l'Investigator's Brochure ne documenta una motivazione legata alla sicurezza. Il responsabile del protocollo accetta le tre modifiche, che vengono mantenute come revisioni tracciate. La quota stimata di pazienti eleggibili sale così dal 14% al 29%. L’analisi prosegue quindi con gli endpoint e le valutazioni: la sopravvivenza libera da progressione risulta allineata agli studi comparabili e l'ipotesi sul braccio di controllo rientra nell'intervallo osservato. Una biopsia obbligatoria in corso di trattamento emerge invece come causa frequente di emendamenti sostanziali del protocollo.
Basato su evidenze, spiegabile, pronto per la revisione
Tutti i segnali di rischio di modifica al protocollo vengono raccolti in un unico registro. Ogni rischio potenziale è supportato dal numero di studi comparabili in cui la stessa scelta progettuale ha successivamente richiesto una modifica, e non da un semplice punteggio statistico. Il responsabile del protocollo rende facoltativa la biopsia e il livello complessivo di rischio passa da “High” a “Moderate”. I due punti critici rimanenti vengono assegnati a responsabili identificati nei dipartimenti di Farmacologia Clinica e Regulatory Affairs. Con un clic viene redatta una bozza di motivazione progettuale da sottoporre al Comitato di Revisione del Protocollo, con ogni risultato corredato dall'insieme di evidenze utilizzate, letteratura scientifica, coorte di dati real-world o sul farmaco, e ogni decisione viene registrata e tracciata. AI neurosimbolica: scalabile a livello enterprise, specifica per dominio, progettata per i settori regolamentati.
La soluzione Expert.ai premiata per l'innovazione.
La preparazione dei documenti da presentare alle autorità regolatorie è complessa e impegnativa. Scienziati e professionisti sono spesso rallentati dalla difficoltà di riconciliare informazioni provenienti da fonti diverse, mantenendo coerenza, tracciabilità e conformità. Expert.ai affronta queste sfide sfruttando un framework “intelligente” per governare generazione documentale, controllo qualità e verifica dei dati lungo l’intero ciclo di vita della sottomissione.
Leggi di più
Expert.ai riconosciuta come Sample Vendor nella Composite AI
Le soluzioni di composite AI di Expert.ai sono già ampiamente implementate negli ambienti produttivi dei principali settori di mercato, fra cui quello dell’industria farmaceutica. Combinando le potenzialità dell’AI generativa e del machine learning con l’AI simbolica, regole e meccanismi di ragionamento specifici di ciascun dominio e knowledge graph, Expert.ai aiuta le organizzazioni ad affrontare sfide aziendali complesse in cui accuratezza e spiegabilità sono elementi imprescindibili.
Leggi di più
KMWorld’s 100 Companies That Matter in KM Sottot.: Expert.ai premiata per la capacità di trasformare i dati in decisioni affidabili, spiegabili e scalabili.
Testo: Ciò che distingue Expert.ai è la capacità di rendere operativa l’AI all’interno dei flussi di lavoro aziendali, accelerando il time-to-value senza rinunciare a trasparenza, governance e controllo. La missione di Expert.ai è aiutare le organizzazioni a prendere decisioni più rapide e affidabili, ottimizzando i costi. Andando oltre l’elaborazione dei dati, Expert.ai abilita un’AI che amplia e scala le competenze umane, generando un impatto misurabile su larga scala.
Leggi di più
Expert.ai riconosciuta come Sample Vendor
Per le organizzazioni che stanno valutando l’adozione dell’AI agentica, le potenzialità dell’approccio neurosimbolico evidenziano l’importanza di combinare modelli di AI avanzati con conoscenze strutturate e competenze di dominio. Expert.ai supporta le organizzazioni a estrarre significato da informazioni complesse e a collegare le potenzialità dell’AI con le conoscenze specifiche del dominio.
Expert.ai representative vendor nella ricerca di Gartner® dedicata all’Agentic AI via Knowledge Graph
Con l’agentic AI spesso non si dispone della precisione, trasparenza e comprensione del contesto necessarie per applicazioni cliniche sicure ed efficaci. Basare gli output generati dall’AI su conoscenze verificabili sta diventando essenziale. Per le organizzazioni dell’industria farmaceutica, la combinazione di knowledge graph e Agentic AI rappresenta un approccio architetturale per rendere i sistemi di AI più affidabili, con la supervisione umana che rimane criterio fondamentale.
Leggi di più
L'AI neurosimbolica combina due approcci complementari all'intelligenza artificiale.
L'AI neurale, che comprende i Large Language Model e il machine learning,per analizzare e generare contenuti linguistici su larga scala e l'AI simbolica che, attraverso ontologie, knowledge graph e regole scientifiche e normative, aggiunge una comprensione precisa dei concetti specialistici e capacità di ragionamento logico.
I due approcci si completano a vicenda: i modelli neurali garantiscono velocità e flessibilità, mentre la conoscenza simbolica migliora accuratezza, coerenza e spiegabilità.
Per il mondo scientifico e l’industria farmaceutica, questo significa poter analizzare grandi quantità di letteratura scientifica, dati clinici e documentazione regolatoria, interpretando correttamente termini specialistici come “evento avverso” o “endpoint primario” e rendendo verificabili le evidenze alla base di ogni risultato.
Gartner ha riconosciuto Expert.ai tra i Sample Vendor nel report Neurosymbolic AI, a Shortcut to Agentic Systems Governance del 2026.