Un vaccino a mRNA contro il cancro progettato con l'intelligenza artificiale da un non addetto ai lavori e testato con successo sul proprio cane. È questa, in estrema sintesi, la notizia che sta circolando nelle ultime ore. Raccontata così sembra anticipare una medicina in cui basta qualche dato genetico e un accesso a ChatGPT e Grok per costruire terapie funzionanti e su misura. La realtà però è molto più complessa. Più che una svolta — sempre che la notizia sia confermata — siamo di fronte a un caso isolato che viene però letto come se si trattasse di un risultato clinico.
Un racconto fuorviante che dimentica un concetto fondamentale: i vaccini a mRNA in oncologia sono già in una fase avanzata di sperimentazione. Nel melanoma, nel tumore del pancreas, nel carcinoma mammario triplo negativo e nel tumore del rene alcuni studi recenti hanno mostrato i primi segnali di efficacia, soprattutto quando associati all'immunoterapia. L'intelligenza artificiale, in questo percorso, gioca un ruolo reale ma è una componente tra le tante, inserita all'interno di processi scientifici, produttivi e regolatori che nessun algoritmo, da solo, può sostituire.
LA CURA PER IL PROPRIO CANE
Il fatto di cronaca, in sé, è semplice. Paul Conyngham, imprenditore australiano nel settore tecnologico, ha fatto sequenziare il DNA sano e tumorale del proprio cane Rosie, affetta da mastocitoma, presso il Ramaciotti Research Centre dell'Università del New South Wales, per circa 3.000 dollari. Ottenute le sequenze, ha utilizzato tre modelli di intelligenza artificiale in sequenza: ChatGPT per le prime ipotesi, AlphaFold per l'analisi delle mutazioni e Grok per definire la sequenza finale. Ottenuto un report dettagliato, ha coinvolto due ricercatori (il professor Pall Thordarson e il professor Martin Smith) per iniziare la produzione e la somministrazione del vaccino. Il vaccino a mRNA ha portato a una riduzione del 75% di una delle masse tumorali del cane.
L'iter seguito, con tutte le semplificazioni del caso, non è così lontano, almeno nella logica di fondo, da ciò che avviene nei laboratori di ricerca. Ma da qui a fare passare il messaggio che il cancro si possa curare con un po' di buona volontà, qualche competenza informatica e una buona dose di investimenti è totalmente fuorviante. Nel caso specifico si tratta di un singolo caso, senza un protocollo clinico, senza confronto, senza dati pubblicati e verificati. La riduzione di una massa tumorale — sempre che ci sia stata — in queste condizioni non dimostra l'efficacia del vaccino e non consente di attribuire con certezza il risultato al trattamento. Non solo, alla storia mancano altre informazioni fondamentali: la durata della risposta, l'eventuale progressione successiva, gli effetti collaterali osservati. Un singolo caso non è una prova. È un'osservazione. E la distanza tra un'osservazione e una cura è ancora molto lunga.
VACCINI A mRNA IN ONCOLOGIA: UNA STORIA LUNGA DECENNI
L'idea di utilizzare vaccini a mRNA per combattere il cancro non è affatto nuova. È una linea di ricerca attiva da anni che, dopo una lunga fase di risultati deludenti, sta cominciando a dare segnali concreti. Complice il miglioramento della tecnologia e l'accelerazione impressa dalla pandemia, questo approccio si sta rivelando promettente soprattutto in modalità adiuvante: ovvero dopo la chirurgia, per ridurre il rischio che la malattia si ripresenti.
Il principio su cui si basano questi vaccini è quello dei neoantigeni tumorali: mutazioni specifiche delle cellule tumorali, assenti nelle cellule sane, che il sistema immunitario può imparare a riconoscere come bersagli. L'obiettivo è costruire un vaccino su misura — diverso per ogni persona e per ogni tumore — capace di istruire le difese dell'organismo a colpire selettivamente quelle cellule mutate, risparmiando tutto il resto.
I risultati più solidi finora riguardano il melanoma. Lo studio KEYNOTE-942, condotto da Moderna e MSD, ha mostrato che la combinazione del vaccino mRNA personalizzato mRNA-4157 con pembrolizumab — un immunoterapico già in uso — ha ridotto il rischio di recidiva o morte del 44% rispetto alla sola immunoterapia, in pazienti con melanoma in stadio III/IV ad alto rischio operati chirurgicamente. Dati sufficientemente solidi da giustificare studi di fase 3, attualmente in corso.
Nel tumore del pancreas, una delle neoplasie più difficili da trattare, BioNTech e Genentech hanno presentato risultati che mostrano come, a distanza di 18 mesi, 8 pazienti su 16 trattati con vaccino mRNA in associazione a chemioterapia e immunoterapia abbiano sviluppato una risposta immunitaria contro il tumore. Di questi, solo due hanno avuto una recidiva contro 7 recidive negli 8 pazienti che non avevano sviluppato risposta immunitaria. Un segnale importante, in un contesto dove le recidive si sviluppano generalmente entro un anno.
Sul fronte del carcinoma mammario triplo negativo (TNBC), la forma più aggressiva e priva di bersagli molecolari consolidati, uno studio pubblicato recentemente ha seguito 14 pazienti vaccinate dopo la chirurgia per un periodo fino a sei anni: undici sono rimaste libere da recidive, con risposte immunitarie ai neoantigeni documentate e durature nel tempo. Anche nel tumore del rene, uno studio del Dana-Farber Cancer Institute pubblicato su Nature ha mostrato che nove pazienti operati e trattati con un vaccino mRNA personalizzato — cinque dei quali in combinazione con immunoterapia — erano tutti liberi da recidive a quasi tre anni dal trattamento.
Si tratta di dati preliminari ottenuti su numeri ancora limitati. Non è ancora uno standard di cura ma la direzione è tracciata e viene da anni di lavoro rigoroso all'interno di studi clinici strutturati.
A COSA SERVE L'AI NELLA PROGETTAZIONE DI UN VACCINO?
Il racconto mediatico tende a mettere al centro l'intelligenza artificiale, come se fosse stata l'AI a "creare" il vaccino. Ma in questa vicenda, cosa c'entra davvero? Anche se il termine viene utilizzato spesso a sproposito, l'utilizzo dell'AI per progettare nuovi farmaci è oggi estremamente diffuso. Nel caso dei vaccini, l'AI interviene in una fase specifica ma cruciale: l'analisi dei dati genomici e la selezione dei neoantigeni. Non tutte le mutazioni tumorali sono bersagli utili. Identificare quelle con la maggiore probabilità di generare una risposta immunitaria efficace richiede di elaborare grandi quantità di dati in tempi rapidi, confrontare strutture proteiche, valutare come i frammenti antigenici vengono presentati al sistema immunitario. Strumenti come AlphaFold — il modello di Google DeepMind per la predizione della struttura tridimensionale delle proteine — hanno già dimostrato un valore concreto in questo tipo di analisi.
In questo senso, l'intelligenza artificiale può effettivamente fare la differenza: riducendo i tempi, aumentando la precisione nella selezione dei bersagli, rendendo accessibile una capacità computazionale prima riservata a laboratori altamente specializzati. Ma resta un processo predittivo. L'AI può aiutare a scegliere cosa colpire. Non costruisce da sola una terapia, non ne valida l'efficacia, non sostituisce la sperimentazione.
PERCHÉ I TRIAL CLINICI NON SONO UN OPTIONAL
La medicina non si basa su singoli casi, ma su evidenze. Per stabilire se una terapia funziona servono studi clinici con numeri adeguati, confronti, endpoint chiari e follow-up sufficientemente lunghi da valutare non solo la risposta iniziale ma anche la sua durata e i possibili effetti collaterali. Un percorso che non è un ostacolo burocratico, ma una garanzia per i pazienti. Fuori da questo contesto, si parla di esperimenti individuali. Interessanti, a volte, ma non generalizzabili. Ecco perché parlare di curare il cancro semplicemente con un po' di AI e qualche investimento è estremamente fuorviante.
