Gli accordi sull'AI per i farmaci si accumulano, ma la prova più recente nel dossier è un articolo sui codici quantistici

Il documento datato più recente è un preprint arXiv inviato il 30 ottobre da Jae-Hyun Baek, Byung-Sun Won e Jon-Lark Kim. Il titolo è Researcher-in-the-Loop Evolutionary Discovery of Entanglement-Assisted Quantum Code Families. Non ha nulla a che fare con la scoperta di farmaci.

Quel vuoto è la notizia. Chi arriva da una ricerca sulle partnership di AI per la scoperta di farmaci trova molti titoli e pochissimo testo verificabile. Due fonti sull'argomento, entrambe di Endpoints News e entrambe datate 30 ottobre, sono troncate al paywall. Una è un'intervista a Nathan Frey, responsabile R&D farmaceutico di Anthropic, condotta sul palco di un Endpoints AI day. Il testo visibile dice solo che Frey è rimasto impegnato da quando Anthropic ha acquisito la sua startup biotech Coefficient Bio questa primavera. Dice anche che in precedenza è stato machine learning scientist in Genentech. Il resto è dietro la richiesta di abbonamento. La seconda, anch'essa del 30 ottobre, riferisce che Sanofi potrebbe chiedere prezzi europei più alti invece di rinunciare ai lanci nell'ambito di un accordo sui prezzi legato al presidente Donald Trump. Il testo visibile si interrompe prima che compaia qualsiasi cifra.

Cosa dicono e cosa non dicono i pezzi a pagamento

Questo conta per come si scrive la storia. Un giornalista non può estrarre la sostanza di un'intervista a pagamento e presentarla come un risultato.

Quello che si può dire è poco e attribuibile. Endpoints News ha pubblicato il 30 ottobre una Q&A con Frey, e la parte visibile conferma che l'acquisizione di Coefficient Bio si è chiusa questa primavera. Non si vedono valore dell'operazione, numero di programmi in pipeline né nomi dei partner. La stessa cautela vale per il pezzo su Sanofi. È una storia sui prezzi più che sulle partnership, e il contenuto oltre il titolo e il sommario non è disponibile. La base di prove utilizzabile per un'analisi delle partnership di AI per la scoperta di farmaci è quindi più sottile di quanto suggerisca la lista dei titoli. Il fascicolo contiene 11 fonti. Solo una è stata pubblicata nelle ultime 72 ore, ed è l'articolo sui codici quantistici. Delle altre, quattro sono comunicati ScienceDaily datati 27 e 28 ottobre. I loro argomenti vanno dall'ossigeno immagazzinato nel magma alla fluorescenza nelle salamandre pezzate. Uno è un post del blog NVIDIA del 21 ottobre sui partner cloud in Europa. Uno è un post del blog NVIDIA del 27 ottobre sugli strumenti per la ricerca sulla demenza. Due sono i pezzi di Endpoints. Nessuno di questi è l'annuncio di un accordo con termini allegati.

Il testo visibile dice solo che Frey è rimasto impegnato da quando Anthropic ha acquisito la sua startup biotech Coefficient Bio questa primavera.

La cosa più vicina a un documento di partnership

La cosa più vicina a materiale primario su una collaborazione tra AI e ricerca biomedica è il post del blog NVIDIA del 27 ottobre su C-BRAIN, il Consortium for Biomedical Research and AI in Neurodegeneration. Secondo quel post, C-BRAIN è guidato dal dottor Randall Bateman della Washington University School of Medicine di St Louis. Riunisce 18 istituzioni tra università, enti filantropici, aziende farmaceutiche e organizzazioni di ricerca. È partito a novembre 2025. Il post afferma che C-BRAIN impiega 64 GPU da data center NVIDIA on premises accanto a nodi cloud su Microsoft Azure, con sistemi Blackwell descritti come all'orizzonte.

Il post riporta anche cifre da verificare contro fonti primarie prima che qualcuno le ripeta come fatti. Dice che 57 milioni di persone nel mondo vivono con la demenza. Dice che ogni anno vengono diagnosticati più di 10 milioni di nuovi casi di demenza. Dice che i finanziamenti dei National Institutes of Health sono cresciuti di sette volte in 15 anni fino a 3,9 miliardi di dollari all'anno. Sono i numeri del blog, non cifre che questo articolo abbia verificato in modo indipendente.

Il post cita Bateman, che descrive il lavoro del consorzio come "strumenti di AI costruiti da scienziati, per gli scienziati". Cita il direttore tecnico di C-BRAIN, Ade Ojewole, sui dati delle scienze della vita che non arrivano mai ai modelli di frontiera. Entrambe le citazioni sono attribuite al blog NVIDIA, cioè a un'azienda che pubblica una collaborazione di cui fa parte.

Perché i titoli sulle partnership sono difficili da raccontare

Un giornalista che segue questo settore normalmente ancorerebbe un pezzo così a documenti depositati, registri delle sperimentazioni o dichiarazioni aziendali. Il fascicolo non ne offre nessuno per alcun accordo di AI per la scoperta di farmaci. Offre invece un modello di copertura guidata dagli annunci, con termini non resi noti o chiusi dietro gli abbonamenti. Non è un motivo per saltare la storia. È un motivo per dire con chiarezza cosa si sa e cosa no. È anche un motivo per evitare di trattare un comunicato stampa su una partnership come prova che qualcosa sia stato scoperto.

La stessa cautela vale per l'intervista a Frey di Endpoints del 30 ottobre. Il sommario cita la cattura del Prof. Oak, i limiti del gusto di Claude e le guarigioni contro i QALY. Sono l'inquadratura dell'intervistatore, non affermazioni di fatto sui programmi farmaceutici. Senza il corpo del testo, nulla di questo può essere riportato come tesi sulla pipeline di Anthropic. L'acquisizione di Coefficient Bio è l'unico fatto solido nella parte visibile. È un'operazione societaria, non un risultato di ricerca.

Un diverso tipo di articolo sulla scoperta con l'AI, con i numeri allegati

Per contrasto, il preprint sui codici quantistici pubblica metodi e prove alla luce del sole. Gli autori descrivono una pipeline con il ricercatore nel ciclo. Combina evoluzione di programmi, valutazione esatta, generalizzazione matematica, controlli certificati di non esistenza e verifica formale delle dimostrazioni, applicati a codici correttori di errori quantistici assistiti dall'entanglement. I programmi evoluti hanno prodotto costruzioni finite che i ricercatori hanno poi generalizzato in una famiglia scritta come [[n,1,n-1;n-q-1]]_q per potenze prime q pari o superiori a 3 e n pari o superiore a 2q+1, e per q=2 con n dispari pari o superiore a 5. L'abstract afferma che Lean verifica il certificato algebrico alla base della famiglia. Afferma che la famiglia chiude 54 lacune nelle tabelle EAQECC archiviate.

Le prove rilasciate, secondo l'abstract, includono 115 record di codici verificati. Includono dieci risultati di non esistenza con dimostrazioni DRAT controllate, implementazioni della famiglia e i programmi di ricerca conservati per i controlli esatti e la riproduzione con seed. In una coorte controllata di otto blocchi di generazione appaiati, i programmi iterativi selezionati dalla validazione hanno raggiunto il successo nel 46,1% e nel 31,6% delle esecuzioni tenute fuori, a lunghezze mai viste n=13 e n=15. I programmi generati in modo indipendente hanno raggiunto il 19,5% e il 3,1%. Sono il tipo di cifre che un lettore può controllare. L'articolo è di 25 pagine con sei figure, e gli autori hanno pubblicato codice, dati e dimostrazioni Lean insieme ad esso.

Cosa copre davvero il resto del fascicolo

I restanti pezzi ScienceDaily sono comunicati scientifici, non notizie industriali. Uno, datato 28 ottobre e attribuito a Science China Press, riferisce che il magma in profondità nella Terra può immagazzinare più ossigeno di quanto si credesse. Si basa su esperimenti ad alta pressione fino a 7 gigapascal e temperature da 1.200 a 1.800 gradi Celsius. Il lavoro è stato guidato da Yanhao Lin e Ho-kwang Mao di HPSTAR e pubblicato su National Science Review. Un altro, anch'esso del 28 ottobre, del Max Planck Institute for Chemical Ecology, descrive la fluorescenza verde e ciano nelle salamandre pezzate. Le loro secrezioni restano fluorescenti per più di 24 ore. Cita il primo autore Bernat Burriel e il direttore Martin Kaltenpoth. Un terzo, datato 28 ottobre dall'Istanbul Technical University, descrive un arco magmatico continentale nel nord-ovest dell'Iran attivo all'incirca tra 101 e 97 milioni di anni fa. È stato pubblicato su Geoscience Frontiers, con una citazione dell'autore corrispondente Ali Mohammadi.

Altri due hanno rilevanza medica. Un comunicato della McGill University datato 27 ottobre riporta su Nature Immunology che i linfociti T possono percepire la rigidità dei tessuti. Dice che gel di collagene più rigidi li spingono verso un profilo di memoria residente nei tessuti, citando l'autrice principale Judith Mandl. Un comunicato della NTNU datato 27 ottobre riporta su NAR Molecular Medicine che gli inibitori JAK, tra cui baricitinib, possono sopprimere l'attività dei geni antivirali. Questo potrebbe potenzialmente facilitare la diffusione del virus della febbre della Rift Valley, dell'influenza A, dell'adenovirus e del SARS-CoV-2. Cita Denis Kainov e il primo autore Erlend Ravlo. Un comunicato del Netherlands Institute for Neuroscience datato 27 ottobre descrive neuroni immaturi in tessuto cerebrale della Netherlands Brain Bank. L'autrice senior Evgenia Salta è citata mentre dice che circa il 30 per cento degli adulti più anziani che sviluppano l'Alzheimer non ne avverte mai i sintomi. Nessuno di questi è una partnership.

Come leggere il settore

La conclusione onesta è strutturale. La copertura delle partnership di AI per la scoperta di farmaci qui è scarsa di documenti primari e ricca di eventi. L'unica descrizione sostanziale di un consorzio viene dal blog di un fornitore. I due pezzi di settore sono a pagamento. La pubblicazione più recente è un preprint di matematica. Non significa che le partnership non esistano. Significa che le prove non possono sostenere affermazioni sui loro termini, sulle loro pipeline o sui loro risultati. Qualsiasi analisi che fingesse il contrario inventerebbe dettagli.

Per chi segue il settore, il consiglio pratico è aspettare i documenti. Valori delle operazioni, strutture delle milestone e liste dei target emergono nei documenti depositati e nelle dichiarazioni dei partner stessi. Sono le fonti su cui vale la pena costruire. Fino ad allora, la cosa più difendibile che un giornalista possa fare è descrivere il materiale con precisione, segnalare dove si ferma e resistere a un titolo che promette più di quanto il testo mantenga.