La corsa per portare sul mercato nuovi farmaci biologici si scontra spesso con un ostacolo imprevedibile: la risposta immunitaria del paziente. Terapie promettenti come gli anticorpi monoclonali possono scatenare reazioni avverse che ne vanificano l’efficacia, bloccando studi clinici già avanzati e generando perdite economiche ingenti. È in questo spazio che si inserisce ALP Bio, spin-off svizzero che ha appena raccolto 161.000 euro dal fondo Venture Kick per portare avanti una strategia che punta ad anticipare questi rischi combinando modelli biologici umani e intelligenza artificiale.

Il finanziamento servirà ad avviare i primi progetti pilota con aziende farmaceutiche, un passaggio cruciale per dimostrare la validità della piattaforma in contesti reali e accelerarne l’adozione. Non si tratta di un semplice miglioramento incrementale: i metodi attuali per prevedere l’immunogenicità – la tendenza di un farmaco a provocare risposte indesiderate del sistema immunitario – offrono spesso indicazioni parziali, basate su modelli animali o test in vitro che faticano a cogliere la complessità della biologia umana. ALP Bio ribalta la prospettiva impiegando tessuti immunitari derivati da tonsille umane, integrati con modelli computazionali di proteine guidati dall’IA. In questo modo, quando un’azienda sta progettando un nuovo anticorpo terapeutico, può simulare come il sistema immunitario reagirà alla molecola, individuando potenziali criticità già in fase preclinica.

Il team che guida l’iniziativa – Christian Vahlensiek (CEO), Lucas Schaus (CSO), Anatol Ehrlich (CTO) e Punit Mehra (CBO) – riunisce competenze in immunologia, ingegneria proteica e sviluppo di modelli predittivi. La loro visione è chiara: spostare a sinistra la valutazione del rischio, riducendo i tassi di fallimento che oggi affliggono oltre un terzo dei programmi di sviluppo di biologici. Non viene menzionato alcun dettaglio sull’hardware o sull’infrastruttura di calcolo utilizzata per i modelli IA, né se il training o l’inference avvengano in cloud, on-premise o in modalità ibrida. Ma la logica del progetto segnala una tendenza più ampia: l’integrazione tra dati biologici sperimentali e apprendimento automatico sta diventando uno strumento imprescindibile per de-rischiare percorsi di R&D sempre più costosi.

Per chi osserva il settore dal punto di vista delle decisioni di deployment tecnicico, il caso di ALP Bio ricorda come l’intelligenza artificiale nel life science non viva solo di GPU e VRAM, ma di una simbiosi profonda tra competenza di dominio e modelli computazionali. Non si tratta di fine-tuning di LLM o di quantization di reti neurali, ma di un uso molto concreto dell’IA come acceleratore di conoscenza in un ambito dove la posta in gioco è la sicurezza del paziente. I prossimi mesi, con l’avvio delle collaborazioni pilota, diranno se la piattaforma riuscirà a trasformare un finanziamento seed in un vantaggio competitivo solido.