L’IA può progettare sequenze biologiche. La sfida è impedire che diventino un rischio per la salute pubblica

L’IA può progettare sequenze biologiche. La sfida è impedire che diventino un rischio per la salute pubblica

L’IA può progettare sequenze biologiche. La sfida è impedire che diventino un rischio per la salute pubblica

Dalla progettazione di proteine e genomi alla loro sintesi in laboratorio, l'IA apre nuove prospettive per la medicina ma anche possibili usi pericolosi. Uno studio internazionale propone un sistema di controlli su dati, modelli e produzione biologica, senza bloccare la ricerca. 

L’intelligenza artificiale sta imparando a progettare la vita. Non è una formula a effetto: i modelli generativi sono già in grado di disegnare nuove sequenze biologiche, dalle proteine agli enzimi, fino a piccoli genomi virali. Una capacità che può accelerare la ricerca di nuovi farmaci, contribuire allo sviluppo di terapie e offrire strumenti per contrastare infezioni e resistenze antimicrobiche. Ma che porta con sé anche un problema di sicurezza: le stesse tecnologie possono essere utilizzate per progettare sequenze con caratteristiche potenzialmente dannose.

È questa la questione affrontata da A defence-in-depth strategy for securing AI-driven biological sequence design, uno studio che raccoglie le proposte emerse da un incontro internazionale organizzato in Germania nel novembre 2025. Alla conferenza Wübben Sandpit hanno partecipato venti esperti di biologia molecolare, intelligenza artificiale, bioinformatica, biosicurezza, medicina, etica e politiche pubbliche, provenienti dal mondo accademico, dall’industria e dalle istituzioni. Il loro obiettivo era individuare un sistema di regole capace di accompagnare lo sviluppo dell’intelligenza artificiale applicata alla progettazione biologica, riducendo il rischio di utilizzi impropri senza compromettere i benefici scientifici.

Il punto di partenza è una trasformazione profonda delle life sciences. Il costo del sequenziamento genetico è diminuito rapidamente, mentre le tecnologie di laboratorio consentono di produrre e analizzare quantità crescenti di informazioni biologiche. I modelli di intelligenza artificiale possono elaborare questi dati, riconoscere le relazioni tra sequenze e funzioni e, sulla base di quanto appreso, generarne di nuove. In sostanza, non si limitano più a leggere e classificare ciò che esiste in natura: possono contribuire a progettare ciò che ancora non esiste.

Le applicazioni sono già concrete. I modelli generativi sono stati utilizzati per progettare proteine funzionali, enzimi, molecole capaci di legarsi ad altri bersagli biologici e piccoli genomi virali. Alcuni sistemi sono inoltre in grado di prevedere proprietà di varianti virali, come la loro capacità di replicarsi o di sfuggire alla risposta immunitaria. È una prospettiva che può avere ricadute importanti nella ricerca biomedica e nella preparazione alle emergenze infettive.

Ma la stessa tecnologia è definita dual use: può cioè essere impiegata per finalità legittime e, in determinate condizioni, essere sfruttata anche per scopi dannosi. Il rischio non riguarda soltanto la possibilità di progettare una sequenza pericolosa. Riguarda l’intera catena che va dai dati utilizzati per addestrare i modelli alla generazione di nuove sequenze, fino alla loro produzione materiale e alla successiva eventuale utilizzazione.

Gli autori, tuttavia, invitano a distinguere ciò che è già stato dimostrato da ciò che resta una possibilità futura. Al momento non è stata dimostrata la capacità di progettare da zero agenti patogeni umani potenziati, di ampliare deliberatamente la gamma di ospiti di un patogeno o di creare agenti con potenziale pandemico. Tra la generazione informatica di una sequenza e la realizzazione di un organismo capace di svolgere una determinata funzione biologica esistono ancora ostacoli rilevanti: servono la sintesi materiale, la verifica sperimentale e competenze e risorse che non sono automaticamente disponibili a chiunque. La preoccupazione è che il progresso dei modelli possa progressivamente ridurre alcune di queste barriere, rendendo più accessibili capacità oggi non dimostrate.

Il problema è che la progettazione digitale corre più velocemente della verifica in laboratorio. I modelli possono generare sequenze in quantità e tempi che non trovano ancora corrispondenza nella capacità di sintetizzarle e testarle. Questa asimmetria crea una zona di incertezza: si possono produrre ipotesi biologiche prima di disporre degli strumenti necessari per stabilire con certezza quali siano innocue e quali possano comportare rischi.

Per affrontare il problema, lo studio propone una strategia di defence in depth, cioè una difesa articolata su più livelli. Non un unico filtro da applicare alla fine del processo, ma una serie di controlli distribuiti lungo tutta la filiera: dati biologici, modelli di intelligenza artificiale e sintesi degli acidi nucleici.

Il primo livello riguarda i dati. Le informazioni genetiche e le annotazioni che descrivono le funzioni biologiche sono il materiale con cui vengono addestrati i modelli. Più sono dettagliate, più possono migliorare le capacità di previsione e progettazione. Ma proprio i dati che descrivono proprietà come virulenza, tossicità o capacità di infettare determinati organismi possono essere utilizzati per sviluppare modelli in grado di generare sequenze potenzialmente pericolose.

Per questo gli esperti suggeriscono di superare la logica dell’accesso indiscriminato e di introdurre una classificazione condivisa dei dati a rischio. Un gruppo internazionale e multidisciplinare dovrebbe stabilire quali informazioni possano essere rese pubbliche senza restrizioni e quali richiedano invece forme di accesso controllato. La proposta non è quella di chiudere gli archivi biologici, ma di graduare l’accessibilità in funzione del rischio: dati fondamentali liberamente disponibili, informazioni più sensibili accessibili previa identificazione e, nei casi più delicati, consultabili soltanto attraverso ambienti di ricerca protetti.

A questo si aggiungerebbero procedure di valutazione preventiva nei progetti finanziati. Gli enti che assegnano fondi dovrebbero verificare i rischi associati alla produzione di dati biologici sensibili e subordinare il finanziamento alla presenza di adeguate misure di protezione. Una scelta che, secondo gli autori, sarebbe più efficace rispetto a intervenire soltanto al momento della pubblicazione: nell’epoca dei preprint e della circolazione digitale delle informazioni, controllare la diffusione a valle può essere ormai troppo tardi.

Il secondo livello riguarda i modelli di intelligenza artificiale. Qui la difficoltà è ancora maggiore: non esiste oggi un sistema di valutazione del rischio sufficientemente validato e condiviso. Gli autori propongono quindi di sviluppare test standardizzati, indipendenti dal modello utilizzato, capaci di misurare non soltanto quanto un sistema conosca la biologia, ma anche che cosa sia in grado di generare e quali caratteristiche possano avere le sequenze prodotte.

Tra gli strumenti indicati c’è il red teaming, una forma di verifica avversariale nella quale gruppi di esperti cercano deliberatamente di individuare i punti deboli di un sistema e di capire se le sue protezioni possano essere aggirate. Per i modelli che presentano segnali di rischio più elevati, questa attività dovrebbe essere condotta in ambienti protetti, senza diffondere informazioni che potrebbero facilitare utilizzi impropri. La valutazione dovrebbe inoltre accompagnare l’intero ciclo di vita del modello: un sistema inizialmente considerato a basso rischio potrebbe acquisire nuove capacità durante lo sviluppo o attraverso successive fasi di addestramento.

Anche l’accesso ai modelli dovrebbe essere graduato. Quelli con un profilo di rischio basso potrebbero restare liberamente disponibili, mentre per quelli più potenti sarebbero richieste verifiche sull’identità e sull’affiliazione istituzionale degli utilizzatori. I sistemi con le capacità più delicate potrebbero essere utilizzati soltanto all’interno di piattaforme sicure, nelle quali le richieste e i risultati siano sottoposti a controlli. Una soluzione che consentirebbe di mantenere aperta la ricerca, evitando però che i modelli più sensibili circolino senza alcuna forma di supervisione.

Il terzo livello, forse il più concreto, riguarda la sintesi degli acidi nucleici. Una sequenza progettata al computer diventa un rischio materiale soltanto quando viene prodotta e può essere utilizzata in un sistema biologico. Per questo i laboratori e le aziende che sintetizzano DNA e RNA rappresentano un punto di controllo decisivo. Molti fornitori già verificano gli ordini confrontandoli con banche dati di sequenze considerate pericolose. Ma questi sistemi tradizionali si basano soprattutto sulla somiglianza con sequenze conosciute e potrebbero non riconoscere quelle nuove, progettate dall’intelligenza artificiale per svolgere funzioni analoghe pur presentando caratteristiche differenti.

Gli esperti chiedono quindi di aggiornare i sistemi di screening, affiancando al confronto delle sequenze analisi strutturali e funzionali e strumenti basati sull’intelligenza artificiale. Propongono inoltre di introdurre registri degli ordini relativi alle sequenze sensibili, verifiche sull’identità dei clienti e sulla legittimità delle richieste, oltre a sistemi di tracciabilità per le apparecchiature di sintesi e per i componenti necessari al loro funzionamento. L’obiettivo è rendere più difficile l’accesso anonimo a materiali e tecnologie che potrebbero essere utilizzati impropriamente, senza imporre gli stessi vincoli a ogni attività di ricerca.

È una direzione che si intreccia con il progetto di European Biotech Act richiamato nello studio. La proposta europea prevede infatti verifiche sull’identità dei clienti e sulla loro legittima necessità di acquistare determinati prodotti biotecnologici, obblighi di registrazione delle transazioni e controlli anche sui dispositivi da banco per la sintesi degli acidi nucleici. Le raccomandazioni del gruppo di esperti vanno oltre, chiedendo che questi strumenti siano aggiornati per tenere conto delle capacità di progettazione dell’IA e delle possibili tecniche per aggirare i controlli basati sulle sequenze già note.

Naturalmente, un sistema di questo tipo non è privo di rischi. Gli stessi autori mettono in guardia contro una regolazione eccessivamente restrittiva, che potrebbe penalizzare i laboratori con meno risorse, creare una ricerca a due velocità e concentrare le capacità tecnologiche nelle istituzioni più forti. Anche la centralizzazione dei dati e dei modelli potrebbe creare nuovi bersagli per attacchi informatici o rendere troppo complicato l’accesso per i ricercatori legittimi. Per questo i controlli dovrebbero essere proporzionati al rischio e accompagnati da garanzie di equità nell’accesso.

La questione, insomma, non è scegliere tra innovazione e sicurezza. È evitare che la prima proceda senza strumenti adeguati a governarne le conseguenze. Gli autori propongono anche un fondo di settore, alimentato attraverso meccanismi assicurativi e di finanziamento condiviso, per sostenere la ricerca sulle misure di prevenzione e la preparazione ai rischi della biologia sintetica e dell’intelligenza artificiale applicata alle sequenze biologiche.

Le raccomandazioni non sono il risultato di una votazione formale né rappresentano un regolamento già adottato. Sono le indicazioni emerse da un confronto interdisciplinare, successivamente rielaborate dagli autori. Ma il messaggio è chiaro: la sicurezza biologica non può essere affidata a un controllo finale, quando una sequenza è già stata progettata e si trova pronta per essere sintetizzata. Deve entrare nel processo fin dall’inizio, nella scelta dei dati, nello sviluppo dei modelli, nelle modalità di accesso e nella produzione materiale.

È una condizione per consentire alla ricerca di sfruttare davvero le potenzialità dell’intelligenza artificiale. Perché la possibilità di progettare nuove forme di vita apre prospettive scientifiche straordinarie, ma impone anche di stabilire chi possa farlo, con quali strumenti e sotto quali responsabilità. La biosicurezza, in questa prospettiva, non è un freno alla biotecnologia: è una delle condizioni perché possa svilupparsi senza mettere a rischio la salute pubblica.

G.R.

20 Novembre 2026

© Riproduzione riservata

Salute dell’uomo. Dal rischio cardiovascolare alla prevenzione dei tumori: i controlli consigliati dal Ministero della Salute
Salute dell’uomo. Dal rischio cardiovascolare alla prevenzione dei tumori: i controlli consigliati dal Ministero della Salute

Promuovere stili di vita sani, programmare controlli periodici e non attendere la comparsa dei sintomi prima di rivolgersi al medico. Sono le indicazioni del Ministero della Salute in occasione di...

Spesa farmaceutica. Nei primi 6 mesi del 2026 cresce del 5,6%. La convenzionata sale più della diretta
Spesa farmaceutica. Nei primi 6 mesi del 2026 cresce del 5,6%. La convenzionata sale più della diretta

Nei primi sei mesi del 2026 la spesa farmaceutica pubblica complessiva (convenzionata, acquisti diretti e ossigeno) ammonta a 13.417,6 milioni di euro, registrando un’incidenza sul FSN (valore provvisorio 2026 comunicato...

Medici e infermieri reclutati all’estero. L’Oms: i Paesi di destinazione investano anche nei sistemi sanitari di origine
Medici e infermieri reclutati all’estero. L’Oms: i Paesi di destinazione investano anche nei sistemi sanitari di origine

Come rispondere alla carenza di personale sanitario senza aggravare quella di altri Paesi? È un interrogativo che attraversa il dibattito internazionale sulla mobilità di medici, infermieri e altri professionisti della...

HIV, con Lenacapavir persistenza nella PrEP oltre l’85% a 52 settimane. I risultati dello studio PURPOSE 5
HIV, con Lenacapavir persistenza nella PrEP oltre l’85% a 52 settimane. I risultati dello studio PURPOSE 5

Gilead Sciences ha annunciato i risultati dello studio PURPOSE 5, che evidenziano una persistenza alla profilassi pre-esposizione (PrEP) significativamente superiore tra le persone che hanno iniziato il trattamento con Lenacapavir,...