How AI is reshaping R&D in the pharmaceutical industry? Theoretical insights from a paradigmatic case

R&D represents the core activity of every pharmaceutical company, demanding high investments and facing significant risk. The process encompasses three major phases: drug discovery, where potential targets are identified; drug development, which includes all the steps necessary to convert a lead compound from a drug candidate to a product that undergoes extensive pre-clinical testing; and clinical trials, during which the safety and efficacy of drugs are tested. Despite the substantial resources allocated to these activities, the vast majority of drug candidates entering the discovery phase fail to reach the market. Indeed, over 90% of drugs fail clinical trials due to insufficient clinical effectiveness, uncontrollable toxicity, inadequate drug-like qualities, and absence of commercial requirements. To mitigate these challenges and enhance productivity, pharmaceutical companies increasingly use artificial intelligence technologies to support this activity. Artificial intelligence promises to reduce the time to market (TTM), lower costs, improve efficiency, and automate repetitive R&D-related activities. This paper explores the implementation of AI technologies in Sanofi's research and development division, emphasizing their role in accelerating and enhancing drug lifecycles. The study highlights AI's crucial role in identifying potential drug targets, optimizing molecular design, and streamlining clinical trials. By leveraging AI’s capabilities, Sanofi effectively manages many challenges that traditional methods struggle to overcome, thereby reducing the time and costs of bringing a new drug to market. However, integrating AI into R&D processes poses several issues, such as complexity in data management and workforce integration, and requires a culture of continuous learning and adaptability within the organization. The present paper addresses this theme by proposing an AI integration framework within the pharmaceutical R&D process, offering a roadmap for future developments in positioning AI as one of the cornerstones of drug discovery and development strategies.

La Ricerca e Sviluppo (R&S) rappresenta l'attività centrale per ogni azienda farmaceutica, richiedendo investimenti significativi e affrontando un elevato grado di rischio. Il processo comprende tre fasi principali: la scoperta di farmaci, in cui vengono identificati i potenziali bersagli; lo sviluppo di farmaci, che include tutti i passaggi necessari per convertire il composto guida da candidato farmaceutico a prodotto approvato per la commercializzazione; e le sperimentazioni cliniche, durante le quali vengono testate la sicurezza e l'efficacia dei farmaci. Nonostante le ingenti risorse allocate a queste attività, la stragrande maggioranza dei candidati farmaceutici, circa il 90%, che entrano nella fase di scoperta non riesce a raggiungere il mercato, fallendo nella fase di sperimentazioni cliniche a causa di un'efficacia clinica insufficiente, di una tossicità incontrollabile, dell’inadeguatezza delle qualità farmacologiche, e dell’assenza di requisiti commerciali. Per mitigare queste sfide e migliorare la produttività, le aziende farmaceutiche si stanno rivolgendo sempre più spesso alle tecnologie di intelligenza artificiale. Infatti, l'intelligenza artificiale promette di ridurre il time to market (TTM), ridurre i costi, migliorare l'efficienza e automatizzare le attività ripetitive legate alla R&S. Questo articolo esplora l'implementazione delle tecnologie di intelligenza artificiale nella divisione Ricerca e Sviluppo di Sanofi, studiando il loro ruolo nell'accelerare e migliorare i processi di sviluppo di un farmaco. Lo studio evidenzia il ruolo cruciale che l'IA svolge nell'identificazione dei potenziali bersagli farmaceutici, nell'ottimizzazione del design molecolare e nella razionalizzazione delle sperimentazioni cliniche. Sfruttando le capacità dell'IA, Sanofi gestisce efficacemente sfide che i metodi tradizionali faticano a superare, riducendo così i tempi e i costi necessari per portare un nuovo farmaco sul mercato. Tuttavia, l'integrazione dell'IA nei processi di R&S pone diverse problematiche, come la complessità nella gestione dei dati e nell'integrazione della forza lavoro, e richiede una cultura organizzativa improntata all'apprendimento continuo e all'adattabilità. Il presente lavoro affronta questo tema proponendo un framework per l'integrazione dell'IA da seguire all'interno del processo di R&S farmaceutico, offrendo una rotta per i futuri sviluppi nel posizionamento dell'IA come uno dei pilastri delle strategie di scoperta e sviluppo dei farmaci.