Sviluppare un nuovo farmaco è, ancora oggi, uno dei processi più lunghi, costosi e incerti dell’economia della conoscenza. Dall’identificazione di un bersaglio biologico all’approvazione regolatoria possono passare oltre dieci anni e investimenti milioni, con tassi di fallimento elevati in alcune fasi della ricerca. Per la diagnostica, identificare patologie sempre più sottili — da pattern invisibili in un’immagine istologica a biomarcatori rari in vasti dataset clinici — richiede una potenza di calcolo che le infrastrutture tradizionali non sono in grado di garantire in tempi rapidi; anche per questo sono elevate le aspettative sul potenziale del quantum computing. E l’intelligenza artificiale, in questo scenario, è una delle leve che può ridefinire velocità e qualità dell’innovazione sanitaria.
Il contesto e il bisogno
Quello descritto è l’ambito in cui opera Roche, fondata a Basilea nel 1896 come uno dei primi produttori industriali di farmaci a marchio.
Oggi il Gruppo è tra le più grandi aziende di biotecnologie del mondo e nella diagnostica in vitro, con una struttura che integra la divisione farmaceutica — comprensiva di Genentech negli Stati Uniti e della partecipazione di maggioranza in Chugai Pharmaceutical in Giappone — e, appunto, quella diagnostica. La missione dell’azienda si riassume in una formula concreta: scoprire e sviluppare medicinali e strumenti diagnostici per preservare la vita. Una missione che, come ricorda Wafaa Mamilli, chief digital and technology officer di Roche, si gioca anzitutto su un parametro non negoziabile: “Nella sanità, il tempo è la variabile più critica; ogni giorno risparmiato significa che un farmaco o un dispositivo diagnostico che può cambiare la vita arriva prima al paziente”.
Il bisogno di Roche è legato quindi a quello stesso di tutta l’industria farmaceutica, declinato però sulla scala di una realtà che opera a livello globale: aumentare la probabilità di successo della ricerca, ridurre i tempi e i costi del ciclo di sviluppo, estrarre valore dai propri estesi dataset biologici, molecolari e clinici, e portare sul mercato terapie e strumenti diagnostici più efficaci e personalizzati. A questo si aggiunge un’esigenza più strutturale: integrare l’AI non come strumento puntuale in laboratorio, ma come capacità trasversale all’intera catena del valore — dalla ricerca di base alla produzione, dalla diagnostica alla relazione con i pazienti.
Per rispondere a questa esigenza servono due elementi: capacità computazionale di classe supercomputing e un ecosistema software pensato nativamente per il lifescience, capace di trasformare modelli di AI generativa in strumenti operativi per la drug discovery, la manifattura farmaceutica e la diagnostica di precisione. Un salto di scala che Roche decide di sostenere con una partnership strategica pluriennale con il fornitore di riferimento dell’AI accelerata a livello globale.
Il metodo
L’approccio scelto da Roche è di procedere per tappe progressive, costruendo capacità di AI in modo incrementale e sempre più integrato. Il primo passo risale al 2023, quando Genentech — la controllata statunitense del Gruppo — sigla una collaborazione pluriennale strategica di ricerca con Nvidia. L’accordo prevede di combinare le capacità di AI di Genentech, i suoi dataset biologici e molecolari e l’esperienza di ricerca accumulata in decenni con le tecnologie di calcolo accelerato e AI di Nvidia. Sul piano operativo, l’infrastruttura scelta si basa su Nvidia Dgx Cloud, piattaforma di training-as-a-service costruita su supercomputing dedicato, insieme a Nvidia BioNeMo, framework specializzato per le applicazioni di AI generativa nella drug discovery.
Tra gli elementi chiave: l’approccio Lab-in-the-Loop, un modello iterativo in cui dati sperimentali estesi alimentano modelli computazionali che a loro volta producono nuove predizioni, verificate in laboratorio e re-iniettate nei modelli per un ciclo continuo di affinamento. Un paradigma che Genentech — come sottolinea oggi Aviv Regev, executive VP e head of Genentech Research and Early Development (Gred) “sta sperimentando da oltre cinque anni” e che la collaborazione con Nvidia ha progressivamente scalato, fino a renderlo il fulcro operativo dell’infrastruttura attuale. Tra il 2023 e il 2026, Roche costruisce così passo dopo passo le fondamenta tecniche e organizzative della propria trasformazione AI, fino a raggiungere una scala che richiedeva un salto infrastrutturale di ordine di grandezza. È questo salto che oggi caratterizza i progetti Roche.
La soluzione, AI factory con Nvidia
Roche è pronta oggi con la sua AI factory su larga scala costruita sull’intero stack di calcolo accelerato e AI di ultima generazione di Nvidia. I numeri: 2.176 Gpu Nvidia Blackwell ad alte prestazioni installate on-premise tra Stati Uniti ed Europa, che si sommano all’infrastruttura in cloud portando il totale combinato ad oltre 3.500 Gpu Blackwell. È, ad oggi, uno dei più importanti utilizzi di Gpu nel pharma, e l’ambiente ibrido più esteso del comparto. L’elemento qualificante della soluzione non è però la dimensione: è il modo in cui questa potenza di calcolo viene incorporata lungo l’intera catena del valore. Come ha spiegato Mamilli, “l’AI factory combina un potere di calcolo di classe mondiale con la competenza scientifica di Roche per integrare l’AI lungo l’intera catena del valore — dalla scoperta allo sviluppo, dalla produzione alla commercializzazione — trasformando il modo in cui realizziamo la prossima generazione di medicinali e soluzioni diagnostiche”.
L’architettura si dispiega su quattro livelli applicativi. Nella ricerca e sviluppo, la piattaforma Nvidia BioNeMo potenzia il modello Lab-in-the-Loop di Roche, collegando gli esperimenti biologici e chimici ai modelli di AI dell’azienda e consentendo agli scienziati di testare ipotesi su scala massiva e compiere scoperte altrimenti impossibili. Nella manifattura, i digital twin delle linee di produzione, alimentati dalle librerie Nvidia Omniverse, permettono di ottimizzare processi e progettazione degli impianti. Nella diagnostica, il software Nvidia Parabricks abilita l’analisi di dataset enormi; nella patologia digitale, le stesse tecnologie scansionano grandi volumi di immagini per individuare pattern di malattia altrimenti invisibili. Infine, nell’ambito della digital health, Roche utilizza Nvidia NeMo Guardrails per garantire un’AI conversazionale sicura e affidabile di livello sanitario. Per Regev, il salto compiuto con l’AI factory è anzitutto una questione di scala: “La collaborazione estesa con Nvidia e il lancio dell’AI factory rafforzano ulteriormente la posizione nella drug discovery e nello sviluppo guidati dall’AI. Fornendo la potenza computazionale massiva necessaria a continuare a scalare la nostra strategia Lab-in-the-Loop — uno spazio in cui siamo pionieri da oltre cinque anni — i nostri scienziati possono costruire modelli predittivi di frontiera più sofisticati e accorciare ulteriormente il percorso dall’insight biologico al farmaco che salva vite”.
I vantaggi
I benefici dell’AI factory si articolano su tre livelli. Il primo è la velocità: le AI factory con tecnologia Nvidia aiutano ad accelerare le scoperte, a condurre sperimentazioni cliniche più efficienti e a far emergere su scala i segnali nascosti nei dati. In un’industria in cui il time-to-market di un farmaco è critico, comprimere anche solo alcune fasi del ciclo di ricerca si traduce in un impatto diretto sui pazienti. Il secondo livello è la scala scientifica: disporre di oltre 3.500 Gpu Blackwell significa poter costruire modelli fondazionali biologici e chimici di dimensioni impensabili fino a pochi anni fa, e farlo internamente, con pieno controllo sui propri dati proprietari. Il terzo livello è l’integrazione trasversale: l’AI non resta confinata nei laboratori di ricerca ma si estende a produzione, diagnostica, patologia digitale e interazione con i pazienti, creando un tessuto tecnologico coerente in tutta l’organizzazione.
Per Roche, l’implementazione dell’AI factory è “un pilastro della più ampia trasformazione digitale” del gruppo, in cui l’AI è intesa come capacità destinata ad aumentare e completare – non a sostituire – l’expertise umana. Estendendo l’accesso al supercomputing a tutta l’organizzazione, il gruppo mette la propria forza lavoro globale nelle condizioni di affrontare le sfide più complesse nella comprensione e cura delle malattie. Il percorso iniziato nel 2023 con la collaborazione Genentech-Nvidia trova così, nell’AI factory del 2026, l’infrastruttura che ridefinisce gli standard dell’industria farmaceutica e costruisce le fondamenta di una nuova epoca della medicina: quella in cui la scoperta scientifica e il calcolo computazionale diventano, finalmente, un unico processo.
© RIPRODUZIONE RISERVATA
