Come l’IA potrebbe prevenire lo sviluppo di nuove droghe illecite
L’algoritmo DarkNPS ha previsto le formule di milioni di potenziali farmaci
NEGLI ANNI RECENTI , i chimici clandestini hanno sempre più apportato piccole modifiche chimiche a note droghe ricreative per aggirare le leggi, creando nuove versioni di design. Invece di cannabis, per esempio, questi chimici potrebbero offrire XLR-11 , o invece di PCP potrebbero avere 3-MeO-PCE .
Le nuove droghe sintetiche, chiamate anche sostanze chimiche per la ricerca o effetti legali, producono ancora effetti fisiologici e psicologici, sebbene gli esperti affermino che possono comportare una serie di rischi. Gli oppioidi sintetici come il fentanil, ad esempio, sono sempre più citati nel numero di decessi correlati agli oppioidi negli Stati Uniti, che quest’anno ha raggiunto oltre 75.000 . Secondo i Centers for Disease Control and Prevention, i cannabinoidi sintetici possono causare attacchi di cuore, insufficienza renale e, in alcuni casi, morte. Anche le nuove droghe sintetiche sono spesso poco studiate e, tra la miriade di sostanze disponibili, molte hanno effetti negativi sulla salute oltre a quelli delle loro controparti naturali.
Mentre i chimici di droghe illegali lavorano su nuove formule, i governi di tutto il mondo cercano di regolamentare e vietare le droghe subito dopo la loro comparsa. Molti paesi usano somiglianze nella struttura chimica dei farmaci, come tra il fentanil e i suoi analoghi, per vietare le nuove sostanze psicoattive o NPS. Tuttavia, l’approccio varia a seconda della giurisdizione. Ad esempio, nel 2017, lo stato australiano del Victoria ha vietato tutti i composti psicoattivi con poche eccezioni, inclusi alcol, tabacco e cannabis medicinale. Altri governi si affrettano a monitorare i risultati di una rete globale di laboratori illeciti.
“La situazione attuale in cui ci troviamo è più l’approccio “whack-a-mole”, ha affermato David Wishart, scienziato informatico e biologo dell’Università dell’Alberta.
Per semplificare il lavoro, Wishart e i suoi colleghi hanno utilizzato un tipo di intelligenza artificiale chiamata deep learning per creare un algoritmo che identifica potenziali droghe sintetiche che potrebbero non esistere ancora. I milioni di sostanze chimiche identificate dall’algoritmo, soprannominato DarkNPS, potrebbero aiutare i governi a rimanere un passo avanti rispetto alla loro produzione, afferma Wishart. Lui e un team di altri ricercatori hanno pubblicato il lavoro su Nature Machine Intelligence a novembre.
Wishart afferma che l’algoritmo potrebbe aiutare le forze dell’ordine e i chimici forensi a identificare nuove sostanze psicoattive, un processo che altrimenti potrebbe richiedere diversi mesi. DarkNPS può anche evidenziare nuovi composti benefici per uso clinico. E, secondo Wishart, c’è un altro vantaggio: i governi potrebbero passare attraverso il nascondiglio di ipotetici farmaci sviluppati da DarkNPS e bandirli, anche prima che qualcuno li produca o li distribuisca effettivamente.
Secondo un comunicato stampa , alcune agenzie stanno già utilizzando l’algoritmo, tra cui la Drug Enforcement Administration statunitense, l’Ufficio delle Nazioni Unite per la droga e il crimine, l’Osservatorio europeo delle droghe e delle tossicodipendenze e l’Ufficio federale di polizia criminale della Germania. (In risposta alle domande di Undark, Greg Planchuelo, responsabile dello sviluppo della gestione del database per l’OEDT, ha affermato che l’agenzia non stava utilizzando l’approccio, mentre le altre organizzazioni non hanno risposto alle richieste di commento.)
“L’attuale situazione in cui ci troviamo è più l’approccio whack-a-mole”, ha detto Wishart.
Ma i critici sostengono che la criminalizzazione proattiva delle droghe farebbe ben poco per affrontare i principali fattori alla base dei decessi per overdose. Inoltre, la criminalizzazione è stata storicamente socialmente dannosa: la guerra alla droga guidata dal governo degli Stati Uniti, ad esempio, ha radici nel razzismo e prende ancora di mira in modo schiacciante i gruppi emarginati.
E sebbene l’algoritmo possa essere in grado di catturare farmaci relativamente simili ai loro predecessori, potrebbe avere difficoltà a prevedere farmaci con strutture chimiche radicalmente diverse, afferma Alex Krotulski, direttore associato del Center for Forensic Science Research & Education e manager dell’organizzazione Programma di scoperta dell’NPS. “In senso pratico”, ha detto, “nessuno sa mai cosa accadrà dopo”.
ATTUALMENTE, L’ approccio standard per identificare un farmaco sconosciuto è la spettrometria di massa, un metodo che, in breve, pesa i componenti di un composto, al fine di determinarne la struttura molecolare. Ma questa tecnica richiede un riferimento per confrontare i risultati, un riferimento che potrebbe mancare quando si ha a che fare con una sostanza completamente nuova, ma che potrebbe essere nell’elenco di DarkNPS.
DarkNPS ha prodotto un elenco di 8,9 milioni di composti che potrebbero essere creati alterando i farmaci esistenti. Per generare questo numero enorme, Wishart e i suoi colleghi hanno implementato una rete neurale, una sorta di apprendimento automatico che è vagamente modellato sul cervello umano e che viene spesso utilizzato per analizzare i linguaggi umani.
Lo sforzo è iniziato nel 2020, quando i ricercatori della Sezione di Chimica Forense dell’Università di Copenaghen si sono rivolti al team dietro DarkNPS. Il team di Copenaghen gestisce un database di noti farmaci di sintesi chiamato HighResNPS , una risorsa che il personale medico, le forze dell’ordine e i chimici forensi possono utilizzare per lo screening dell’NPS fornendo riferimenti per i test di spettrometria di massa.
I critici sostengono che la criminalizzazione proattiva delle droghe farebbe ben poco per affrontare i principali fattori alla base dei decessi per overdose.
Il team di DarkNPS ha addestrato il proprio algoritmo utilizzando HighResNPS. Quando il lavoro è iniziato nel febbraio 2021, il database conteneva più di 1.700 voci di farmaci esistenti provenienti da tutto il mondo. Sebbene si tratti di un set di dati relativamente piccolo, il team è stato in grado di indurre l’algoritmo a pensare che stesse guardando qualcosa di più grande. L’algoritmo ha quindi combinato i dati HighResNPS con le regole prevedibili della chimica per redigere un elenco di possibili nuove combinazioni.
Secondo Michael Skinnider, coautore dell’articolo e studente di medicina presso l’Università della British Columbia, DarkNPS funziona un po’ come un cervello umano che comprende una frase, ma l’algoritmo utilizza atomi e legami chimici anziché parole e grammatica. “Se ti dico ‘Le nuvole sono in alto’, sai che la prossima parola sarà probabilmente ‘cielo’. Non sarà un “telefono”, ha detto Skinnider.
Il team ha quindi confrontato i risultati con 189 nuove voci su HighResNPS, che erano state aggiunte dopo l’esecuzione iniziale di DarkNPS, e ha scoperto che il 93% delle nuove voci rientrava nelle previsioni di DarkNPS.
Poiché i dati di riferimento potrebbero non esistere per farmaci molto nuovi, la spettrometria di massa non è sempre una buona opzione, poiché identificare una sostanza del genere può potenzialmente richiedere settimane o addirittura mesi di lavoro, hanno detto diverse fonti a Undark. DarkNPS potrebbe fornire questo riferimento per un numero impressionante di farmaci. “Non appena un farmaco arriva sul mercato, invece di tre mesi, sei mesi di ardua chimica, potrebbero potenzialmente identificare i composti in pochi minuti”, ha detto Wishart.
DARKNPS HA ALCUNE limitazioni, tuttavia. Ad esempio, sebbene possa fare previsioni accurate, non può fornire alcuna informazione sugli effetti fisiologici o psicologici dei farmaci. L’algoritmo potrebbe anche fornire ai chimici illeciti una tabella di marcia verso le nuove droghe sintetiche. In quanto tale, DarkNPS è nelle mani di NPS Data Hub , uno sforzo congiunto tra il National Institute of Standards and Technology, la US DEA e l’Ufficio federale di polizia criminale della Germania, che funge da database per aiutare nell’identificazione di nuovi farmaci. Non è disponibile al pubblico.
Poi c’è il problema dei farmaci che DarkNPS mancherà. Secondo Krotulski, ci sono due modi diversi in cui gli NPS si evolvono sul mercato. Il primo avviene con piccole modifiche: il passaggio dal fentanil, per esempio, al carfentanil. Entrambi sono potenti oppioidi e chimicamente abbastanza simili.
Ma ci sono anche cambiamenti più grandi, ha detto Krotulski. Ad esempio, un altro potente oppioide sintetico chiamato isotonitazene , che è apparso in paesi come il Regno Unito e il Canada , ha una struttura distinta dal fentanil. Sarebbe difficile prevedere queste transizioni più ampie con uno strumento predittivo come DarkNPS, ha affermato Krotulski.
Alcuni laboratori potrebbero non aver bisogno dell’elenco di DarkNPS. Secondo Planchuelo, molti laboratori ben dotati, inclusi alcuni dell’OEDT, utilizzano una tecnica diversa chiamata test di risonanza magnetica nucleare, che non richiede materiale di riferimento allo stesso modo della spettrometria di massa. Tuttavia, ha aggiunto Planchuelo, le operazioni più piccole, gli ospedali nelle aree meno sviluppate e altre organizzazioni potrebbero ancora trovare utile l’algoritmo. “Credo che questo sia un punto di svolta per la maggior parte dei laboratori che potrebbero non disporre delle risorse di cui disponiamo”, ha affermato.
Si discute anche se vietare o meno i farmaci sia un buon meccanismo per ridurre le overdose e altri danni. Secondo Alex Stevens, professore di giustizia penale all’Università del Kent, la criminalizzazione non ha dissuaso le persone dall’uso di droghe. Inoltre, la criminalizzazione della droga ha un impatto sproporzionato sulle persone delle comunità emarginate. Secondo un articolo di Ann Fordham, direttore esecutivo dell’International Drug Policy Consortium, i neri negli Stati Uniti sono incarcerati cinque volte di più dei bianchi e metà di queste condanne sono legate alla droga.
In un certo senso, tuttavia, il divieto dei farmaci esistenti da parte dei governi può anche incentivare la creazione di NPS. “Non si tratta del problema fondamentale”, ha detto Stevens, “che è che le persone non possono ottenere l’accesso legale ai farmaci che vogliono effettivamente usare, e quindi cercheranno alternative”.
wHILE DARKNPS POTREBBE aiutare a facilitare i divieti di droghe illecite su larga scala, alcuni sostengono che l’approccio potrebbe ostacolare lo sviluppo di nuovi farmaci rendendo più difficile per i ricercatori studiare farmaci che hanno potenziali applicazioni mediche. “Sarei sorpreso se non ci fossero molte sostanze in quell’elenco che sono già state studiate per i loro benefici medici”, ha detto Stevens.
Questo è successo in passato. Nel 2016, ad esempio, il Regno Unito ha vietato una classe di farmaci chiamati cannabinoidi sintetici di terza generazione. I ricercatori si sono affrettati a sostenere che questo divieto a livello di classe riguarderebbe sostanze che già esistono come medicinali, come l’indometacina, un farmaco antinfiammatorio. Dopo che i farmaci sono stati aggiunti alla classificazione Schedule 1 – una classe particolarmente severa nel Regno Unito – i ricercatori farmaceutici che esaminavano i composti avevano bisogno di una licenza del Ministero degli Interni, che può rallentare o addirittura fermare la ricerca, poiché è proibitiva sia in termini di denaro che di tempo . Infine, il Regno Unito ha modificato la sentenza per rendere più facile per i ricercatori continuare il loro lavoro.
Sia Skinnider che Wishart hanno affermato che è improbabile che DarkNPS porti al divieto generale di nuove sostanze psicoattive, anche se potrebbe aiutare a fermare le droghe illegali. In parte, ciò è dovuto al fatto che l’algoritmo è in grado di identificare anche alcuni composti utili. DarkNPS potrebbe essere utilizzato per trovare farmaci psicoattivi con proprietà mediche, come il prossimo stimolante per il disturbo da deficit di attenzione o un sostituto del metadone nel trattamento del disturbo da uso di oppioidi. E con il giusto addestramento, l’algoritmo potrebbe aiutare a trovare la prossima generazione di farmaci antinfiammatori, steroidi o antistaminici.
“Non si annoia. Può iniziare a pensare in modo creativo”, ha detto Wishart dell’algoritmo. “Non ha bisogno di dosi di caffè o di una buona notte di sonno. Si limita a predire”.
Di Doug Johnson
