19 startup farmaceutiche che plasmano la scoperta di farmaci guidata dall'IA

La scoperta di farmaci non ha mai sofferto per la mancanza di ambizione scientifica. Ciò che le è mancato è l’efficienza. Nonostante decenni di progressi, la probabilità che un farmaco che entra nelle sperimentazioni cliniche ottenga l’approvazione rimane ancora al di sotto del 10 per cento. L’intelligenza artificiale non elimina questo rischio, ma sta cambiando sistematicamente dove il rischio viene assunto, come i fallimenti vengono identificati precocemente e dove viene creato valore.

Nel settore farmaceutico, startup guidate dall’AI stanno emergendo come partner critici e, in alcuni casi, come concorrenti dirette dei modelli tradizionali di R&S. Le loro valutazioni, le traiettorie di finanziamento e le strutture di partnership suggeriscono che l’industria considera sempre più l’AI non come uno strumento sperimentale ma come infrastruttura fondamentale.

Le 20 startup seguenti rappresentano gli attori più influenti che stanno plasmando questa transizione.

1. Recursion Pharmaceuticals

Recursion Pharmaceuticals incarna la scoperta di farmaci su larga scala e industrializzata. La sua piattaforma integra strettamente laboratori automatizzati wet con deep learning applicato all’imaging cellulare, permettendo all’azienda di generare e analizzare milioni di esperimenti biologici in parallelo. Piuttosto che ottimizzare singoli target, Recursion si concentra sulla mappatura olistica della biologia della malattia per identificare opportunità terapeutiche non ovvie.

Con una capitalizzazione di mercato di circa $3–4 billioni e ricavi annuali vicino a $200 millioni, Recursion è una delle poche biotech AI a dimostrare una scala commerciale significativa. I ricavi sono in gran parte derivati da partnership a lungo termine con Roche, Bayer e NVIDIA, rafforzando la fiducia nel suo approccio centrato sui dati.

Strategicamente, Recursion segnala un futuro in cui le piattaforme di AI funzionano come fabbriche di scoperta piuttosto che come unità di innovazione boutique.

2. Insilico Medicine

Insilico Medicine si è posizionata come una vera azienda di scoperta di farmaci AI end-to-end. La sua piattaforma di generative AI copre la scoperta di target, la progettazione di molecole e la previsione degli esiti clinici, utilizzando modelli di deep learning allenati su dataset multi-omici e chimici.

Insilico si distingue per aver portato molecole progettate dall’AI in studi clinici di Fase II, un traguardo che ha rimodellato la fiducia degli investitori in tutto il settore. Con oltre $400 millioni raccolti e ricavi stimati di $40–60 millioni, l’azienda genera reddito principalmente tramite collaborazioni con industria farmaceutica e accordi basati su milestone.

Il progresso di Insilico dimostra che la generative AI può andare oltre la promessa teorica e diventare scienza clinicamente azionabile.

3. Schrödinger

Schrödinger opera all’intersezione della modellizzazione molecolare basata sulla fisica, chimica computazionale e scoperta di farmaci guidata dall’AI. La sua piattaforma consente simulazioni molecolari precise per prevedere affinità di legame, solubilità e altre proprietà critiche, che vengono poi potenziate dal machine learning per ottimizzare efficacemente i candidati farmaci. Questo approccio ibrido accelera le fasi iniziali di R&S migliorando al contempo la fiducia nella selezione dei candidati.

Dal punto di vista finanziario, Schrödinger è una delle aziende più stabili nello spazio della scoperta di farmaci con AI.capitalizzazione di mercato di circa $2 billion e ricavi annuali di $180–190 milioni, circa il 70 per cento dei suoi ricavi proviene da abbonamenti software ricorrenti. Questa prevedibilità dei ricavi riduce la dipendenza dai risultati clinici, cosa non comune nelle biotech in fase iniziale. 

L'azienda dimostra che l'infrastruttura AI può essere un'attività durevole e scalabile, fornendo valore sia ai team di R&S interni sia ai partner farmaceutici esterni. Il modello di Schrödinger illustra anche come le piattaforme incentrate sul software possano coprire il rischio intrinseco delle pipeline di scoperta di farmaci, combinando scienza e prevedibilità commerciale.

4. Isomorphic Labs

Isomorphic Labs è nata da la svolta di AlphaFold di DeepMind e applica il deep learning per comprendere il comportamento dei sistemi biologici su larga scala. A differenza degli strumenti AI tradizionali, Isomorphic cerca di reimmaginare il processo di scoperta, costruendo una piattaforma in grado di modellare le vie patologiche, prevedere nuovi target e identificare candidati terapeutici in modo olistico.

Con una valutazione implicita di $5–6 miliardi e ricavi non divulgati, l'azienda si affida a partnership strategiche con Eli Lilly, Novartis e altri leader farmaceutici, piuttosto che a ricavi da servizi diretti. Questo approccio riflette la fiducia degli investitori che una profonda comprensione biologica sia capitale intellettuale difendibile, potenzialmente più prezioso della monetizzazione a breve termine. 

Isomorphic rappresenta la nuova generazione di AI nella scoperta di farmaci, dove le piattaforme riguardano tanto la comprensione della biologia quanto la produzione di molecole.

5. Owkin

Owkin è specializzata in apprendimento federato, un metodo AI che preserva la privacy e che permette ai modelli di apprendere da set di dati sensibili ospedalieri e clinici senza centralizzare i dati. Questo consente l'addestramento su popolazioni di pazienti diverse mantenendo la conformità alle normative sui dati. L'approccio di Owkin è particolarmente prezioso in oncologia e medicina di precisione, dove l'eterogeneità dei pazienti influisce sugli esiti degli studi clinici.

Con $300 milioni di finanziamento e $25–40 milioni di ricavi annuali stimati, Owkin dimostra che la rilevanza clinica può essere strategicamente preziosa quanto la progettazione molecolare. La sua piattaforma pone l'accesso ai dati, l'interoperabilità e la governance come vantaggi competitivi chiave, riflettendo l'importanza crescente dell'uso etico e su larga scala dei dati nella scoperta di farmaci guidata dall'IA.

6. Atomwise

Atomwise applica deep learning alla progettazione di farmaci basata sulla struttura, prevedendo come le piccole molecole interagiscono con bersagli proteici. La sua piattaforma AtomNet consente screening virtuale ultra-adiuvante ad altissimo rendimento, restringendo drasticamente lo spazio chimico e accelerando l'identificazione degli hit.

Supportata da $175 million in finanziamenti e ricavi annuali di più di $20 million, Atomwise si concentra su collaborazioni in fase iniziale con aziende farmaceutiche piuttosto che sviluppare una propria pipeline clinica. Il suo punto di forza risiede in velocità, scalabilità e precisione predittiva, permettendo ai partner di identificare lead validi prima e ridurre al minimo cicli sperimentali costosi.

Atomwise esemplifica come l'IA possa agire come un moltiplicatore di forza nella scoperta precoce, offrendo guadagni di efficienza misurabili.

7. Valo Health

Valo Health integra IA con genetica umana e evidenza clinica del mondo reale, creando una piattaforma che collega le decisioni di scoperta direttamente agli esiti dei pazienti. Combinando molteplici modalità di dati - genomici, clinici e fenotipici - Valo migliora i tassi di successo traslazionale, colmando il divario tra previsioni computazionali e realtà clinica.

Avendo raccolto $380 milioni e generando $30–50 milioni in ricavi stimati, Valo si concentra su sviluppo della piattaforma a lungo termine piuttosto che su accordi transazionali a breve termine. Il suo approccio sottolinea l'ascesa della scoperta IA informata geneticamente, dove gli algoritmi vanno oltre la generazione di molecole per prevedere il successo clinico, offrendo ai partner farmaceutici un vantaggio strategico nell'affrontare aree terapeutiche complesse.

8. XtalPi

XtalPi si colloca all'incrocio tra AI, fisica quantistica e chimica computazionale, fornendo approfondimenti predittivi sulle strutture molecolari, sul comportamento di cristallizzazione e sulla producibilità. La sua piattaforma consente alle aziende farmaceutiche di anticipare e mitigare le sfide prima che le molecole entrino in produzione su larga scala, colmando efficacemente il divario tra scoperta e produzione.

Con $300 million in funding e ricavi inferiori a $20 million, XtalPi ha rapidamente ottenuto adozione nel settore manifatturiero farmaceutico dell'area Asia-Pacifico, in particolare tra i partner che cercano di ridurre l'abbandono nelle fasi avanzate causato da problemi di cristallizzazione o di formulazione. Combinando previsioni AI informate dalla meccanica quantistica con dati sperimentali, la piattaforma aiuta le aziende a accorciare i tempi di sviluppo e migliorare la riproducibilità, conferendole un valore strategico ben oltre i ricavi attuali.

9. Healx

Healx sfrutta l'AI per riproposizionare farmaci esistenti per malattie rare e orfane, esplorando la letteratura biomedica, i dataset clinici e le reti molecolari per identificare candidati con la maggiore probabilità di efficacia. Questo approccio evita i tempi e i costi dello sviluppo di molecole completamente nuove.

Supportata da $80 million in funding e con un fatturato di meno di $15 million, Healx si concentra sulla rapidità di accesso alla clinica, fornendo ai partner farmaceutici informazioni concrete che accelerano l'accesso dei pazienti alle terapie. Il suo lavoro evidenzia la capacità dell'AI di affrontare aree terapeutiche trascurate, mostrando come le piattaforme computazionali possano creare valore in ambiti scientificamente importanti ma economicamente trascurati.

10. BenchSci

BenchSci non progetta molecole—ottimizza i flussi di lavoro di scoperta. La sua piattaforma AI analizza protocolli sperimentali, dati sui reagenti e la letteratura scientifica per identificare esperimenti riproducibili e di alta qualità per i team di ricerca. Questo migliora produttività, riproducibilità e decisioni nelle fasi iniziali.

Generando ricavi annui stimati di $25–35 million, BenchSci funge da livello chiave dell'infrastruttura nella R&S farmaceutica. La sua crescita sottolinea la crescente domanda di decision intelligence, aiutando i team di ricerca a concentrarsi sugli esperimenti con maggior probabilità di produrre un impatto traslazionale.

Così facendo, BenchSci dimostra come gli insight basati sui dati siano strategicamente importanti quanto la progettazione dei composti nella moderna scoperta di farmaci.

11. Genesis Molecular AI

Genesis Molecular AI si concentra su progettazione molecolare de novo utilizzando AI generativa combinata con modellizzazione informata dalla fisica. La sua piattaforma ottimizza simultaneamente le molecole per efficacia, sicurezza e producibilità, consentendo un approccio più olistico alla scoperta di farmaci in fase iniziale.

Genesis, sostenuta da $200 million in funding, è focalizzata su la costruzione di una solida piattaforma AI piuttosto che inseguire ricavi a breve termine. La sua tecnologia è progettata per esplorare spazi chimici inesplorati, generando molecole innovative che la chimica medicinale convenzionale potrebbe non trovare mai, rendendola una scommessa a lungo termine sulla creatività algoritmica.

L'azienda esemplifica un approccio deep-tech in cui la creatività algoritmica è il fattore distintivo.

12. Anima Biotech

Anima Biotech applica l'AI per comprendere i meccanismi di traduzione dell'mRNA, identificando bersagli precedentemente inaccessibili rilevanti per la malattia. Combinando trascrittomica, proteomica e modellizzazione computazionale, Anima scopre opportunità terapeutiche che la genomica convenzionale non può rivelare.

Supportata da $60 million in funding e con ricavi inferiori a $10 million, l'azienda si concentra su l'apertura di una biologia first-in-class. La sua piattaforma guidata dall'AI illumina meccanismi di malattia precedentemente inaccessibili, aprendo nuove strade in aree terapeutiche dove gli sforzi di scoperta convenzionali si sono arenati.

13. LifeMine Therapeutics

LifeMine sfrutta l'IA per analizzare genomi fungini alla ricerca di nuovi prodotti naturali, espandendo lo spazio chimico oltre quanto possono offrire le librerie sintetiche. La sua piattaforma prevede la bioattività, ottimizza la prioritizzazione dei composti e accelera la scoperta di hit.

Con $75 million in funding e ricavi limitati, LifeMine dà priorità alla novità biologica rispetto ai ritorni commerciali immediati. Il suo lavoro evidenzia la capacità dell'IA di rivitalizzare la scoperta di prodotti naturali, scoprendo composti con meccanismi d'azione unici che altrimenti potrebbero rimanere nascosti nei genomi microbici.

14. Orbit Discovery

Orbit Discovery combina librerie peptidiche combinatorie con screening guidati dall'IA per progettare peptidi terapeutici con elevata specificità e stabilità. Il suo focus è su modalità in cui i peptidi superano le piccole molecole in efficacia, sicurezza o specificità del bersaglio.

Generando under $10 million in revenue, Orbit si concentra su aree specializzate quali oncologia e modulazione immunitaria. La sua strategia mette in luce l'ascesa dell'IA modulare, applicando strumenti computazionali specificamente per affrontare le sfide distincte delle terapie a base di peptidi.

15. Gero

Gero applica l'IA a ampie serie di dati umani per modellare la biologia dell'invecchiamento e delle malattie correlate all'età. Piuttosto che mirare a una singola indicazione, la piattaforma analizza i modelli sistemici di declino cellulare e molecolare per identificare interventi che possano influenzare la longevità.

Supportata da $150 million in funding e con ricavi non divulgati, Gero è dedicata a sviluppare una piattaforma IA a lungo termine per terapie della longevità. Il suo approccio enfatizza sfruttare dati biologici su scala di popolazione per promuovere la medicina preventiva e sbloccare intuizioni sulla biologia dell'invecchiamento.

16. Ignota Labs

Ignota Labs sfrutta l'IA per analizzare candidati farmaci falliti, identificarne le ragioni del fallimento e proporre modifiche per superare ostacoli di efficacia o sicurezza. Questo modello di “salvataggio del farmaco” mitiga i costi sommersi e migliora l’efficienza della R&S.

Con ricavi inferiori a $10 million, Ignota dimostra la potenza dell’AI nel recuperare valore perduto. Il suo approccio sottolinea che l’AI può creare un vantaggio strategico senza scoprire molecole completamente nuove, semplicemente recuperando e ottimizzando investimenti precedenti.

17. AION Labs

AION Labs opera come uno venture studio, facendo nascere startup biotecnologiche focalizzate sull’AI supportate da partner farmaceutici e cloud. I ricavi sono basati sul venture, non guidati dal prodotto, riflettendo la sua strategia orientata all’ecosistema.

Incubando più piattaforme di scoperta guidate dall’AI, AION esemplifica uno spostamento verso l’innovazione in rete, dove l’expertise della piattaforma viene riutilizzata attraverso più iniziative, accelerando il time-to-market e diversificando il rischio scientifico.

18. Nanograb

Nanograb utilizza l’AI per ottimizzare i binder molecolari e migliorare le proprietà drug-like. Il suo focus è sull’innovazione algoritmica in fase iniziale piuttosto che sulla commercializzazione immediata.

Supportata da YC e pre-commerciale, Nanograb rappresenta la frontiera della progettazione molecolare guidata dagli algoritmi, evidenziando come l’AI possa esplorare lo spazio chimico più efficacemente rispetto agli approcci sperimentali tradizionali.

19. Profluent

Profluent applica l’AI a progettazione proteica e biologia dei sistemi, consentendo la creazione di proteine con funzionalità nuove o stabilità ottimizzata. Il suo lavoro si concentra sulla costruzione di una piattaforma per terapeutici proteici, piuttosto che sui ricavi a breve termine.

Profluent illustra l’ascesa dell’ingegneria proteica nativa AI, dove gli strumenti computazionali non sono usati come ausilio, ma come metodo primario di innovazione molecolare.

Prospettiva finale

Tra queste 19 startup, una cosa è chiara: L'IA non sta sostituendo la scoperta di farmaci: sta rimodellando il punto in cui convergono intelligenza, rischio e capitale. Integrando approfondimenti predittivi, analisi dei dati scalabile e mitigazione del rischio nelle fasi iniziali, queste piattaforme permettono a ricercatori e aziende farmaceutiche di dare priorità ai candidati più promettenti, ridurre l'abbandono e accelerare il processo decisionale. 

I ricavi possono ancora essere in ritardo per molte aziende in fase iniziale, ma la convinzione di investitori e settore rimane solida, guidata da guadagni misurabili in efficienza, riproducibilità e fiducia traslazionale. In un'industria definita dall'incertezza, queste startup non offrono certezza: offrono decisioni migliori prima. 

Amplificando l'expertise umana con la potenza computazionale, l'IA rende possibile la scoperta di farmaci con maggiore conoscenza, velocità e precisione strategica, trasformando dati biologici e clinici complessi in intelligenza azionabile e creando un percorso più intelligente e resiliente dalla molecola alla medicina.



Domande frequenti

1. Quali sono le principali startup di AI nella scoperta di farmaci?

Le principali startup di discovery guidate dall'IA includono Recursion Pharmaceuticals, Insilico Medicine, Schrödinger, Exscientia, Isomorphic Labs, Owkin, Atomwise, Valo Health, XtalPi e Healx. Queste aziende utilizzano machine learning, AI generativa e deep learning per accelerare la scoperta di target, la progettazione di molecole e la predizione clinica.

2. Quanto fatturano le startup di AI per la scoperta di farmaci?

I ricavi variano ampiamente. Aziende come Recursion Pharmaceuticals generano circa $200 milioni all'anno, mentre Schrödinger guadagna approssimativamente $180–190 milioni, per lo più da abbonamenti software. Molte startup in fase iniziale, come Gero, Nanograb e Profluent Bio, sono pre-commerciali o hanno ricavi inferiori a $10 milioni, riflettendo un focus sullo sviluppo della piattaforma più che sulle vendite a breve termine.

3. Come le startup di AI riducono i tempi della discovery di farmaci?

Le startup di IA utilizzano machine learning e modelli generativi per predire le proprietà molecolari, ottimizzare i composti candidati e identificare i target validi più rapidamente rispetto ai metodi tradizionali. I dati del settore suggeriscono che l'IA può ridurre i tempi di identificazione dei lead fino al 60%, abbassare i costi di R&S del 25–50%, e migliorare la precisione predittiva per efficacia e tossicità.

4. I farmaci progettati con l'IA sono già in sperimentazioni cliniche?

Sì. Aziende come Insilico Medicine e Exscientia hanno portato avanti molecole progettate con l'AI in sperimentazioni cliniche di Fase II. Questo dimostra che le piattaforme di AI stanno passando da modelli teorici a terapie clinicamente utilizzabili.

5. Perché le startup di discovery di farmaci con AI hanno valutazioni elevate nonostante i ricavi ridotti?

Le valutazioni elevate riflettono il potenziale della piattaforma e l'opzionalità dei sistemi di AI, non i ricavi immediati. Gli investitori valutano le aziende in fase iniziale per la loro capacità di ridurre il rischio di fallimento, accelerare i tempi e supportare più programmi farmacologici contemporaneamente. Startup come Isomorphic Labs hanno valutazioni di $5–6 billion senza ricavi dichiarati perché controllano approfondimenti biologici fondamentali guidati dall'AI.