Per anni il quantum è stato raccontato come la prossima grande promessa del computing. Tutto vero, ma nel life sciences il punto è un altro. Qui non interessa soltanto avere macchine più veloci. Interessa capire se questa tecnologia può aiutare a risolvere problemi che oggi restano troppo complessi, troppo lenti o troppo costosi da affrontare con gli strumenti tradizionali.
È da qui che parte la discussione raccolta da TechCrunch attraverso il CIO Influencers Network. Le applicazioni citate più spesso sono tre: drug discovery, diagnostica e precision medicine. Non perché siano le uniche, ma perché sono quelle in cui il quantum potrebbe smettere prima di essere una promessa teorica e iniziare a incidere su tempi, costi e qualità della ricerca.
Cos’è il quantum
Il quantum è l’insieme di tecnologie basate sulla meccanica quantistica. Il suo potenziale non sta solo nella velocità di calcolo, ma nella capacità di risolvere problemi troppo complessi per i computer tradizionali, come simulazioni molecolari, diagnostica avanzata e ottimizzazione di grandi quantità di dati.
Il caso più concreto resta il drug discovery
Nel pharma il collo di bottiglia è noto da tempo. Simulare bene il comportamento di una molecola è difficile. Non basta sapere com’è fatta. Bisogna capire come si comporta in un ambiente biologico reale, come interagisce con acqua, proteine, enzimi e tessuti. È qui che i sistemi classici iniziano a mostrare i loro limiti.
Martin De Saulles, principal analyst di Information Matters, cita l’uso del quantum parallelism per costruire “molecular digital twins”. La promessa non è elegante, è pratica: scartare prima ciò che non funziona. Nella ricerca sui farmaci, capire prima che una molecola non reggerà può valere anni di lavoro risparmiato.
Javier Campos, group CTO di Peach, la mette in termini ancora più diretti. Con i computer tradizionali la complessità cresce troppo in fretta quando aumentano le particelle da modellare. È uno dei motivi per cui il settore ha continuato a basarsi così tanto su screening massivi, test successivi e analogie con strutture già conosciute. Funziona, ma è lento e costoso.
Il quantum promette una strada diversa. Se davvero riuscirà a simulare con più precisione protein-ligand interactions, folding pathways ed enzyme catalysis, il processo di selezione dei candidati potrebbe cambiare parecchio. Non sarebbe poco. Il drug discovery resta una macchina che consuma tempo, capitale e tentativi falliti. Tutto ciò che consente di tagliare una parte di quel trial and error interessa subito il mercato.
Nella diagnostica il punto sono i sensori
C’è poi un’area meno raccontata ma forse più facile da visualizzare: i sensori quantistici. Daniel Jacobs, founder e CEO di Starkhorn, cita la quantum magnetocardiography basata su optically pumped magnetometers. L’idea è misurare con più precisione i debolissimi campi magnetici prodotti dal cuore, così da cogliere segnali che un ECG tradizionale può leggere in modo meno netto.
Qui la distanza tra laboratorio e impatto reale si accorcia in fretta. Se migliori la capacità diagnostica in ambito cardiovascolare, non stai toccando una nicchia. Stai entrando in uno dei grandi fronti della sanità globale.
Tom Allen, founder di The AI Journal, sposta il discorso anche sull’imaging. Secondo Allen, i quantum sensors possono rilevare segnali corporei troppo deboli per molti strumenti di oggi. Questo aprirebbe a diagnosi più precoci, scansioni meno invasive e monitoraggi più continui. C’è anche un altro aspetto interessante: nel tempo la miniaturizzazione dei dispositivi. Scanner più compatti, magari vicino al letto del paziente, e più avanti wearable con capacità molto superiori a quelle attuali.
È presto per trasformare tutto questo in certezza. Però il punto resta forte: il quantum non va letto solo come potenza di calcolo. Va letto anche come una tecnologia che può cambiare il modo in cui i segnali biologici vengono rilevati.
Cure più personalizzate, meno medicina standard
Il terzo fronte è quello della precision medicine. Qui il problema è quasi sempre lo stesso: troppe variabili. Dati clinici, dati genetici, risposta ai trattamenti, profilo del paziente. Quando le combinazioni esplodono, il computing tradizionale inizia a perdere terreno.
Peter Nichol, data and analytics leader per il Nord America di Nestlé Health Science, osserva che il quantum non servirà a velocizzare le attività ordinarie. Il suo spazio è altrove, nei problemi ad altissima complessità. Per esempio nell’ottimizzazione delle dosi o nella costruzione di percorsi terapeutici più mirati.
La genomica è l’altro terreno citato spesso. Oreoluwa Adesanya, engineer e cybersecurity specialist, sottolinea che una capacità più rapida di analizzare grandi dataset genetici potrebbe aiutare sia nella diagnosi precoce sia nella definizione di trattamenti più adatti al singolo paziente.
Qui il passaggio interessante è uno solo: spostare la sanità da un modello che reagisce tardi a uno che prova ad anticipare. Non è una promessa nuova. Nuovo, semmai, è lo strumento che potrebbe rendere più gestibile questa mole di complessità.
Perché il Regno Unito spinge così tanto
Nelle valutazioni degli esperti torna spesso il Regno Unito. Non è casuale. Il Paese ha investito molto sul quantum e sta cercando di trasformare questo vantaggio in applicazioni industriali. In questo quadro rientra anche il National Quantum Computing Centre, sostenuto da UK Research and Innovation, che lavora con imprese, governo e università.
Tra i nomi citati c’è Oxford Ionics, spinout dell’Università di Oxford poi entrata nell’orbita di IonQ. Per chi segue il mondo startup è un segnale interessante. Vuol dire che il quantum nelle life sciences non resta confinato ai grandi laboratori o alle sole big tech. Sta anche diventando terreno per la nascita di società deeptech che provano a trasformare ricerca avanzata in tecnologia utilizzabile.
Non è ancora una rivoluzione compiuta
Conviene dirlo senza enfasi. Il quantum nelle life sciences non è già arrivato a destinazione. È un settore giovane, ancora in una fase in cui molte promesse devono passare la prova dell’esecuzione. Però non è più solo un argomento da conferenza.
Il fatto che i primi casi d’uso ricorrenti siano sempre gli stessi dice qualcosa. Drug discovery, diagnostica e genomica sono i punti in cui il mercato sta cercando di capire se il vantaggio tecnico può diventare vantaggio industriale. Per startup biotech e healthtech è già abbastanza per prestare attenzione. Chi troverà un’applicazione concreta, con un problema chiaro e una filiera disposta a pagare, potrebbe arrivare molto prima degli altri.
