Roma, 5 dicembre 2025 – Al Laboratorio europeo di biologia molecolare (Embl) di Monterotondo, alle porte di Roma, un gruppo di scienziati guidato da Fabio Petroni sta lavorando a un progetto destinato a rivoluzionare il modo di fare ricerca scientifica. L’obiettivo è ambizioso: unire per la prima volta, grazie all’Intelligenza Artificiale, dati provenienti da fonti diverse, dalla letteratura scientifica alle immagini al microscopio, fino ai risultati degli esperimenti in laboratorio. Un tentativo per superare un problema che tutti conoscono bene: la difficoltà di districarsi tra migliaia di documenti e dati spesso molto diversi tra loro.
L’esperienza internazionale che guida il progetto
Petroni, 39 anni, nato proprio a Monterotondo, è tornato in Italia dopo quasi dieci anni all’estero. Ha lavorato soprattutto nel gruppo di ricerca sull’IA di Meta, dove ha dato il suo contributo allo sviluppo dei modelli chiamati Rag (Retrieval-Augmented Generation). “L’IA è già usata da tempo in campo biomedico e ha portato risultati importanti”, ha spiegato Petroni in un’intervista all’ANSA. “Ma in realtà siamo solo all’inizio. C’è ancora tanto potenziale da esplorare, tante possibilità che non abbiamo ancora visto”.
Il suo ritorno coincide con l’avvio di un progetto impegnativo: creare una piattaforma in grado di raccogliere e interpretare dati scientifici molto diversi tra loro, usando le tecniche più avanzate di machine learning. L’idea è liberare tempo prezioso per i ricercatori e accelerare le scoperte.
La sfida dei dati sparsi e diversi
Oggi chi lavora in laboratorio si trova sommerso da una quantità enorme di informazioni. Pubblicazioni scientifiche, immagini al microscopio elettronico, dati sperimentali raccolti ogni giorno: spesso tutto resta separato e difficile da mettere insieme. “I dati sono troppi e troppo diversi fra loro per poter essere gestiti da una sola persona”, dice Petroni. “E anche le macchine faticano a collegare fonti così diverse”.
Da qui nasce la necessità di un nuovo modo di lavorare. I modelli Rag, sviluppati proprio dal gruppo Meta di cui faceva parte Petroni, sono pensati per recuperare informazioni da grandi archivi e combinarle in modo intelligente. L’obiettivo è chiaro: costruire sistemi di Intelligenza Artificiale capaci di mettere insieme conoscenze da fonti diverse e dare risposte precise ai ricercatori.
AlphaFold, il modello che ha cambiato le regole
Un esempio concreto di quanto l’IA può fare per la scienza arriva da AlphaFold, la piattaforma di DeepMind che ha rivoluzionato lo studio delle proteine. Grazie a questa tecnologia, gli scienziati hanno potuto prevedere la struttura tridimensionale delle proteine con una precisione mai vista prima. Il risultato è stato un’accelerazione nella ricerca che ha portato anche al Nobel per la Chimica agli ideatori del progetto.
Ma per Petroni questa è solo la prima tappa. “L’Intelligenza Artificiale può fare ancora di più”, spiega. “Possiamo sviluppare sistemi più generali, che lavorino a fianco degli scienziati in modo più ampio e collaborativo”.
Il futuro della ricerca è nell’IA che aiuta gli scienziati
Il progetto Embl punta proprio a questo: costruire strumenti che permettano agli esseri umani di concentrarsi sulle domande più importanti, senza perdere ore a cercare tra centinaia di articoli o database. “Vogliamo creare un’IA che sappia raccogliere automaticamente le informazioni da varie fonti e accelerare la ricerca”, dice Petroni. “Che liberi il tempo dei ricercatori”.
Il lavoro è ancora in corso, ma nel laboratorio di Monterotondo si respira un’aria di attesa. Tra provette e schermi accesi fino a tardi, il team di Petroni cerca di scrivere una nuova pagina nella storia della biologia molecolare. Un passo avanti che potrebbe cambiare per sempre il modo in cui la scienza affronta le sfide del futuro.