Roma, 12 dicembre 2025 – Mettere insieme dati scientifici che arrivano da fonti diverse – dalla letteratura accademica alle immagini al microscopio fino ai risultati sperimentali – è la sfida che il Laboratorio europeo di biologia molecolare Embl di Monterotondo, alle porte di Roma, ha deciso di raccogliere. A guidare il progetto c’è il ricercatore italiano Fabio Petroni, tornato in Italia dopo dieci anni passati tra centri di ricerca internazionali e il gruppo IA di Meta. L’obiettivo? Creare un nuovo modo di usare l’Intelligenza Artificiale (IA) per dare una spinta alla ricerca biomedica, rendendo più semplice e veloce l’analisi di enormi quantità di dati.
L’IA che cambia il volto della ricerca biomedica
“L’IA è già usata da anni nella biomedicina e ha cambiato il modo di lavorare dei ricercatori”, spiega Petroni, originario proprio di Monterotondo. Ma secondo lui il potenziale è ancora tutto da scoprire. “Ci sono tante possibilità che non abbiamo ancora esplorato”, confida, sottolineando come la vera svolta arriverà da sistemi in grado di collaborare più strettamente e con più flessibilità con gli scienziati.
Un esempio concreto? AlphaFold, la piattaforma che negli ultimi anni ha imparato a prevedere la struttura delle proteine partendo dalla loro sequenza genetica. Un risultato che ha aperto nuove strade nello studio delle malattie e che ha portato il Premio Nobel per la Chimica ai suoi creatori. Ma, dice Petroni, l’innovazione non si ferma qui: “Possiamo fare un altro salto importante”, aggiunge, “sviluppando IA più generali, capaci di mettere insieme e capire dati di vario tipo”.
Il nodo dei dati sparsi e la sfida dell’analisi
Il problema oggi non è la mancanza di dati, ma il fatto che sono sparsi e diversi tra loro. I ricercatori hanno montagne di dati scientifici, ma spesso sono troppo diversi tra loro per poterli confrontare e collegare in modo efficace. “La complessità cresce ogni giorno”, ammette Petroni. “Serve qualcosa di nuovo, che sappia mettere in relazione articoli, immagini e risultati sperimentali”.
La risposta del team Embl arriva dai modelli chiamati Rag (Retrieval-Augmented Generation), nati proprio nel gruppo IA di Meta dove Petroni ha lavorato. Questi modelli non si limitano a generare risposte, ma vanno a pescare informazioni da grandi archivi di dati, mettendo insieme in tempo reale fonti diverse.
Una IA che libera tempo prezioso
Il sogno del laboratorio di Monterotondo è semplice e ambizioso: costruire una IA che “liberi tempo” ai ricercatori. “Oggi chi fa ricerca spesso perde ore a cercare tra centinaia di articoli uno studio che usa un certo metodo”, spiega Petroni. “Noi vogliamo creare sistemi che facciano questo lavoro da soli, raccogliendo dati da varie fonti e accelerando così la ricerca”.
Secondo le prime stime del team, una buona piattaforma IA potrebbe tagliare i tempi per rivedere la letteratura scientifica fino al 70%. Se fosse vero, sarebbe un cambiamento enorme per chi lavora in biologia molecolare e medicina.
Il ritorno in Italia e le sfide future
Dopo anni tra Londra e Menlo Park, dove ha lavorato con alcuni dei maggiori esperti mondiali di Intelligenza Artificiale, Fabio Petroni ha scelto di tornare a Monterotondo per guidare questo progetto europeo. “Qui c’è un ambiente stimolante e una comunità scientifica viva”, racconta. Il laboratorio Embl, attivo dal 1999, è oggi uno dei punti di riferimento italiani per le neuroscienze e la genetica.
Le prospettive? “Siamo solo all’inizio”, dice Petroni. “Ma siamo convinti che un’IA capace di mettere insieme dati diversi possa davvero cambiare il modo di fare ricerca biomedica nei prossimi anni”. Un traguardo importante, che passa anche dalla collaborazione con altri centri europei e dal coinvolgimento diretto dei giovani ricercatori italiani.
In attesa dei primi risultati concreti, previsti già nel 2026, il laboratorio Embl resta uno dei posti dove l’Intelligenza Artificiale incontra la scienza “di frontiera”, tra microscopi e algoritmi. Un luogo dove il futuro della ricerca sembra dipendere sempre di più dalla capacità di leggere e unire dati che fino a ieri erano rimasti chiusi nei cassetti digitali dei laboratori.