Per anni abbiamo sequenziato il genoma sempre più velocemente e a costi sempre più bassi. Ma conoscere le lettere del DNA non significa necessariamente comprenderne il significato.
Google DeepMind, AlphaGenome Atlas, presentato l’8 settembre: un database da circa un petabyte contenente le previsioni dell’effetto molecolare di oltre 9 miliardi di possibili varianti di una singola lettera del genoma umano.
È un salto concettuale.
Non chiediamo più soltanto all’intelligenza artificiale di riconoscere un tumore in una TAC o di prevedere la struttura di una proteina. Le chiediamo di aiutarci a capire che cosa potrebbe succedere quando cambia una lettera del codice della vita.
Il vero problema era il 98% del genoma
Circa il 2% del DNA codifica direttamente per proteine. Il restante 98% comprende una vasta componente regolatoria che contribuisce a determinare quando, dove e quanto i geni vengono espressi. Ed è proprio l’interpretazione delle varianti non codificanti uno dei problemi più difficili della genomica contemporanea.
AlphaGenome prova a ridurre questa zona d’ombra.
Per ogni variante può prevedere possibili conseguenze su espressione genica, splicing dell’RNA, accessibilità della cromatina e altri processi biologici. Un nuovo AlphaGenome Variant Impact score permette inoltre di ordinare le varianti in base al loro probabile impatto.
Il risultato potrebbe essere particolarmente importante nelle malattie rare, dove ancora oggi una parte dei pazienti attraversa anni di esami senza arrivare a una diagnosi molecolare definitiva.
Un primo esempio riguarda una variante del gene DNM1, associato a encefalopatia epilettica: il sistema ha contribuito a individuare una variante precedentemente trascurata e a prevederne l’alterazione dello splicing, successivamente verificata sperimentalmente.
Ma la prospettiva va oltre le malattie rare.
Applicando l’Atlas ai dati genomici di oltre 54.000 partecipanti alla UK Biobank, ricercatori dell’Università di Exeter hanno aumentato del 22% l’identificazione di associazioni genetiche non codificanti in una delle analisi effettuate e hanno individuato regioni genomiche potenzialmente rilevanti per caratteristiche complesse come il BMI.
La medicina potrebbe cambiare prima degli ospedali
Qui comincia il problema per i sistemi sanitari.
Se strumenti di questo tipo manterranno le promesse, la genomica potrebbe progressivamente spostarsi da attività ultraspecialistica verso una componente ordinaria della medicina di precisione.
Oncologi, neurologi, cardiologi, pediatri e internisti avranno davanti non soltanto esami e immagini, ma quantità enormi di informazioni molecolari interpretate dall’IA.
Chi governerà questa conoscenza?
Non basta acquistare sequenziatori o algoritmi. Servono infrastrutture nazionali dei dati, interoperabilità, biobanche, competenze bioinformatiche, Molecular Tumor Board e Genomic Board, regole sulla validazione degli algoritmi e soprattutto capacità di trasformare una previsione computazionale in una decisione clinica verificabile. Per il SSN questa dovrebbe essere una lezione.
Continuiamo spesso a discutere di innovazione come se significasse semplicemente introdurre una nuova apparecchiatura dentro organizzazioni costruite decenni fa. Ma l’IA applicata alla genomica dimostra esattamente il contrario: è l’organizzazione della medicina che deve cambiare insieme alla tecnologia.
AlphaGenome Atlas non è un dispositivo diagnostico e DeepMind specifica esplicitamente che non è stato validato né approvato per uso clinico. Una previsione algoritmica non equivale a una diagnosi e deve essere sottoposta a verifica biologica e clinica.
Ed è forse questo l’aspetto più importante.
Dopo AlphaFold abbiamo imparato che l’IA può accelerare enormemente la comprensione delle proteine. Ora iniziamo a vedere macchine capaci di costruire mappe funzionali dell’intero genoma.
La domanda non è se domani l’intelligenza artificiale curerà tutte le malattie. Non lo farà. La domanda è se i sistemi sanitari saranno pronti quando milioni di informazioni oggi incomprensibili diventeranno clinicamente utilizzabili.
Per l’Italia prepararsi adesso significa costruire la governance della medicina genomica prima che la tecnologia arrivi negli ambulatori.
Fonti:
Google DeepMind, AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome, 8 settembre 2026. Google DeepMind, AlphaGenome – Using AI to understand the human genome. Google DeepMind, AlphaGenome: AI for better understanding the genome, ricerca pubblicata su Nature, gennaio 2026. UK Biobank, risorse e studi sulla genetica dei caratteri complessi.