Quantum computing in sanità, applicazioni reali e prospettive

Il quantum computing in sanità è il caso d'uso più citato dell'intero settore, e per buone ragioni, dato che la chimica dei farmaci è quantistica per natura, i dati clinici sono oceani da analizzare e la logistica sanitaria trabocca di problemi di ottimizzazione. Proprio per questo, però, è anche il territorio dove le promesse superano più spesso i fatti. Questa guida distingue con cura cosa la simulazione molecolare può fare oggi e cosa domani, dove genomica e ottimizzazione hanno basi solide, e perché la protezione dei dati sanitari, unica tra tutte, non può aspettare, chiudendo con il percorso concreto per un ente sanitario o un'azienda farmaceutica che voglia iniziare senza farsi guidare dall'hype. Perché il quantum computing in sanità produca valore, la sequenza delle mosse conta più dell'entusiasmo con cui le si annuncia.

Quali sono i filoni applicativi in sanità?

I filoni applicativi sono quattro, con livelli di maturità molto diversi tra loro.

• Simulazione molecolare per la scoperta di farmaci, il filone con la giustificazione scientifica più solida, erede diretto della simulazione quantistica.
• Analisi di dati genomici e clinici, dove il quantum machine learning è oggetto di ricerca ancora esplorativa.
• Ottimizzazione operativa. Turni, sale operatorie, logistica del farmaco, disegno dei trial clinici.
• Sicurezza dei dati sanitari, che non è un'applicazione futura ma un obbligo presente, legato alla crittografia post-quantistica.

Chi valuta investimenti in questo campo dovrebbe sempre chiedersi a quale dei quattro filoni appartiene la proposta, perché i tempi di ritorno sono radicalmente diversi. Il quantum computing tocca la sanità su orizzonti che vanno dall'oggi della crittografia al futuro della chimica.

Come aiuta la scoperta di farmaci?

Il principio è diretto, perché l'efficacia di un farmaco dipende da interazioni elettroniche tra molecole, fenomeni quantistici che i metodi classici approssimano con fatica crescente al crescere della correlazione. Un computer quantistico rappresenta nativamente questi sistemi, promettendo calcoli di affinità di legame ed energie di reazione oggi inaccessibili. Il flusso di lavoro, dall'hamiltoniana molecolare al circuito variazionale, è quello descritto nella pagina sulla simulazione, e l'applicazione farmaceutica ne è il caso d'uso di punta. Sul piano industriale, le grandi case farmaceutiche hanno programmi attivi da anni, tipicamente in partnership con fornitori quantum, un segnale di serietà della traiettoria, non ancora di maturità del risultato.

Quanto è vicina la scoperta quantistica di un farmaco?

La risposta più corretta è che si sta avvicinando ma non nell'immediato, ed è importante dirlo. Le molecole trattabili oggi con accuratezza chimica su hardware o in emulazione contano ancora solo decine di orbitali, mentre i sistemi farmacologicamente interessanti ne richiedono centinaia o migliaia, con la correzione degli errori come prerequisito per i calcoli esatti. Nessun farmaco in commercio oggi è stato sviluppato attraverso un vantaggio quantistico. Il valore attuale è un altro, ed è comunque concreto, perché consiste nel validare metodi e pipeline su sistemi ridotti, integrare le competenze quantistiche nei team computazionali esistenti e costruire il confronto sistematico con DFT e metodi classici, così che quando la tecnologia sarà pronta, e la traiettoria ha già dimostrato che è in arrivo, l'organizzazione sarà già avvantaggiata.

Cosa può fare per genomica e diagnostica?

Qui il realismo deve essere massimo, perché è il filone più esposto alle promesse gonfiate. I dati genomici e di imaging sono dati classici massivi, ed ereditano perciò tutti i limiti discussi nella pagina sul quantum machine learning, dal problema del caricamento dei dati ai barren plateaus, fino alla lezione della dequantizzazione. Le direzioni sensate sono poche ma in forte aumento, come i dati di origine quantistica da sensoristica avanzata, le componenti kernel dentro pipeline ibride e la ricerca metodologica. Un ente sanitario fa bene ad iniziare lo studio sul campo, mentre fa male a prometterlo come soluzione già pronta.

Dove agisce l'ottimizzazione in ambito clinico?

L'ottimizzazione agisce sul terreno più quotidiano e sottovalutato, perché la sanità è una fabbrica di problemi combinatori. Si pensi alla turnazione del personale con vincoli normativi e di competenza, allo scheduling delle sale operatorie, all'instradamento della logistica del farmaco e delle provette, all'assegnazione dei letti, al disegno di trial clinici che massimizzino l'informazione per paziente arruolato. Sono problemi in cui gli algoritmi variazionali si prototipano oggi in emulazione, con la stessa avvertenza metodologica di sempre, dato che i solver classici su questi problemi sono forti e il confronto va fatto contro di loro. Il beneficio immediato, riportato da chi sperimenta, è spesso indiretto, perché formulare il problema per il quantistico costringe a formalizzarlo bene, e già questo migliora le soluzioni classiche. Per un direttore operativo, l'ottimizzazione è il terreno dove il quantum computing si tocca con mano su problemi quotidiani, ed è spesso il proof of concept più naturale da cui partire.

Perché i dati sanitari sono i più esposti alla minaccia quantistica?

I dati sanitari combinano le due caratteristiche peggiori possibili, una vita utile lunghissima e una sensibilità massima. Una cartella clinica, un profilo genetico, una storia psichiatrica restano riservati per la vita del paziente e oltre, mentre i dati intercettati e archiviati oggi, secondo la logica harvest now, decrypt later, saranno decifrabili quando l'hardware maturerà, dentro l'orizzonte di riservatezza. Il genoma aggiunge un aggravante unico, perché è immutabile e riguarda anche i familiari. Per questo la sanità compare in cima a ogni lista regolatoria di priorità per la migrazione post-quantistica, in Europa nel quadro NIS2 per gli operatori essenziali. Tra tutti i temi di questa pagina, è l'unico con una scadenza già oggi sul calendario dei direttori generali.

Cosa dovrebbe fare oggi un ente sanitario?

Un ente sanitario dovrebbe fare due cose in parallelo, con pesi diversi. La prima, con urgenza, è l'inventario crittografico e il piano di migrazione post-quantistica, partendo dai sistemi che custodiscono dati a vita lunga, come cartelle cliniche elettroniche, archivi genomici e telemedicina. Si tratta di lavoro di sicurezza informatica ordinaria, con standard già pubblicati e fornitori da coinvolgere, che non richiede alcuna competenza di quantum computing per essere avviato. La seconda, con metodo, è un presidio conoscitivo sui filoni computazionali, con formazione essenziale e, dove esiste un problema concreto di ottimizzazione o simulazione, un proof of concept in emulazione con baseline di confronto. Il primo filone protegge, mentre il secondo prepara, e confonderli, o finanziare il secondo ignorando il primo, è l'errore di governance più comune del settore quando si parla di quantum computing applicato alla sanità.

Cosa dovrebbe fare un'azienda farmaceutica?

Un'azienda farmaceutica dovrebbe costruire il ponte tra la chimica computazionale che già possiede e le competenze quantistiche che ancora le mancano, perché è su quel ponte che si giocherà il vantaggio competitivo dei prossimi anni.

Il primo passo consiste nell'identificare nel proprio portafoglio i sistemi molecolari dove i metodi classici mostrano limiti documentati, tipicamente quelli a correlazione elettronica forte, che sono anche i candidati naturali per un futuro vantaggio quantistico.

Il secondo passo è validare pipeline quantistiche su versioni ridotte di quei sistemi, lavorando in emulazione e tenendo sempre la baseline DFT a fianco, così che ogni risultato sia misurato contro il miglior metodo classico disponibile e non contro il vuoto.

Il terzo passo, forse il più strategico, è formare i propri chimici computazionali sugli strumenti quantistici, perché quel profilo ibrido, che unisce la conoscenza del dominio farmaceutico alla padronanza dei nuovi metodi, è oggi il più raro e prezioso sul mercato del lavoro del quantum computing, e coltivarlo internamente costa molto meno che comprarlo domani. In questa direzione l'investimento resta contenuto e il ritorno è doppio, perché l'azienda si ritroverà con un metodo già rodato e applicabile alla ricerca farmaceutica.

Che ruolo ha l'emulazione nel percorso sanitario?

L'emulazione gioca il ruolo dell'ambiente protetto in cui tutto il lavoro preparatorio avviene senza rischi e senza costi di accesso all'hardware. Sulla piattaforma EQM utilizzata da HumanQ si potranno validare i circuiti di simulazione molecolare confrontandoli con le soluzioni rilevate, si prototiperanno le formulazioni di ottimizzazione clinica misurando come scalano.

Quali sono i tempi realistici, in sintesi?

Ecco una tabella di marcia per il settore sanitario.

• Subito. Protezione post-quantistica dei dati, perché il rischio è già attivo e la scadenza regolatoria è fissata.
• Uno-due anni. Proof of concept in emulazione su ottimizzazione clinica e simulazione di molecole ridotte, con formazione dei team.
• Tre-cinque anni. Primi vantaggi attesi in simulazione molecolare su sistemi di interesse reale, condizionati ai progressi della correzione d'errore.
• Oltre. Genomica e diagnostica quantistiche

Il quantum computing in sanità è, in sintesi, una corsa con un solo sprint obbligatorio subito, e chi corre lo sprint e imposta il percorso con metodo arriverà prima e nell'ordine giusto.