Argomenti trattati
Negli ultimi anni la ricerca biomedica ha spinto verso modelli sempre più vicini alla biologia umana: tra questi i organ-on-chip si affermano come strumenti fondamentali per studiare patologie e testare terapie su strutture cellulari realistiche. Realizzare questi dispositivi richiede competenze multidisciplinari, processi di biostampa 3D e protocolli molto ripetitivi che aumentano il rischio di variabilità. Per rispondere a queste esigenze nasce Artù, un robot collaborativo mobile pensato per automatizzare l’intero flusso di produzione, dall’assemblaggio dei biomateriali all’integrazione delle cellule del paziente.
L’obiettivo non è solo velocizzare: si tratta di standardizzare e rendere ripetibile ciò che oggi viene ancora spesso eseguito in modo artigianale. Affidando operazioni sequenziali e sensibili a un sistema automatizzato si riducono gli errori umani e si ottengono protocolli confrontabili tra diversi laboratori. Allo stesso tempo, l’integrazione con applicazioni di Intelligenza Artificiale permette di ottimizzare parametri di stampa e protocolli biologici, favorendo la produzione di avatar terapeutici — modelli biologici individualizzati su cui sperimentare farmaci e valutare la tossicità.
Automazione della produzione e vantaggi pratici
Il valore di un sistema come Artù risiede nella capacità di interfacciarsi direttamente con le apparecchiature di laboratorio, eseguire sequenze sperimentali complesse e gestire più esperimenti in parallelo. Questo approccio riduce i tempi di sviluppo e aumenta la produttività: è possibile testare molteplici combinazioni di biomateriali e condizioni patologiche in tempi molto più brevi rispetto alla conduzione manuale. La standardizzazione consente inoltre una migliore tracciabilità dei risultati e una minore variabilità legata all’operatore, elementi fondamentali quando lo scopo è la traslazione verso la pratica clinica.
Riduzione degli errori e riproducibilità
Affidare compiti ripetitivi a robot collaborativi significa diminuire gli errori di dosaggio, contaminazione e temporizzazione che possono compromettere interi esperimenti. L’automazione permette di applicare protocolli con precisione millimetrica e temporale, garantendo che ogni unità prodotta rispecchi i parametri desiderati. In questo modo si ottiene una produzione di modelli tissutali più omogenea e confrontabile, requisito essenziale per validare risultati preclinici e per il confronto tra centri di ricerca diversi.
Machine learning e creazione di modelli complessi
L’integrazione di algoritmi di machine learning con le piattaforme di produzione consente di esplorare in modo sistematico protocolli sintetici e strategie di stampa per ricreare caratteristiche come mechano-sensing e molecular-sensing tipiche dei diversi tessuti. Per esempio, in patologie complesse come il glioblastoma, l’algoritmo può identificare combinazioni di parametri che riproducono meglio l’ambiente tumorale, suggerendo quindi le impostazioni da affidare al robot per la realizzazione fisica dei modelli.
Avatar terapeutici e ricerca animal free
Con la possibilità di stampare modelli personalizzati contenenti cellule del paziente si aprono scenari in cui i test farmacologici possono essere condotti su veri e propri avatar terapeutici. Questo approccio aumenta le probabilità di prevedere efficacia e tossicità per il singolo individuo e supporta la transizione verso pratiche di sperimentazione animal free. Automatizzare la produzione di questi modelli significa inoltre scalare processi che oggi sarebbero troppo onerosi se realizzati manualmente, favorendo l’adozione su scala più ampia.
Impatto sul lavoro del ricercatore e sul sistema della ricerca
L’arrivo di piattaforme automatizzate non sostituisce la figura del ricercatore, ma la ridefinisce: mentre Artù gestisce operazioni ripetitive e complesse, gli scienziati possono concentrare le energie su progettazione sperimentale, interpretazione dei dati e sviluppo di ipotesi. In un’epoca dominata da grandi quantità di informazioni, la capacità critica e la creatività umana restano insostituibili. La tecnologia agisce come amplificatore delle capacità scientifiche, permettendo di esplorare più piste in minor tempo e con maggior rigore.
Il contesto collaborativo e il sostegno istituzionale
Il progetto che ha portato a Artù nasce dall’attività del Dipartimento di Medicina e Chirurgia dell’Università degli Studi di Milano-Bicocca in collaborazione con il JOiiNT LAB coordinato da Manuel G. Catalano, con il contributo di Francesca Negrello e il supporto dell’Istituto Italiano di Tecnologia. L’iniziativa è parte delle attività promosse da Fondazione ANTHEM, un programma finanziato con 120 milioni di euro dal Ministero dell’Università e della Ricerca nell’ambito del Piano Nazionale Complementare al PNRR che mira a integrare medicina, ingegneria e informatica per accelerare l’innovazione in salute.
In sintesi, l’unione tra robotica, biostampa 3D e Intelligenza Artificiale proposta da Artù rappresenta un passo concreto verso una ricerca più rapida, riproducibile e centrata sul paziente: un modello che può facilitare la transizione dall’idea alla clinica e sostenere un cambiamento di paradigma nella validazione scientifica.