Il Covid-19 pone l’accento sulle modalità di indagine utilizzate per lo sviluppo di adeguate contromisure: vaccini o terapie farmacologiche.
Il progetto LASSIE, sviluppato nell’ambito del Bando Straordinario Emergenza Covid-19 di ARTES 4.0, consentirà lo sviluppo di una piattaforma fluidica, modulare e controllabile da remoto per la realizzazione di modelli in-vitro altamente predittivi della realtà, rappresentando quindi uno strumento utile ed efficace per il test preclinico di candidati vaccini o farmaci in contesti patologici.
Lo schema rappresenta il concetto della piattaforma Arcadia. Si tratta di un sistema modulare costituito da un’unità di controllo o Master che comanda più unità satelliti o Slave.
Questi ultimi consentono la pulsazione di un liquido carico di nutrienti in un circuito fluidico ove tessuti biologici sono coltivati in 3D, così da simulare la perfusione sanguigna in circolazione corporea.
L’utente potrà comunicare e controllare il master da remoto, ottimizzando così il proprio tempo e limitando la propria presenza fisica in laboratorio.
Test In-vitro: come incrementarne la predittività?
Nonostante lo sviluppo tecnologico degli ultimi anni, i dati generati dal test in-vitro di un farmaco o vaccino non sono ancora sufficientemente predittivi di quello che sarà osservato nella realtà umana: il rischio è un consistente rallentamento dello sviluppo ed investimenti senza un effettivo ritorno.
Per questa ragione i test preclinici di un vaccino vedono principalmente l’uso di cavie animali con un sistema immunitario completo e tessuti maturi per la colonizzazione del virus. Tuttavia, il gap con l’uomo è ancora elevato ed i casi di insuccesso di candidati farmaci/vaccini arrivano ad una percentuale del 90%.
I test su animali sono onerosi, sia per il costo delle cavie, sia per le spese di mantenimento dello stabulario. È quindi necessario investire per incrementare la rappresentatività dei modelli in-vitro, ottenendo così dati più correlati con la realtà e consentendo un utilizzo più limitato di cavie.
Per incrementare la predittività è necessario: raffinare i modelli in-vitro, rivoluzionando la tecnologia usata per lo loro implementazione. Ad oggi il problema viene affrontato proponendo camere di coltura capaci di riprodurre da un lato la topologia del tessuto reale, con colture cellulari 3D, e dall’altro gli stimoli tipici dell’ambiente umano, applicando condizioni di coltura dinamiche. Tuttavia, queste soluzioni non consentono un numero elevato di test in parallelo.
La soluzione pratica proposta da IVTech
IVTech srl, azienda nata nel 2014 come spin-off dell’Università di Pisa, oggi biotech indipendente dall’alveo che l’ha vista nascere, commercializza da anni soluzioni innovative per incrementare la predittività dei modelli in-vitro rispetto alla realtà umana.
L'obiettivo è quello di proporre una tecnologia ottimizzata per risolvere il gap fra un modello in-vitro ed una realtà complessa come quella umana. Per questo motivo il team è particolarmente sensibile alla problematica descritta e, nonostante la difficile congiuntura mondiale di mercato e sviluppo del business, ha deciso di investire risorse ed energie nel progetto Lassie, avvalendosi del prezioso aiuto di Adatec Sensing&Automation srl come partner di progetto.
Questa azienda è esperta nella progettazione, sviluppo e commercializzazione di prodotti innovativi nel campo della sensoristica avanzata e nell’automazione industriale. Il team ha esperienza comprovata nel campo della ricerca scientifica e dello sviluppo tecnologico in diversi settori dell’ingegneria.
Un nuovo modello di analisi per agevolare i ricercatori
(A:Overview dell’interfaccia utente offerta dal master. È possibile controllare gli slave connessi ed impostare i parametri di lavoro di ciascuno di essi. B: schermata di set-up di uno slave in modalità programmabile. Grazie a queste impostazioni, lo slave seguirà un ciclo di lavoro impostato dall’utente, ripetendolo all’occorrenza durante tutto l’esperimento. Non sarà necessaria la presenza dell’esperto per la modifica dei parametri di lavoro)
LASSIE propone lo sviluppo di una piattaforma fluidica, modulare e versatile, rispondendo così alle necessità legate alla nascita di nuovi modelli in-vitro, altamente predittivi della realtà umana. La piattaforma, chiamata Arcadia, sarà costituita da: camere di coltura avanzate, pompa multicanale, controllo da remoto. Il punto di partenza dello sviluppo è rappresentato da una pompa peristaltica, LiveFlow, già sviluppata e commercializzata da IVTech.
L’idea che sta alla base di Arcadia è quello di implementare una struttura costituita da un’unità di controllo, o Master, ed una serie di unità satelliti fra loro indipendenti, o Slave. La prima farà da interfaccia tra utente e modelli in-vitro e permetterà il controllo degli Slave.
Questi ultimi rappresentano i veri e propri attuatori, capaci di pulsare un liquido carico di nutrienti all’interno di un circuito fluidico ove saranno coltivati i tessuti biologici in topologia 3D, simulando così l’irrorazione del sangue in circolazione corporea.
Se il limite dell’attuale tecnologia IVTech è l’esiguo numero di replicati che possono essere realizzati con un unico sistema, l’azienda ha verificato la fattibilità di una nuova camera di coltura avanzata, ispirandosi ad una piastra di coltura che permette di realizzare molti replicati in un unico esperimento, grazie al numero rilevante di slot.
Il connubio di questi elementi permetterà agli end-user di sviluppare un modello in-vitro complesso. Per rispondere in particolare all’emergenza Covid-19, il modello potrà prevedere l’integrazione fra sistema immunitario e tessuto target, nel caso patologico analizzato, un epitelio polmonare, su cui agirà il virus da studiare in sicurezza.
Per maggiori informazioni sulle nuove tecnologie applicate al settore della sanità leggi l'articolo: "Robotica e intelligenza artificiale applicata al sistema sanitario."
Quali vantaggi porterà LASSIE nel settore medico?
LASSIE permetterà l’implementazione di un numero rilevante di esperimenti in parallelo, rappresentando così una soluzione efficace anche per le aziende farmaceutiche. Il sistema sarà equipaggiato con un controllo da remoto, riducendo così il livello di interazione fra ricercatore e piattaforma, così da salvaguardarne la salute.
La comunicazione da remoto consentirà in futuro di gestire e monitorare da qualsiasi punto di accesso alla rete internet una grande mole di informazioni sull’andamento dei test, grazie a sensori che verranno integrati nelle successive versioni.
In definitiva, la piattaforma LASSIE permetterà ai ricercatori di realizzare:
- nel breve periodo un modello sistema immunitario-tessuto affetto da Covid-19
- nel breve periodo un metodo per la diagnosi veloce del Covid-19
- nel medio-lungo periodo una terapia e/o un vaccino per il Covid-19
Tali risultati sono trasferibili allo studio di qualsiasi virus o agente patogeno. Citando Emil Abirashid, giornalista scientifico ed advisor focalizzato sulle PMI, nel numero di Aprile 2020 di Startup Business: “...anche se fra qualche mese arriverà un vaccino il mondo sarà comunque diverso e resterà diverso perché nuove minacce di questo tipo si possono verificare in ogni momento e non possiamo permetterci di farci trovare impreparati, dovremo essere pronti a reagire senza esitazione…”.
In queste parole possiamo trovare il goal progettuale di Lassie: offrire uno strumento avanzato ai ricercatori in grado di reagire senza esitazione, nel momento in cui una crisi come quella legata al Covid-19 si presenterà nuovamente.
Quindi, LASSIE consentirà di passare dall’attuale tecnologia fluidica, non idonea per lo screening di molti farmaci in parallelo, a un sistema in grado di essere integrato nella catena del valore dello sviluppo di un vaccino. 
Le conclusioni sono state affidate ad Antonio Mazzeo, Presidente del Consiglio Regionale Toscana.
Un focus speciale è stato dedicato al Progetto Amesphere di AME, uno dei beneficiari del finanziamento, che migliora la gestione della sicurezza con una piattaforma per l’analisi in tempo reale dei rischi grazie all’uso di sensori di prossimità, telecamere e sistemi laser.
L’innovatività del progetto risiede proprio nella capacità di questo EVA di creare autonomamente la propria Knowledge Base, bypassando la necessità degli enterprise virtual assistant attualmente sul mercato di dover disporre di una grande base di conoscenza e di risorse che ne effettuino l’addestramento manuale specifico per poter funzionare. La funzione aziendale target di Jiminy è quella del “Customer Care” (CC). Tale funzione è stata scelta perché trasversale alla quasi totalità delle aziende e, solitamente, caratterizzata da grossi problemi di scalabilità dovuti al grande stress che il personale, sottoposto a forti pressioni tipiche del settore, vive. Oltre che un EVA in grado di supportare gli operatori CC durante le normali attività lavorative, con Jiminy ci si prefigge di realizzare un copilota in grado di facilitare anche la formazione di nuove risorse poichè potrà generare automaticamente telefonate di training, simulando conversazioni basate su interazioni passate, con cui i nuovi operatori potranno sperimentare e imparare a gestire situazioni versomili in un contesto di comfort e sicurezza.
Il funzionamento di Jiminy si può riassumere come segue:
quando un cliente chiama, viene accolto da un voicebot che effettua un primo triage del problema; le informazioni raccolte vengono utilizzate per creare automaticamente un ticket, che viene poi verificato da un operatore umano. Durante la chiamata, Jiminy ascolta e analizza la conversazione, fornendo suggerimenti in tempo reale all'operatore basandosi sulla sua conoscenza accumulata. In un secondo momento, questa stessa conoscenza viene riutilizzata per creare degli scenari simulati con cui i neo assunti possono “allenarsi”.
Il funzionamento di Jiminy si articola in diversi passaggi:
Inoltre, oltre il 
Se si vuole brevettare il metodo, la tutela viene offerta a uno specifico metodo, implementato attraverso un computer, che comprende una serie di fasi dettagliatamente descritte, per istruire una rete neurale da utilizzare per ottenere un determinato risultato tecnico.
Il fatto che il metodo sia attuato con un hardware e che serva per ottenere un risultato tecnico lo priva dell’astrattezza teorica e lo rende brevettabile. Anche se lo scopo è limitato, la protezione che si ottiene è molto alta.
Si può brevettare anche il programma per computer che attua le fasi del metodo di cui abbiamo appena detto che viene utilizzato per raggiungere un risultato tecnico.
Apparentemente sembra che si tratti della stessa protezione, ma se c’è una 