L’intelligenza artificiale (AI) e l’apprendimento automatico (ML) stanno trasformando sempre più il panorama della formulazione cosmetica, consentendo lo sviluppo di prodotti più sicuri, efficaci e personalizzati.
Tali strumenti possono essere addestrati su diversi set di dati, tra cui strutture chimiche, risultati di test in vitro e dati storici sulla sicurezza e, in quanto tali, consentono la simulazione delle risposte biologiche e la previsione degli effetti avversi con notevole precisione.
Da un punto di vista operativo, quattro paradigmi di machine learning (ML) primari possono essere sfruttati per la formulazione cosmetica: apprendimento supervisionato, non supervisionato, semi-supervisionato e di rinforzo.
I paradigmi di machine learning
L’apprendimento supervisionato si basa su set di dati etichettati contenenti sia variabili di input (ad esempio, composizione chimica) sia risultati noti (ad esempio, tossicità), permettendo al modello di apprendere relazioni predittive.
L’apprendimento non supervisionato, al contrario, si occupa di dati non etichettati, con l’obiettivo di scoprire strutture o modelli nascosti, in genere attraverso il clustering o la riduzione della dimensionalità.
L’apprendimento semi-supervisionato integra sia i dati etichettati sia quelli non etichettati per perfezionare le prestazioni del modello quando i dati annotati sono limitati.
L’apprendimento per rinforzo introduce una strategia diversa: un agente apprende le azioni ottimali interagendo con un ambiente e ricevendo feedback sotto forma di ricompense o penalità.
Modelli predittivi per sicurezza, tollerabilità e conformità normativa
Il presente lavoro, pubblicato su Cosmetics, offre una panoramica completa delle applicazioni emergenti dell’intelligenza artificiale in ambito cosmetico, con particolare enfasi sulla modelli predittivi per sicurezza, tollerabilità e conformità normativa.
Nello specifico, l’articolo esplora come la modellazione predittiva basata sull’intelligenza artificiale venga applicata ai vari ingredienti impiegati nei cosmetici, inclusi tensioattivi, polimeri, fragranze, conservanti, antiossidanti e prebiotici.
Le tecnologie digitali sono adoperate per prevedere proprietà critiche come texture, stabilità e durata di conservazione, ottimizzando sia le prestazioni del prodotto sia l’esperienza dell’utente.
L’integrazione di algoritmi di tossicologia computazionale e machine learning favorisce, inoltre, la previsione precoce dei rischi di sensibilizzazione cutanea, compresa la probabilità di eventi avversi quali, ad esempio, la dermatite allergica da contatto.
I modelli di intelligenza artificiale possono supportare la valutazione dell’efficacia, collegando la scienza della formulazione con gli esiti dermatologici.
La revisione chiarisce anche le sfide etiche, normative e di sicurezza associate all’uso dei sistemi descritti per la scienza cosmetica, sottolineando la necessità di trasparenza, responsabilità e standard armonizzati.
Progresso tecnologico, etico e sostenibile
L’intelligenza artificiale si configura come valido alleato nel ridefinire il panorama scientifico, etico e commerciale dell’innovazione cosmetica. Le sue applicazioni riguardano la produzione di formulazioni basate sui dati attraverso modelli di predizione in silico, l’ottimizzazione di texture e prestazioni e test di sicurezza, nonché la conformità alle normative etiche.
Tale tecnologia consente, pertanto, uno sviluppo più rapido, sicuro e sostenibile, offrendo soluzioni su misura capaci di rispondere alle esigenze individuali nel rispetto della diversità sociale e dei vincoli ambientali. Un forte impegno per la collaborazione multidisciplinare, la governance algoritmica trasparente e l’inclusività sono fondamentali per realizzare appieno questo potenziale.
In aggiunta, l’intelligenza artificiale è essenziale per il miglioramento della qualità dei dati e per la creazione di modelli equi e spiegabili, in grado di prevenire i pregiudizi e promuovere la fiducia tra consumatori e autorità di regolamentazione.
In conclusione, allineare le pratiche del settore ai quadri normativi emergenti, investire in una validazione solida e garantire un uso responsabile dei dati degli acquirenti rafforzerà il ruolo dell’intelligenza artificiale sia come abilitatore tecnologico sia come motore del progresso etico e sostenibile nella scienza cosmetica.
Se implementata in modo responsabile, infatti, la tecnologia in questione non solo fungerà da potente strumento di innovazione, bensì anche da catalizzatore per un futuro più equo, incentrato sul consumatore e fondato su prove.
Di Guardo A, Trovato F, Cantisani C, Dattola A, Nisticò SP, Pellacani G, Paganelli A. Artificial Intelligence in Cosmetic Formulation: Predictive Modeling for Safety, Tolerability, and Regulatory Perspectives. Cosmetics. 2025; 12(4):157. https://doi.org/10.3390/cosmetics12040157.
