Di Matteo Bregonzio, Chief Technology Officer di Datrix
Il progresso scientifico nell’ambito dell’intelligenza artificiale e dell’apprendimento federato ha messo in luce il vero potenziale della medicina personalizzata.
Una premessa
L’apprendimento federato è una tecnica di apprendimento che permette di addestrare algoritmi di AI attraverso l’utilizzo di dispositivi decentralizzati, senza accentrare i dati, quindi garantendo massima sicurezza e privacy sui dati stessi.
La medicina personalizzata, invece, consiste nello sfruttare i dati per ottimizzare l’efficacia terapeutica di particolari gruppi di pazienti che condividono caratteristiche comuni, come le stesse variazioni genetiche o gli stessi sintomi patologici.
La gestione e l’utilizzo dei dati sanitari
Nel contesto di apprendimento federato, un aspetto chiave riguarda la capacità di raccogliere e gestire, secondo le vigenti normative, i dati sanitari provenienti da più centri medici (su scala nazionale e internazionale) e di abilitare l’analisi tempestivamente tramite l’AI. Questo permette di estrarre informazioni utili per supportare i medici nel migliorare i risultati ed efficacia della cura.
Inoltre, in contesti come quelli delle malattie rare in cui i dati sono storicamente limitati, l’apprendimento federato fornisce la possibilità di esplorare, confrontare ed analizzare i dati dei pazienti di molteplici ospedali, aprendo la strada a vastissime opportunità di progresso.
La situazione a livello europeo
Nonostante diversi studi dimostrino il potenziale di combinare apprendimento federato e medicina personalizzata basata sull’intelligenza artificiale, al momento gli ospedali dell’Ue non la stanno ancora adottando su larga scala poiché risulta loro particolarmente complesso scaricare a terra progetti di questo tipo, sebbene ci siano esempi virtuosi che stanno testando queste soluzioni.
Una ricerca continua in campo medico, diagnostico e della life-science è già realtà in diversi progetti finanziati dall’Ue di notevole utilità sociale e dedicati all’innovazione sanitaria e biomedica, come ad esempio “Personal Health Train”, “Crimson”, “OrganVision” e “ConCise”.
Uno sguardo oltre le attuali limitazioni
Lo sviluppo di strumenti di intelligenza artificiale innovativi aumenterà il potenziale per la ricerca genomica e contribuirà ulteriormente a ridurre i tempi di diagnosi e accelerare lo sviluppo di nuove, promettenti terapie per le malattie rare.
Questo quadro operativo definisce un nuovo paradigma e un nuovo approccio per il raggiungimento di un accesso più facile e rapido alle funzionalità che risiedono nei sistemi chiusi e isolati degli ospedali e delle strutture di ricerca medica e clinica. In effetti, la medicina AI-driven richiede grandi volumi di dati per addestrare modelli accurati, ma l’aggregazione e la condivisione dei dati dei pazienti tra ospedali e confini nazionali è ancora estremamente complessa e spesso irrealizzabile a causa di barriere etiche, legali e in tema di privacy. Questa limitazione potrebbe essere superata utilizzando un apprendimento federato, ma di fatto gli ospedali dell’UE non hanno ancora le competenze multidisciplinari adatte.
Lo European Health Data Space
A livello europeo si sta cercando di assecondare il cambiamento: un esempio virtuoso in tal senso è European Health Data Space, un ecosistema specifico per la salute lanciato dalla Commissione europea composto da regole, standard e pratiche comuni, infrastrutture e un quadro di governance, creato per fornire un ambiente affidabile per l’accesso sicuro e l’elaborazione di un’ampia gamma di dati sanitari.
L’obiettivo è quello di aiutare, grazie alle tecnologie AI, le persone ad assumere il controllo dei propri dati medici per una migliore erogazione dell’assistenza sanitaria, una ricerca più innovativa e una più precisa definizione delle policy. Inoltre, questo ecosistema consente all’Ue di sfruttare appieno il potenziale offerto dalle attività sicure e protette di scambio, uso e riuso dei dati sanitari.
Altre iniziative virtuose
Al fine di sviluppare ulteriormente questo framework, sono già presenti alcune iniziative come quelle dell’Institute for Biomedical Informatics dell’Ospedale Universitario di Colonia (UKK) e dell’Institute of Molecular Genetics and Genetic Engineering (IMGGE) dell’Università di Belgrado, nello studio di approcci innovativi per lo scambio sicuro e il riutilizzo dei dati sanitari dei pazienti, in modo conforme alle direttive dell’Ue.
Perseguendo questa strada, sfruttando il potenziale trasformativo dell’intelligenza artificiale e della data science, il settore sanitario può dare inizio a un’era in cui terapie personalizzate, efficienti e meno invasive diventano la nuova norma.
