Medicina di precisione, così l’intelligenza artificiale aiuta a migliorarla

Grazie all'utilizzo di algoritmi di artificial intelligence è possibile di migliorare la prognosi e ottimizzare la spesa farmaceutica attraverso terapie mirate nei confronti dei pazienti che ne beneficiano. *IN COLLABORAZIONE CON IBM

intelligenza artificiale

La medicina di precisione è considerata la nuova frontiera di molti percorsi terapeutici soprattutto in ambito oncologico. Si tratta di una tecnica in grado di migliorare la prognosi e ottimizzare la spesa farmaceutica attraverso terapie mirate nei confronti dei pazienti che ne beneficiano. Dal punto di vista scientifico viene definita come “lo studio delle caratteristiche genotipiche e fenotipiche (ambiente, stile di vita ecc.) di ogni singolo individuo, e si pone lo scopo di integrare tra loro tali informazioni, conferendo caratteristiche uniche a patologie complesse che possono così essere diagnosticate e curate in maniera più efficiente, con un chiaro impatto sia dal punto di vista medico che socio-economico”. Si stima che il mercato globale legato alla medicina di precisione varrà circa 94 miliardi di dollari entro il 2024.

Il cuore di questa disciplina consiste nell’analizzare enormi moli di dati. Dati da cui provare ad estrarre valore nell’ottica di migliorare la salute dei pazienti, se non addirittura predire una futura malattia. Per agevolare l’analisi di questi dati deve venire in soccorso la tecnologia. Nello specifico, gli algoritmi di intelligenza artificiale consentono di risolvere problemi molto complessi in breve tempo e sono in grado produrre anche degli indicatori predittivi.

I due grandi filoni della medicina di precisione

I due principali filoni su cui agisce la medicina di precisione sono legati al mondo della genomica e a quello dei dati di real world evidence. “Ci sono due grandi cambiamenti in questo momento storico”, spiega Antonio Pelliccia, business development life science di Ibm. “In passato la sperimentazione clinica dei nuovi farmaci era basata su coorti di pazienti molto selettive. Per poter ridurre i costi della sperimentazione i pazienti dovevano essere selezionati con molta precisione. Oggi invece le aziende cercano di sfruttare i dati di real world evidence (i dati clinici dei pazienti che sono affetti dalle malattie curate dai loro farmaci, ndr) che provengono dalla pratica clinica di tutti i giorni”.

Questo primo trend presuppone un’estrazione di dati, concetti, metadati dalle cartelle cliniche che successivamente diverranno la nuova base per analizzare in che modo il farmaco o la terapia si comportano in specifiche coorti. In altre parole, la scienza sta cercando di capire che tipo di risposta ha un farmaco innovativo, in termini di salute su una coorte piuttosto che un’altra. In questo contesto si va a specificare meglio con i dati di real world l’efficacia del farmaco stesso.

La diagnostica

L’altro filone legato alla medicina di precisione è quello della diagnostica. In questo ambito, la genomica giocherà un ruolo fondamentale. Le strategie di sequenziamento del Dna e le tecnologie per raccogliere, immagazzinare e separare il limite e la struttura dei genomi renderanno la medicina di precisione una tecnica sempre più efficiente. “Capire come le mutazioni del dna sono correlate con le malattie e come i farmaci possono indirizzare una mutazione piuttosto che un’altra è una delle soluzioni che abbiamo sviluppato. Partendo dal campione del tessuto di una persona, una macchina Ngs per il sequenziamento produce un file con delle informazioni. Tale file viene analizzato da un algoritmo di intelligenza artificiale che ne produce un rapporto, elaborato per il singolo individuo, con le mutazioni indirizzabili da uno specifico farmaco già approvato o in fase di sperimentazione (se esistente)”.

Nel campo della diagnostica un altro contributo significativo arriverà dal mondo dell’imaging. In questo ambito le strumentazioni oggi a disposizione consentono di effettuare tutta una serie di esami specifici in grado di intercettare particolari tipi di tumori.

Medicina di precisione, il caso Ibm e Roche

Uno degli esempi più significativi di utilizzo della tecnologia al servizio della medicina di precisione è il caso dello studio fatto da Ibm insieme a Roche sui malati di diabete. “Nello studio fatto con Roche – spiega Antonio Pelliccia – abbiamo analizzato tra i pazienti affetti da diabete quali fossero quelli più propensi a sviluppare una malattia ai reni. In che modo lo abbiamo fatto? Siamo andati a intervenire sui dati di real world. Abbiamo estratto i metadati che caratterizzano i pazienti che hanno problemi di diabete e che successivamente hanno sviluppato problemi ai reni o malattie nefrologiche. A partire da queste informazioni, gli algoritmi di intelligenza artificiale hanno creato un modello che consentisse di derivare uno scoring predittivo sui pazienti. In altre parole, oggi siamo in grado, a fronte dell’analisi di un nuovo paziente, di evidenziare la probabilità che questo paziente possa sviluppare malattie renali. Tutto ciò ci consente di sviluppare modelli di medicina di precisione, perché riusciamo ad addestrare algoritmi sui dati di coorti di pazienti molto simili. Peraltro, in questo modo possiamo anche indirizzare i medici verso uno specifico percorso di cura piuttosto che un altro”.

Ibm e Medtronic

Nel campo dell’elaborazione di grandi dati in tempo reale, un altro caso   significativo è quello frutto della partnership tra Medtronic e Ibm. Le due società hanno lanciato di Iqcast. Si tratta di una funzione che va a potenziare le capacità di SugarIq, l’assistente personale dedicato alle persone affette da diabete, sviluppato dalle due società.

Grazie alla tecnologia basata sull’intelligenza artificiale di Ibm Watson, Iqcast integra le funzionalità di SugarIq. È un’applicazione in grado di aiutare le persone affette da diabete a comprendere come il proprio livello di glucosio risponda all’assunzione di cibo, ai dosaggi di insulina, al movimento fisico e alle altre attività quotidiane. SugarIq, infatti, utilizza l’Ai e l’analisi avanzata dei dati per formulare previsioni personalizzate riguardo la possibilità di andare incontro ad un attacco ipoglicemico. Tale operazione avviene in un arco di tempo compreso tra 1 e 4 ore.

Iqcast analizza molteplici segnali, tra cui il livello di glucosio, l’insulina assunta, i pasti effettuati e i precedenti eventi ipoglicemici. Stima una probabilità bassa, media o alta di andare incontro a un calo glicemico entro le 4 ore successive. In questo modo, Iqcast contribuisce ad alleviare le criticità legate alla cura del diabete. Lo fa permettendo alle persone che ne sono affette di affrontare la giornata con maggiore libertà e consapevolezza del proprio stato di salute.

Medicina di precisione, il contributo di Ibm

In conclusione, nel campo della medicina di precisione l’uso della tecnologia è ormai imprescindibile per gestire la dimensione e la velocità del dato. In quest’ottica Ibm si pone come partner dei professionisti sia sul piano infrastrutturale, quindi con la capacità tecnologica di elaborare grandi quantità di dati in maniera efficiente e veloce; sia sul piano dello sviluppo di soluzioni tecnologiche a supporto dell’healthcare. Qui l’obiettivo di Ibm è dare un supporto al lavoro del medico, per velocizzarne l’attività, senza sostituirlo.

Per approfondire leggi anche: Ibm per il settore sanitario

In collaborazione con Ibm