L’uomo non basta più, ricerca biomedica e salute vogliono i big data

Le grandi opportunità offerte da intelligenza artificiale, machine learning etc. non sono colte come dovrebbero. Serve un cambio di passo culturale e la collaborazione tra più attori. L’interesse crescente dell’industria biomedica è attestato dalle partnership (e dai deal) con le società tech. Dal numero 173 del magazine

Big data

Farmaci, dispositivi e cure personalizzate. Tassi di sopravvivenza alle malattie mai immaginati. Segni di patologia predetti con grande anticipo. Popolazioni di pazienti selezionate con precisione estrema, per ricevere i trattamenti più idonei e ottimizzarne l’aderenza. Tempi e costi della ricerca clinica abbattuti e molto altro ancora. I big data e gli strumenti per processarli – intelligenza artificiale, machine learning e il complesso mondo dei tool informatici a corredo – rendono possibile questo e chissà che altro. Serve però un cambio di passo culturale, maggiore fiducia nella tecnologia, regole ben scritte e soprattutto collaborazione stretta tra mondo della ricerca, industria della salute e istituzioni per trarre il massimo vantaggio dalla human data science che si sta affermando nel mondo.

“Immortalità”?

I temi e gli interrogativi sollevati stanno segnando un’epoca e gli eventi che si succedono sembrano proprio assecondare la tensione verso l’immortalità del genere umano (cambiamenti climatici permettendo) di cui parla lo storico Yuval Noah Harari nel best seller globale “Homo deus – breve storia del futuro”. Di human data science si è parlato molto a Milano nelle scorse settimane in due diversi eventi che hanno richiamato esperti da tutto il mondo e perfino un premio Nobel per la Medicina – James P. Allison – per capire come procedere, non certo perché, su una strada ormai indiscutibilmente tracciata. AboutPharma and Medical Device ha seguito entrambi.

Eventi clou dove si è parlato del futuro

Il primo in ordine di tempo è l’annuale evento promosso da Iqvia, denominato Pharmatrend 2020, durante il quale è stato anche tastato il polso al grande interesse delle pharma per le sinergie con l’information technology. Il secondo, “Healthcare to come”, organizzato dalla Fondazione Umberto Veronesi e dalla Fondazione Silvio Tronchetti Provera, con la media partnership proprio di Hps-AboutPharma, ha davvero dettato l’agenda per la ricerca del futuro e la sua sostenibilità, nell’ambito specifico della medicina di precisione applicata all’oncologia. In queste pagine ne tentiamo la sintesi, ben sapendo che gli argomenti proposti portano lontano. Forse troppo.

Il nuovo petrolio

Per l’industria dell’healthcare le opportunità da cogliere con i big data sono immense (“nuovo petrolio”, “miniera d’oro” le analogie più ricorrenti). Ma c’è il rischio di procedere troppo a rilento – spiega Carlo Salvioni, vice presidente Strategy & Operations di Iqvia Italia – sostanzialmente per un problema culturale: “Si ha paura del primo passo da parte di chi possiede i dati e/o di chi vuole sperimentare con un nuovo approccio. Quindi per non sbagliare si resta fermi. Le Regioni, gli ospedali, le Asl, le reti di medici: chi ha i dati li tiene fermi o li applica in modo molto limitato rispetto ai benefici che si potrebbero ottenere. Certo è che da soli i singoli attori del sistema sanitario non possono andare lontano. Serve uno sforzo di sistema e non può farlo solo l’industria, né solo l’istituzione ma tutti devono collaborare”.

I trial non rendono più

Serve una scossa e serve subito. A partire dalla ricerca biomedica per la quale l’AI sempre di più sta esprimendo il suo potenziale, mettendo fortemente in discussione i modelli che fin qui hanno permesso di rintracciare le evidenze scientifiche, a partire dai trial clinici randomizzati (Rct). A proposito di trial. Salvioni cita alcuni dati di letteratura secondo cui, in tutto il mondo, l’82% dei clinical trial è in ritardo rispetto ai rispettivi piani, anche a causa di un incremento “monstre” (300% in pochi anni) dei vincoli regolatori, con la conseguenza che il ritorno economico per l’industria dai programmi di ricerca e sviluppo è calato del 23% (dati Deloitte, 2018).

La reperibilità dei pazienti

“Pesa la difficoltà a identificare popolazioni di pazienti sempre più specifiche. Prima di poter proporre un paziente alla sperimentazione – prosegue Salvioni – occorre trovare il profilo giusto che è dato da un numero crescente di fattori. Per rilevarli serve quindi un approccio data driven: il solo in grado di stimare dove si possono trovare tutti i soggetti con quelle caratteristiche. Non si può fare se non si ha un accesso più profondo e sistematico ai dati. Finora ci si è basati sull’esperienza pregressa – es. in un determinato centro specialistico ci sono molti pazienti con un certo tipo di cancro –, continuando a fare ricerca in quel centro lì. Tuttavia non è detto che i pazienti utili alla sperimentazione di una data molecola siano presenti. La human data science riesce invece a condurre analisi a tutto campo, in grado di rintracciare popolazioni più piccole ma in maniera più precisa”.

L’interesse per deal e partnership

La Hds, in effetti, lavora unendo dati sulle persone (es. individui caratterizzati dal loro patrimonio genetico, segmenti di pazienti e ampie popolazioni), strumenti e competenze per proteggere tali dati rendendoli utilizzabili e il background scientifico per generare informazioni dettagliate. Combinando campi che sono stati distinti in passato, come accennato, apre possibilità incredibili. Massimiliano Rubin, European strategy Head Iqvia, non a caso passa in rassegna le importanti parnership fra le top PharmaCos, i giganti del digitale Google e Microsoft ma anche le società leader per l’intelligenza artificiale applicate alla medicina come BenevolentAI o specializzate nelle applicazioni Rwe avanzate sulla ricerca clinica come ConcertoHealth AI.

Le aziende specializzate in applicazioni di intelligenza artificiale e ‘machine learning’ sono state oggetto di moltissime operazioni di investimento culminate a fine 2018 con quasi più di settanta deal di diversa entità per un totale vicino ai 600 milioni di dollari nel secondo semestre. Oltre a banche di investimento e operatori tecnologici, negli ultimi tre anni diverse aziende farmaceutiche hanno investito direttamente per acquisire strumenti analitici avanzati: il pilastro tecnologico della Hds. Tale approccio ha infatti applicazioni importanti sulla catena del valore del settore medtech a partire dalla ricerca pre-clinica.

Le molteplici applicazioni

I sistemi di AI/ML sono già applicati per accelerare la selezione di nuove molecole da testare, individuare biomarcatori efficaci o re-indirizzare a nuove indicazioni farmaci esistenti grazie all’analisi di imponenti database di outcome in real world. La complessità dei clinical trial può egualmente essere mitigata attraverso l’accesso alle informazioni sanitarie con analytics evoluti che consentano di identificare più velocemente i siti, individuare potenziali pazienti considerando le storie cliniche presenti nei database sanitari e ottimizzare la gestione e il planning.

Considerati i costi importanti della sperimentazione clinica e il rischio di fallimento in contesti sempre più difficili come l’oncologia o le malattie rare – prosegue Rubin – gli investimenti delle big pharma in strumenti analitici evoluti potrebbero certamente ripagarsi in breve se opportunamente applicati ai processi decisionali/operativi. Le stesse applicazioni possono essere di aiuto anche per migliorare le comunicazioni tra l’industria e tutti gli stakeholder, veicolando informazioni puntuali e significative, veramente utili ad ogni operatore sanitario e attraverso il canale più efficace. Una comunicazione personalizzata che aggiunge valore e contribuisce così a migliorare la cura del paziente finale.

Vantaggi per l’accesso dei pazienti

La Human data science ha applicazioni importanti anche nell’ampliare l’accesso diretto del paziente alle cure in contesti difficili in cui, per esempio, l’interazione personale è ostacolata da barriere logistiche (mancanza di tempo) geografiche o culturali. Le comunicazioni online per ottenere consigli sanitari, operate attraverso chatbox con applicazioni di AI, si stanno diffondendo e sono spesso integrate dalla possibilità di un vero e proprio teleconsulto medico. Un sistema che consente l’accesso alla cura di primo livello per le popolazioni rurali altrimenti difficilmente raggiungibili o in presenza di altre difficoltà (per esempio il divieto per le pazienti di un consulto diretto con un medico uomo in alcune comunità musulmane).

Oltre che in contesti particolari, la gestione “remota” della medicina, anche con l’aiuto di uno screening di primo livello attraverso applicazioni di intelligenza artificiale, è comunque una opzione interessante in uno scenario di cronicizzazione delle patologie ed invecchiamento della popolazione che certamente impatterà sulle modalità tradizionali di erogazione della cura.