L’AI nella sanità dovrebbe pensare in piccolo

Sei minuti dopo il lancio della missione Apollo 13 sulla luna nel 1970, una delle sue bombole di ossigeno è esplosa. L’evento ha spinto la NASA a sviluppare un nuovo approccio per prevedere possibili guasti nelle sue navicelle spaziali. Questo approccio si basava su dati di sensori continui, che a loro volta alimentavano simulazioni digitali approfondite, consentendo test più rigorosi di sistemi spaziali complessi. È stato il primo utilizzo della tecnologia del “digital twin”.

Oggi, i sistemi di digital twin sono utilizzati in vari settori per migliorare le operazioni e simulare con precisione qualsiasi modifica in un sistema. Le aziende tecnologiche come Apple e Tesla utilizzano i digital twin per monitorare le prestazioni dei prodotti sul campo e determinare se specifici componenti di sistema richiedono manutenzione.

I digital twin sono stati utilizzati anche nel settore sanitario, sebbene in larga misura nella ricerca e sviluppo di farmaci. Tuttavia, il loro potenziale più grande è nella gestione delle malattie croniche. Abbinando l’apprendimento automatico e la tecnologia Internet delle cose con l’AI dei digital twin, un approccio originato da qualcosa di vasto come l’esplorazione spaziale ha il potenziale per rendere la sanità veramente personalizzata.

La digitalizzazione dell’assistenza tradizionale è fallita

La medicina moderna ha fatto passi incrementali verso l’assistenza personalizzata nel corso dell’ultimo decennio, dando ai pazienti una voce nella decisione e verso la medicina di precisione attraverso gli avanzamenti nella ricerca genetica. Entrambi hanno aiutato a personalizzare l’assistenza, ma per la maggior parte, il nostro sistema sanitario adotta un approccio “gruppo ampio” alla consegna dell’assistenza.

È evidente nel modo in cui gestiamo le malattie croniche. Ogni uno dei 133 milioni di americani che attualmente convivono con una o più malattie croniche è soggetto a un percorso di cura pianificato – un regime di trattamento, una dieta alla moda, spesso una serie di farmaci – e il loro miglioramento è misurato in lotti di migliaia di altre persone che condividono la loro condizione.

Questo approccio non ha funzionato. Notoriamente, le spese statunitensi per il diabete, le malattie cardiache e il cancro continuano ad aumentare, e l’impatto della tecnologia sui risultati e sui costi è stato limitato. Nella gestione digitale del diabete, della perdita di peso e di altre condizioni, quell’impatto è stato un fattore trascurabile.

A marzo, un rapporto pubblicato da Peterson Health Technology Institute ha sottolineato questa mancanza di risultati sostenibili. Il rapporto ha scoperto che tutte le soluzioni valutate si sono comportate male in termini di coinvolgimento e risultati nel tempo. Di conseguenza, la perdita di peso, la riduzione dell’A1C, l’eliminazione dei farmaci, il diabete inverso e i benefici per la salute, il benessere e l’economia di queste soluzioni sono limitati e insostenibili.

Ciò è dovuto al fatto che la maggior parte delle soluzioni semplicemente digitalizza un modello inefficace di assistenza. Non tengono conto delle differenze individuali. Ogni persona porta con sé un insieme unico di fattori culturali, biologici, dietetici, comportamentali e ambientali che influenzano la sua salute a un livello profondamente individuale.

Passare dall’assistenza ‘personalizzata’ all’assistenza individualizzata

L’AI dei digital twin promette una deviazione dal modello. Fondamentale per la tecnologia è il concetto che ogni individuo è un “N di uno”. Il digital twin di un individuo è informato da una misura continua delle sue variabili cliniche e comportamentali uniche e utilizza quei dati per plasmare la guida per l’assistenza verso la migliore e più sana versione di quell’individuo.

Il potere della tecnologia dei digital twin risiede nella sua attenzione alle piccole cose – le cose che mangiamo e facciamo – e nel modo in cui influenzano il nostro io attuale e futuro. Nella pratica, i digital twin possono prevedere con precisione l’effetto che una cena a base di steak avrà sulla salute metabolica o cardiaca di una persona specifica. Nella misura in cui quell’impatto potrebbe essere negativo, i digital twin possono offrire modi per mitigare le ripercussioni. Potrebbe suggerire una passeggiata di 10 minuti o un dessert alternativo. Invece del gelato, forse è il pane di banana e noci con yogurt greco e frutta fresca o semplicemente una sequenza diversa.

In questo modo, l’AI dei digital twin può mostrare a un individuo cosa lo aspetta se rimane sulla sua traiettoria attuale e i grandi cambiamenti che possono verificarsi facendo piccoli aggiustamenti nel tempo. Continua con la tua routine attuale e sarai in grado di smettere di prendere il metformina in tre settimane. Torna alle tue vecchie abitudini e potrai aspettarti di riprendere il farmaco.

È una tecnologia potente e, sebbene il suo impatto sulla sanità sia stato riconosciuto in gran parte solo nel mondo accademico, sta iniziando a trovare il suo ruolo in casi d’uso commerciali. Nel 2014, Dassault Systemes e la FDA hanno lanciato SIMULIA Living Heart, un progetto che lavora con i produttori di dispositivi per sviluppare e perfezionare i dispositivi cardiaci a un ritmo più veloce. All’inizio della pandemia, OnScale ha sviluppato Project BreathEasy, un digital twin dei polmoni dei pazienti con COVID-19 per migliorare e ottimizzare l’uso delle risorse di ventilazione.

I ricercatori medici stanno anche utilizzando modelli di malattia dei digital twin per prevedere l’efficacia degli interventi farmacologici in base a processi biologici complessi e individuali. Takeda Pharmaceuticals ha abbracciato la tecnologia per abbreviare i processi farmacologici e fare previsioni realistiche di input-output per le reazioni biochimiche. Più recentemente, i ricercatori hanno utilizzato la tecnologia dei digital twin per simulare i risultati della terapia e determinare il miglior trattamento per il carcinoma orofaringeo in base all’individuo.

La gestione delle malattie croniche è la prossima frontiera

Un articolo recente pubblicato su Nature afferma che i digital twin sono “pronti a fare contributi sostanziali” alle cure contro il cancro, soprattutto nel monitoraggio della progressione della malattia e nella valutazione delle risposte al trattamento, che variano notoriamente da persona a persona. Lo stesso articolo analizza i digital twin cardiaci alimentati da immagini, dati EHR, genetici e continui wearable, e il loro potenziale per prevedere eventi cardiaci acuti.

Questi progressi daranno vita a tecnologie sanitarie che cambieranno la vita. Il loro potere risiede in un concetto fondamentale per il loro scopo: nulla di complesso è statico.

Ciò è particolarmente vero per i nostri sistemi biologici. Un digital twin richiede migliaia di punti di dati al giorno, per ogni individuo, per comprendere veramente l’interazione tra la biologia, la cultura, lo stile di vita, le preferenze e la salute di un individuo. Alcuni di questi dati sono già stati catturati da dispositivi wearable e app mobili, ma senza un modello che metta quei dati nel contesto dell’individuo e del suo percorso di cura, sono senza direzione.

Nel mondo della gestione delle malattie croniche, le piccole cose possono rapidamente diventare grandi, minacciose. E mentre la salute digitale ha sollevato le speranze dei pazienti con linguaggio come “personalizzazione”, gli strumenti e gli approcci che sono stati offerti alle persone non hanno affrontato le loro esigenze e preferenze uniche.

L’AI dei digital twin capovolgerà questo approccio aiutandoci a comprendere e migliorare la nostra salute a un livello profondamente personalizzato. È una tecnologia pronta a mantenere la promessa dell’assistenza individualizzata.