Il numero ridotto di pazienti affetti da patologie considerate rare determina la carenza o la mancanza di dati per poterle studiare approfonditamente. L’avanzamento nella ricerca può, però, essere facilitato da tecnologie basate sull’intelligenza artificiale in grado di creare dati sintetici. Il consorzio di centri di ricerca europei SYNTHEMA, in occasione del primo meeting che si è tenuto a Madrid durante le giornate del 15 e 16 dicembre, ha avviato i lavori che porteranno alla creazione di una di queste tecnologie che diventerà un supporto fondamentale alla ricerca clinica sulle malattie ematologiche rare.

SYNTHEMA (Synthetic generation of hematological data over federated computing frameworks) ha ricevuto un finanziamento di 7 milioni di euro dalla Commissione Europea nell’ambito del programma Horizon Europe. Comprende 16 centri di ricerca dislocati in 10 paesi europei (Spagna, Italia, Austria, Regno Unito, Belgio, Olanda, Francia, Germania, Portogallo e Lussemburgo) che, per i prossimi 4 anni, uniranno le forze allo scopo di costruire un’infrastruttura capace di anonimizzare i dati reali e creare dati sintetici per accelerare la ricerca su malattie come l’anemia falciforme e la leucemia mieloide acuta.

Creare dati sintetici significa estrarre dati reali dai sistemi informatici ospedalieri e riformularli per generare “pazienti virtuali” che non hanno più nessun legame giuridico con i pazienti che li hanno generati.

“Il primo vantaggio dei dati sintetici sta nel fatto che possono essere cambiati, condivisi e utilizzati per scopi di ricerca senza dover sottostare alle norme sulla privacy."

"Inoltre, grazie alla tecnologia basata sull’intelligenza artificiale che svilupperemo con SYNTHEMA si potranno integrare dati da fonti diverse come, per esempio, quelli provenienti da un database di dati clinici e uno di dati genetici o biologici” spiega Matteo Della Porta, ematologo presso Humanitas e responsabile dell’attività clinica del progetto SYNTHEMA.

Così facendo si possono generare pazienti virtuali di grande qualità con un completo set di dati che spesso è difficile ottenere dai singoli pazienti.

“I pazienti virtuali permettono anche di aumentare il numero di campioni nelle coorti degli studi clinici” continua Della Porta. “Se in uno studio clinico ho 100 pazienti, con questa tecnologia è possibile riuscire a generarne 500 usando gli stessi dati combinati in modo diverso.”

Quest’ultimo passaggio è di particolare importanza per le malattie rare, nelle quali, la scarsità di pazienti e la frammentazione della loro distribuzione sul territorio, rende più difficile mettere insieme grandi quantità di partecipanti agli studi clinici e quindi ottenere grandi moli di dati, essenziali per generare evidenze scientifiche solide che aumentino la capacità diagnostica, le possibilità terapeutiche e migliorino gli outcome di malattia. 

Con l’avvento degli studi sintetici (o in silico, gli studi clinici nei quali vengono utilizzati i dati sintetici), dove il braccio di controllo è costituito da pazienti virtuali, sarà possibile analizzare una quantità di informazioni maggiore rispetto a quanto sia mai stato fatto.

“In questo modo non solo si riduce il numero di pazienti reali che partecipano allo studio ma anche le tempistiche del reclutamento che, trattandosi di malattie rare, sono spesso dilatate. Inoltre, si possono ridurre i costi della sperimentazione clinica e, per esempio, accelerare l’arrivo di un farmaco sul mercato” conclude Della Porta.

Una tecnologia basata sull’intelligenza artificiale come quella che si prefigge di sviluppare SYNTHEMA, grazie alla capacità di generare pazienti virtuali partendo dai dati di pazienti in carne e ossa, diventerà un importante motore di accelerazione della ricerca clinica. Permetterà di ridurre le tempistiche dell’arrivo delle nuove scoperte della ricerca al letto del paziente, di ridurre i costi della ricerca e del prodotto finale, come un farmaco o un dispositivo medico, e creare percorsi di cura sempre più personalizzati sul paziente piuttosto che sulla malattia.

Estrarre i dati dalle cartelle cliniche in modo automatico per far entrare la ricerca clinica anche in pronto soccorso.

Fare ricerca clinica in pronto soccorso è quasi impossibile. La grande mole di lavoro, le tempistiche stringenti e la carenza di personale limitano la capacità di raccolta dati. Da questo presupposto è nato il progetto eCREAM volto a sviluppare nuove tecnologie in grado di estrarre automaticamente i dati dalle cartelle cliniche del pronto soccorso per poterli utilizzare nella ricerca.

Il progetto eCREAM

Il progetto eCREAM (enabling Clinical Research in Emergency and Acute care Medicine) è stato recentemente finanziato dalla Commissione Europea nell’ambito del programma Horizon Europe. Durerà 5 anni e vedrà il coinvolgimento di 8 paesi europei (Francia, Grecia, Inghilterra, Italia, Polonia, Slovacchia, Slovenia, Svizzera) e 11 partner tra i quali l’Istituto Mario Negri di Milano che coordinerà i lavori.

Abbiamo intervistato Guido Bertolini, responsabile del Laboratorio di epidemiologia clinica dell’Istituto Mario Negri, che ci ha spiegato cos’è eCREAM e quali sono gli obiettivi che intende raggiungere.

“La ricerca in pronto soccorso si limita a progetti molto piccoli, di breve durata e viene svolta quasi esclusivamente negli ospedali universitari dove specializzandi e studenti possono occuparsi della raccolta dati. A causa delle difficoltà nel fare ricerca clinica, dovute principalmente alla carenza di personale e alle tempistiche stringenti, la medicina d’urgenza si deve spesso basare su evidenze e conoscenze derivate da altri contesti clinici che non sono necessariamente quelli più appropriati per stabilire qual è l’iter diagnostico-terapeutico più adatto da applicare in una fase di emergenza” spiega Bertolini.

Studiare nuove soluzioni che permettano di fare ricerca clinica in pronto soccorso è quindi di fondamentale importanza per migliorare l’assistenza in questo ambito.

“Il progetto eCREAM nasce da quest’esigenza e ha lo scopo di consentire che la ricerca clinica possa essere svolta regolarmente anche in pronto soccorso. L’obiettivo è quello di estrarre i dati che servono alla ricerca — che devono essere affidabili, sicuri e confrontabili fra diversi pronto soccorso — direttamente dagli strumenti che vengono utilizzati di routine nell’assistenza al paziente, come gli applicativi informatici e i supporti elettronici. Così facendo, si potrà ricavare conoscenza nel contesto laddove verrebbe utilizzata” continua Bertolini.

L'automatizzazione della raccolta dati

Il progetto eCREAM lavorerà principalmente su due direttrici. La prima consiste nello sviluppo di una piattaforma informatica che raccolga i dati dagli applicativi in modo automatico.

Il medico, compilando la cartella clinica, farà automaticamente anche la raccolta dati per la ricerca senza dover dedicare del tempo ad hoc.

Gli applicativi attualmente in uso sono però stati progettati per soddisfare esclusivamente le esigenze cliniche e non quelle di ricerca. Per questo eCREAM si occuperà anche dello sviluppo di un nuovo applicativo pensato per rispondere fin dall’inizio a questa doppia esigenza.

Il ruolo dell'intelligenza artificiale

“Entrambi questi sistemi si baseranno su un algoritmo che sfrutta l'intelligenza artificiale per interpretare il testo libero scritto dal medico all’interno della cartella clinica e ricavarne informazioni strutturate. Stiamo sviluppando un sistema NLP (Natural Language Processing) cioè un modo per processare il linguaggio naturale della medicina. Infatti, esistono già strumenti di questo tipo ma non sono studiati per il mondo della medicina e tantomeno per quello della medicina d'urgenza.”

Le applicazioni pratiche

Le due tecnologie sviluppate nell’ambito di eCREAM saranno poi testate in due casi d’uso.

Nel primo caso si studierà la propensione al ricovero in pronto soccorso. 

“Sappiamo che i tassi di ricovero sono diversi per pronto soccorso diversi e sono condizionati dalla prossimità ospedale-casa, dalle condizioni cliniche e socioeconomiche del paziente e da diversi altri fattori esterni alla mera patologia. Ma sappiamo anche che esiste una variabilità soggettiva del medico. Con le nuove tecnologie che svilupperemo andremo a studiare questa variabilità per creare un modello matematico che predica la probabilità di un paziente di essere ricoverato tenendo conto anche del fattore soggettivo.”

“Il secondo caso d’uso consiste nello studio dell’affluenza al pronto soccorso. Esistono già applicazioni che informano il cittadino sulle tempistiche d’attesa dei diversi pronto soccorso ma con eCREAM vogliamo spingerci oltre. Vogliamo utilizzare le nuove tecnologie anche per fornire informazioni ai diversi operatori dell’emergenza-urgenza in modo da migliorare il servizio di assistenza e renderlo sempre più personalizzato sulle caratteristiche del paziente, della condizione clinica e del territorio” spiega Bertolini.

Gli ostacoli della privacy

Uno degli ostacoli più grandi da superare per eCREAM è quello della privacy, in particolare in Italia dove, secondo le prime osservazioni dell’Istituto ECRIN di Parigi che si occupa di fare ricerca sulle normative in tema di protezione dei dati personali nei diversi paesi europei, le regole da seguire sono particolarmente rigide.

“La protezione della privacy è un diritto fondamentale, per questo stiamo studiando nuove soluzioni che ci permettano di estrarre i dati dalle cartelle cliniche, renderli difficilmente identificabili e riconducibili al paziente. Sarà però necessaria anche una riflessione sulla contestualizzazione delle normative privacy per la ricerca clinica. Dobbiamo chiederci quali sono le priorità rispetto ai bisogni di salute.

Se vogliamo avere medici che basano il proprio operato su conoscenze solide, la raccolta dei dati per la ricerca clinica è imprescindibile” sottolinea Bertolini.

Si tratta dunque di un progetto ambizioso che mira a risolvere uno dei più importanti problemi della medicina d’urgenza sfruttando la grande onda dell’innovazione in medicina e affrontando l’ostacolo delle normative di protezione della privacy.