Un gemello digitale del paziente in grado di evolvere nel tempo sulla base di dati reali e di simulare scenari clinici complessi: dalla progressione della malattia alla previsione del rischio, fino alla valutazione della possibile risposta alle terapie. Nel dibattito contemporaneo sull’innovazione dei sistemi sanitari, il concetto di digital twin si sta imponendo come uno degli strumenti più promettenti per accompagnare la transizione verso modelli di cura più predittivi, personalizzati ed efficienti. Con questo termine si definisce infatti una rappresentazione virtuale dinamica di un’entità reale – che può essere un dispositivo, un oggetto ma appunto anche un paziente o un singolo organo – costruita attraverso l’integrazione di dati provenienti da molteplici fonti.

Riduzione di tempi e costi

In medicina tale paradigma trova oggi applicazioni sempre più concrete, con implicazioni rilevanti tanto sul piano clinico quanto su quello organizzativo e gestionale. Una replica digitale del paziente o di un suo organo si alimenta continuamente grazie a dati clinici, immagini diagnostiche, informazioni genomiche, parametri provenienti da dispositivi indossabili e cartelle elettroniche. Ciò permette quindi di integrare informazioni provenienti da diverse tecnologie e da diversi centri clinici e di ricerca, migliorando inoltre la cooperazione tra professionisti sanitari.

Un modello dinamico

In definitiva, un digital twin di un paziente permette di simulare il comportamento del suo corpo e di prevederne l’evoluzione fisiologica e patologica nel tempo. «Parliamo dunque di un modello dinamico che si aggiorna progressivamente man mano che nuovi dati diventano disponibili», mi ha spiegato Marco Alì, consulente scientifico di Centro diagnostico italiano, in un’intervista per un articolo di prossima pubblicazione su Tecnica Ospedaliera. «In questo modo può contribuire a migliorare la diagnosi, a stimare l’evoluzione del quadro clinico e a fornire al medico un supporto decisionale personalizzato».

IA e big data per la diagnostica

Un progetto a più voci

È in questo contesto che ha preso il via il progetto Copailot (Collaborative Platform of Artificial Intelligence Learning from Omics Technologies), coordinato dall’Ospedale Galeazzi Sant’Ambrogio di Milano, che si propone di sviluppare una piattaforma digitale collaborativa a supporto della medicina predittiva e personalizzata. Copailot rientra nell’ambito del bando Collabora & Innova di Regione Lombardia, dedicato al sostegno di progetti complessi di ricerca, sviluppo e innovazione. L’iniziativa promuove la collaborazione tra centri clinici, istituti di ricerca e imprese e coinvolge una rete di partner tra cui lo stesso Centro diagnostico italiano.

Dall’oncologia all’Alzheimer

Le principali aree di intervento di Copailot riguardano settori critici come l’oncologia, le malattie neurodegenerative, quelle muscolo-scheletriche e le patologie cardiovascolari e respiratorie. «Attualmente ci siamo concentrando in particolare su patologie come Alzheimer, tumore della prostata e della mammella, alcune condizioni metaboliche e patologie cardiovascolari, ambiti nei quali l’integrazione di dati clinici, biologici e di imaging può contribuire a descrivere meglio il profilo di rischio del singolo paziente», aggiunge Alì. L’obiettivo è creare modelli predittivi personalizzati, basati su algoritmi di apprendimento automatico, che possano supportare i medici, riducendo al minimo i rischi e aumentando le probabilità di successo delle terapie. «Il digital twin non sostituisce il giudizio clinico e non fornisce previsioni certe. Può però aiutare a comprendere il paziente lungo una traiettoria: non solo la condizione presente, ma anche la sua storia clinica, l’evoluzione nel tempo e i possibili scenari futuri».

L’IA per la procreazione assistita

Impatto sul Sistema sanitario

Attraverso l’adozione di tecnologie avanzate e la cooperazione tra imprese, centri di ricerca e istituti clinici, Copailot punta inoltre a rafforzare la competitività del sistema sanitario lombardo, migliorando l’efficienza dei percorsi diagnostici e dei trattamenti e aprendo la strada a nuovi modelli di medicina predittiva. Inoltre, nel lungo periodo, il progetto contribuirà a favorire l’adozione di innovazioni tecnologiche che non solo miglioreranno i risultati clinici per i pazienti, ma ridurranno anche i costi sanitari, incrementando al contempo l’efficienza e la sostenibilità del sistema. La piattaforma ha inoltre il potenziale per essere adottata su larga scala, con un impatto positivo anche per il sistema sanitario nazionale ed europeo.