Dagli studi in silico ai gemelli digitali: l’intelligenza artificiale apre nuove prospettive per rendere la ricerca pediatrica più sicura, efficiente e personalizzata
I Medical Digital Twins (MDT) sono una delle applicazioni più rivoluzionarie della bioinformatica moderna. Come avere un “avatar” biologico, un modello matematico e computazionale che replica fedelmente le caratteristiche fisiologiche, genetiche e biochimiche. Un gemello digitale è un’entità alimentata da un flusso costante di dati provenienti da diverse fonti:
- Dati “Omici”: Genomica (DNA), trascrittomica (RNA) e metabolomica;
- Dati Clinici: Cartelle mediche, referti radiologici (TAC, Risonanze) e analisi del sangue;
- Dati in tempo reale (IoMT): Sensori indossabili (Smartwatch, sensori di glucosio, patch cardiaci) che monitorano parametri vitali 24/7;
- Dati Ambientali: Esposizione a inquinanti, dieta e stile di vita.
L’Intelligenza Artificiale aggrega questi dati per creare un modello multiscala: dalla singola cellula all’intero organismo. Uno dei settori della medicina che richiede sempre di più l’utilizzo dei digital twins è la sperimentazione in ambito pediatrico . IL MOTIVO? Gli studi clinici standard (RCT) sui bambini incontrano ostacoli critici: difficoltà di reclutamento, scarsa potenza statistica, costi elevati e dilemmi etici legati all’esposizione di minori a terapie non ancora validate.
La soluzione: Innovazioni digitali
L’integrazione di Digital Twins, dati sintetici e studi in silico (pazienti virtuali) può superare questi limiti. Sebbene siano ancora poco usati in pediatria, questi strumenti offrono sicurezza: Minore esposizione dei bambini a rischi o farmaci inefficaci, efficienza: Studi più brevi, approvazioni farmaceutiche accelerate e costi ridotti,personalizzazione: Trattamenti su misura e implementazione clinica più rapida.
Come riporta la rivista “The Lancet” nonostante i test clinici tradizionali siano il metodo più affidabile per approvare una cura, presentano limiti enormi: sono costosi, lenti e spesso espongono i pazienti a rischi inutili prima di averne provato l’efficacia. Molti studi vengono interrotti perché non si trovano abbastanza volontari.
La sfida della ricerca sui neonati: perché le “prove” sono così difficili da trovare?
Nel mondo della medicina, i test clinici (RCT) sono la bussola che ci dice se una cura funziona. Ma quando si tratta di neonati prematuri, questa bussola spesso vacilla. Il motivo? Una cronica mancanza di numeri.
Il caso dell’Enterocolite Necrotizzante (NEC) Prendiamo l’enterocolite necrotizzante, una grave infiammazione intestinale che colpisce i piccoli nati sotto il chilo e mezzo. Per capire se un intervento (come l’uso dei probiotici) sia davvero efficace nel prevenirla, servirebbero studi su migliaia di neonati. Tuttavia, la realtà è ben diversa:
- Studi “briciola”: Una grande revisione su 56 studi ha mostrato che la maggior parte di essi coinvolgeva meno di 150 bambini. Troppo pochi per dare certezze;
- Risultati incerti: Solo pochissimi studi hanno superato i 500 partecipanti, mentre per avere risposte definitive ne servirebbero migliaia, insieme a anni di lavoro e fondi immensi.
- Cure basate sul “forse“: Il risultato di questa carenza è frustrante: le prestigiose revisioni Cochrane (il tribunale della scienza) finiscono quasi sempre con la stessa frase: “Servono ulteriori studi”. Ad oggi, gran parte delle cure neonatali ha una “certezza delle prove” bassa o bassissima, costringendo i medici a decidere basandosi su consensi tra esperti o su dati adattati dagli adulti, piuttosto che su prove matematicamente inconfutabili.
In sintesi: La ricerca neonatale è bloccata in un paradosso: per proteggere i pazienti più fragili servirebbero studi giganti, ma le difficoltà pratiche ed economiche li rendono quasi impossibili da realizzare con i metodi tradizionali. In conclusione la ricerca neonatale si trova in un vicolo cieco: la maggior parte delle revisioni scientifiche conclude che le prove attuali sono di qualità troppo bassa, rendendo urgenti nuove soluzioni per garantire cure sicure ai più piccoli.
Potrebbe interessare anche Real World Data: sfide ed opportunità
