Medicina personalizzata, il ruolo dei Digital Twin nella cura del paziente

L’orizzonte della medicina contemporanea sta vivendo una trasformazione radicale guidata dalla confluenza tra capacità computazionali avanzate, intelligenza artificiale e generazione di evidenze e dati clinici tramite modelli avanzati e validati clinicamente.

In questo scenario, la tecnologia dei Digital Twins (DT), o gemelli digitali, sta emergendo come uno dei paradigmi più promettenti per rivoluzionare la gestione della salute. Questa tecnologia offre l’opportunità di modellare sistemi biologici complessi, progressioni della malattia e risposte terapeutiche su misura per ogni singolo individuo, fornendo al clinico uno strumento di supporto fondamentale per potenziare e migliorare il processo decisionale.

L’origine del termine Digital Twin

Il concetto di “Digital Twin” non è nato nei laboratori medici, bensì nell’ambito dell’ingegneria industriale. Il termine e la sua struttura teorica sono stati introdotti per definire la creazione di una riproduzione virtuale di un’entità o di un sistema fisico, progettata per replicare i processi del mondo reale con assoluta precisione.

Negli ultimi anni, grazie alla sincronizzazione continua e alla disponibilità di dati multimodali, questo modello ha trovato una traslazione naturale nelle scienze della vita. Il “sistema” da replicare è diventato il corpo umano nella sua straordinaria variabilità fisiologica, aprendo la strada a una gestione clinica e terapeutica personalizzata. Tuttavia, l’enorme complessità biologica rende impossibile, con le conoscenze e le tecnologie attuali, la creazione di una simulazione totale dell’organismo tramite modelli computazionali. Per questo motivo, l’approccio sui Digital Twins viene suddiviso in diverse aree di interesse medico specifiche.

Le applicazioni dei Digital Twin in medicina

Oggi, la ricerca scientifica evidenzia come le applicazioni dei Digital Twins in medicina si articolino in diverse macro-aree specialistiche:

• Simulazione di trial clinici: Questa frontiera consente di condurre studi in silico integrando gemelli digitali in modelli predittivi. Generando popolazioni di pazienti sintetici che replicano le coorti reali, i DT supportano trial più efficienti, riducendo il numero di partecipanti richiesti e mitigando i dilemmi etici legati alla somministrazione di farmaci sperimentali o alla privazione di terapie nei gruppi di controllo. Questo approccio è reso possibile dall’utilizzo di modelli avanzati per la generazione di dati sintetici: dati artificiali prodotti da modelli matematici che replicano le caratteristiche statistiche e cliniche dei pazienti rispettando la privacy, simulando la raccolta e l’evoluzione nel tempo dei parametri clinici sulla base di caratteristiche specifiche.

• Medicina personalizzata: integrando diversi tipi di dati, come quelli clinici, il profilo genetico, lo stile di vita e i dati ambientali, i gemelli digitali abilitano decisioni cliniche mirate. Trovano già applicazione nel management del diabete, nella cardiologia di precisione, nella gastroenterologia legata al microbioma, nell’oncologia personalizzata e nell’ortopedia. A questo si aggiunge l’integrazione di modelli 3D di organi per la pianificazione operatoria e la gestione virtuale del paziente.
• Medicina preventiva e predittiva: tramite l’analisi di dati da dispositivi indossabili (wearable) e modelli biomeccanici, i gemelli digitali stimano i rischi di infortuni o anticipano alterazioni metaboliche prima della comparsa dei sintomi clinici.
• Sviluppo dei farmaci (drug development): l’innovativa integrazione tra IA e Quantitative Systems Pharmacology (QSP) permette di prevedere l’efficacia e le interazioni dei farmaci, accelerando la scoperta di molecole per malattie complesse o rare.
• Ottimizzazione dei sistemi sanitari: su scala macroscopica, i DT modellano interi ecosistemi clinici e flussi di lavoro, migliorando l’allocazione delle risorse nelle emergenze e trasformando le infrastrutture sanitarie verso modelli incentrati sui dati.

Digital Twin per tumori rari del sangue

In questo panorama, il nostro gruppo di ricerca, attivo in sinergia tra Humanitas University, l’IRCCS Istituto Clinico Humanitas e la startup tecnologica Train (spinoff di Humanitas), è impegnato nello sviluppo di piattaforme avanzate di Digital Twin applicate ai tumori rari del sangue, come le sindromi mielodisplastiche (MDS) e le patologie mieloidi correlate.

Ci concentriamo principalmente su due fronti: i gemelli digitali per gli studi clinici tramite la generazione di dati sintetici (sui quali abbiamo sviluppato un’ampia esperienza all’interno di consorzi europei come Synthia e Synthema) e lo sviluppo di modelli per la medicina personalizzata.

Dati, modelli e sincronizzazione clinica

Per i modelli di medicina personalizzata adottiamo un approccio di costruzione strutturato in 5 punti chiave:

1. Sorgente: la base di partenza è costituita interamente dai dati del paziente, da cui parte la costruzione dell’”avatar” virtuale del paziente.
2. Data availability: l’accesso sicuro al valore del dato, e non al dato grezzo in sé, tramite soluzioni tecnologiche avanzate. La sanità moderna vede circa il 97% dei dati sanitari globali rimanere inutilizzato e frammentato a causa di barriere infrastrutturali e normative sulla privacy:

○ Dati sintetici: generazione di profili accurati tramite modelli generativi (reti GAN tabulari) per superare la scarsità del dato e tutelare la privacy.

○ Federated learning: addestramento degli algoritmi di IA localmente sui server protetti degli ospedali, condividendo e aggregando solo i parametri matematici e non i dati, con gli altri centri ospedalieri.

○ LLM e Voice AI: uso di architetture guidate da Large Language Models (LLM) per estrarre dati utili da cartelle cliniche non strutturate, affiancati dall’integrazione di sistemi di Voice AI per l’estrazione prospettica e ottimizzata del dato direttamente durante i colloqui medico-paziente.

3. Modeling: utilizzo di molteplici modelli computazionali per simulare l’evoluzione della malattia e le caratteristiche specifiche del paziente che la ospita, creando scenari futuri estremamente precisi.
4. Interfaccia: Introduzione di un layer conversazionale avanzato per permettere al clinico di interagire in modo semplice e ottimizzato con gli algoritmi complessi.
5. Sincronizzazione: Valutazione costante della traiettoria del paziente reale rispetto a quella simulata, consentendo cambi di scenario tempestivi per ottimizzare il percorso di cura.

Una bussola per la scelta terapeutica

L’applicazione pratica di questo paradigma si rivela cruciale nelle patologie ad alta eterogeneità clinica e complessità biologica, come le sindromi mielodisplastiche (MDS) e la leucemia mielomonocitica cronica (CMML), dove la selezione della strategia terapeutica è una sfida quotidiana.

Un esempio emblematico è il supporto decisionale nel trapianto di cellule staminali emopoietiche. Il trapianto rappresenta l’unica opzione con finalità curativa, ma comporta rischi significativi di morbilità, mortalità procedurale e complicanze severe a lungo termine. Il Digital Twin interviene simulando l’evoluzione della patologia direttamente sulla replica virtuale del paziente. Integrando tutte le variabili cliniche, molecolari, citogenetiche e istologiche del soggetto, la piattaforma consente di valutare virtualmente i benefici attesi del trapianto rispetto alle terapie farmacologiche non trapiantologiche (come gli agenti ipometilanti).

Questo approccio permette al medico di identificare non solo l’eleggibilità del paziente, ma anche il timing ottimale per l’intervento. Anticipare eccessivamente il trapianto in un paziente a basso rischio comporterebbe tossicità evitabili; ritardarlo in un paziente ad alto rischio o in progressione verso una leucemia mieloide acuta ne comprometterebbe fatalmente le chance di sopravvivenza. Il gemello digitale si configura così come una vera e propria bussola predittiva per massimizzare il successo terapeutico.

Digital Twin e assistenti virtuali nella medicina di precisione

Se il Digital Twin rappresenta il motore computazionale della medicina di precisione, la nostra visione strategica prevede uno strato di interfaccia fondamentale per mediare la complessità algoritmica nel rapporto umano, supportando il medico nell’interpretazione dei risultati. Questo ponte operativo è l’assistente virtuale intelligente, in grado di dialogare con i medici in linguaggio naturale ed elaborare i dati in tempo reale. La colonna portante di questo sistema è la spiegabilità (explainability): l’assistente declina le simulazioni con flessibilità dinamica, adottando un lessico medico specialistico con l’esperto clinico e traducendo i medesimi concetti in un linguaggio chiaro ed empatico quando si interfaccia con il paziente.

A lungo termine, l’assistente virtuale affiancherà il medico in tre scenari chiave:

● Durante la visita medico-paziente: estraendo e strutturando i dati in tempo reale e supportando la scelta terapeutica immediata.

● Durante i consulti medici multi-specialistici: interfacciandosi istantaneamente con le linee guida internazionali e connettendo in modo sicuro diversi repository di dati per individuare il percorso più adatto.

● Nel monitoraggio continuo del paziente: valutando costantemente eventuali deviazioni dal percorso ottimale dovute all’aggravarsi delle condizioni di salute, ricalcolando in tempo reale una nuova traiettoria terapeutica in grado di migliorare la qualità di vita del paziente, sollevando il medico dal carico amministrativo e permettendogli di concentrare il proprio tempo sulla cura della persona.