La collaborazione tra NTT Data e Train apre nuove prospettive per la cura delle malattie rare
L’incontro tra intelligenza artificiale generativa (GenAi) e medicina riscrive le regole della ricerca, della diagnosi e della sperimentazione clinica. E’ una delle conclusioni che emerge dal Report “Generative AI and synthetic data for clinical application” presentato da NTT Data, colosso giapponese della consulenza IT, e Train, spin-off dell’IRCCS Istituto Clinico Humanitas, in campo per alleare tecnologia e scienza nella lotta alla malattie rare.
Dati sintetici, malattie rare e la sfida della sperimentazione
Uno dei concetti chiave alla base di questo connubio è la capacità dell’AI generativa di produrre dati sintetici a partire da quelli reali dei pazienti, preservandone la privacy e garantendone al contempo tutta la loro validità scientifica. «Parliamo di nuovi dati che condividono le stesse proprietà statistiche dei dati di partenza» spiega Saverio D’Amico, CEO e Co-Founder di Train. «Il dato sintetico è un amplificatore di conoscenza. Che ci consente di sfruttare un metodo per rendere più robusta l’evidenza scientifica laddove i dati disponibili sono scarsi. E che anzi possono essere progettati per ridurre i bias presenti in quelli reali».
Il risultato? Anzitutto dati utili per colmare le lacune della ricerca e per analizzare e validare terapie con velocità ed efficienza superiori a quelle umane, senza sacrificare nulla al rigore scientifico. Utilizzabili per i test, per lo sviluppo di nuovi farmaci, oltre che per l’addestramento di modelli di machine learning. «Nei trial clinici – spiega Matteo Della Porta, CSO e Co-Founder di Train e Head of leukemia unit di Humanitas – con il supporto dell’AI generativa si possono creare pazienti virtuali sfruttando i dati provenienti da pazienti reali, impiegati per confrontare gli effetti di una terapia farmacologica con coloro che ricevono la nuova terapia, generando risultati sintetici per descrivere cosa accadrebbe se non ricevessero alcun trattamento.
«Non si tratta di inventare nuovi pazienti – continua Della Porta – ma di modellare con precisione scenari basati su dati clinici reali. Un aiuto fondamentale per la ricerca su malattie rare o per sperimentazioni eticamente complesse». Come è possibile far partire uno studio sapendo che metà dei pazienti riceverà una cura che sappiamo già essere poco efficace? si chiede Dalla Porta. Una domanda che mette in discussione il paradigma attuale della sperimentazione. Da un lato, il rigore scientifico impone test con gruppi di controllo. Dall’altro, l’innovazione offre strumenti per ridurre sofferenze inutili.
«Un sistema basato su modelli AI può simulare l’andamento della malattia nei pazienti reali, riducendo il bisogno di coinvolgere persone in studi che potrebbero risultare inutilmente gravosi» spiega Emanuele Corbetta, Head of Life Sciences di NTT DATA Italia. Tuttavia per integrare soluzioni tecnologiche avanzate in questi contesti è essenziale disporre di una piattaforma tecnologica solida e flessibile. Che supporti le esigenze specifiche dell’AI: approcci di validazione dei modelli, sicurezza dei dati, scalabilità e compliance».
L’AI al servizio dell’uomo, non viceversa
A fronte di vantaggi solo in parte oggi apprezzabili gli interrogativi non mancano. L’intelligenza artificiale è spesso accusata di essere una scatola nera, un territorio ignoto in cui i dati entrano e ne escono trasformati, senza un criterio chiaro. Train e NTT Data rispondono con un approccio che mette al centro trasparenza, validazione scientifica e certificazione degli algoritmi. «Il nostro approccio è trattare i modelli AI come farmaci» afferma D’Amico. «Che come questi devono essere testati, validati e certificati con rigore scientifico. Questo è il vero punto di svolta: un’AI trasparente, verificabile e integrata nella prassi clinica. Non un sostituto della medicina, ma un suo alleato».
Il tempo in cui il progresso medico era scandito dal microscopio, dalle intuizioni geniali e dagli esperimenti faticosi è un ricordo del passato. Oggi, il ritmo è imposto dallo sviluppo di codice, da modelli generativi e dalla capacità di elaborare enormi quantità di dati. Una rivoluzione che, se accolta con intelligenza, può migliorare la vita di milioni di persone. Tuttavia, la sfida è duplice. Evitare che l’AI diventi un oracolo incontrollabile e garantire che il valore umano della medicina resti intatto. «Non vogliamo sostituire il medico, ma fornirgli strumenti più potenti per prendere decisioni migliori» chiarisce Della Porta. «E per farlo dobbiamo umanizzare la complessità dell’AI per renderla davvero utile alla pratica clinica». Direzione condivisa da NTT Data il cui claim “We humanize complexity” riconosce implicitamente l’importanza di semplificare la tecnologia. Un equilibrio difficile, ma non impossibile. In fondo, la sfida prima che tecnologica è culturale. Siamo pronti ad accettare che il miglior alleato del medico del futuro possa essere una macchina?
