Digital Healthcare

Digital twin in Sanità: quale futuro?

Gli studi più recenti parlano di “inizio di una nuova era della Medicina”.
Il mercato Healthcare e Life Science se n’è accorto, promuovendoli a business milionario. Ma quali sono le tecnologie abilitanti, le applicazioni più promettenti e i principali ostacoli che ne frenano ancora la diffusione?

Pubblicato il 05 Gen 2023

Eugenio Zuccarelli

Data Scientist per aziende Fortune 500 - Forbes 30 Under 30 per la categoria Healthcare

Dall’industria manifatturiera al settore energetico, i digital twin (gemelli digitali) sono ormai non più un concetto prettamente teorico, bensì una realtà.

Cos’è un digital twin e a cosa serve

Un digital twin è la rappresentazione virtuale di un’entità fisica, vivente o non vivente, di una persona o di un sistema anche complesso connessa a una parte fisica e con la quale può scambiare dati e informazioni, sia in modalità sincrona (in tempo reale), che asincrona (in tempi successivi).

WHITEPAPER
Intelligenza Artificiale: 11 rivoluzioni per la Sanità
Intelligenza Artificiale
Sanità

Nel settore energetico, i digital twin sono spesso utilizzati per rappresentare la rete elettrica e aiutare le società di servizi energetici a minimizzare i sovraccarichi dei sistemi. Nell’industria manifatturiera, invece, è spesso utile avere un’idea di insieme del prodotto, per pianificare dimensioni e forme di ogni componente e assicurarsi che il tutto funzioni come sperato prima di sviluppare il prototipo a livello fisico.

Digital twin in Sanità: l’inizio di una nuova era?

Dell’uso dei digital twin per la Salute e, più in generale, in ambito Healthcare e Life Science, se ne parla da tempo. C’è chi immagina le tecnologie digital twin perfino come una possibile (e naturale) evoluzione dell’attuale Fascicolo Sanitario Elettronico.

Ciò che è certo è che, oramai, il mercato ha fiutato la potenziale disruption di queste tecnologie, a tal punto da far divenire il digital twin un business milionario.

Alcuni recenti e significativi studi scientifici hanno sondato la possibilità che i digital twin in Sanità possano rappresentare “l’inizio di una nuova era della medicina basata sulle prove”.
Poter rappresentare un paziente, un ospedale o sistemi anche più complessi in modo digitale può infatti fornire un enorme valore, soprattutto se pensiamo a casi come quello della medicina personalizzata o dei test clinici.
In tali ambiti, i digital twin possono essere validamente utilizzati per simulare terapie individuali e progressione della malattia, visualizzandone in tempo reale i potenziali risultati e prevedendone gli effetti a lungo termine.

Creare un digital twin, però, richiede l’uso di molte tecnologie avanzate per poter “sbloccarne” tutto il reale potenziale. Vediamo quali e perché sono fondamentali per abilitare il modello del digital twin in Sanità.

Digital twin in sanità: tecnologie abilitanti e principali applicazioni (fonte: MDPI)

Digital twin in Sanità: Internet of Things e sensori

Secondo Schwartz et al. (2020) e Voigt et al. (2021), un’automobile è equipaggiata con più di cinquanta sensori e mini-computer che monitorano in modo continuo il suo funzionamento. Questo permette di creare modelli virtuali e fare simulazioni considerando un’ampia gamma di fonti di dati che rappresentano in modo fedele l’ambiente circostante.

Allo stesso modo, per creare una fedele rappresentazione digitale di una persona o un ospedale, è necessario dotare il paziente o la struttura di svariati sensori che monitorano in tempo reale la situazione. Da ciò possiamo intuire la complessità della transizione ad un modello basato sul digital twin in Sanità. Occorrono, infatti, sensori intelligenti di ogni tipo, da quelli cardiaci a quelli di movimento (per esempio, per rilevare possibili cadute) e molti altri ancora che permettano di raccogliere dati dei più disparati per poi aggregarli e fornire una visione d’insieme del soggetto. E ciò, ovviamente, pur rappresentando un percorso sempre più esplorato e battuto, non è ancora lo stato dell’arte dell’Healthcare per come lo conosciamo oggi.

Internet of Medical Things (e sensori smart) sono tecnologie abilitanti per i digital twin in sanità

Cloud ed Edge Computing per abilitare il digital twin

Per processare questi dati e compiere tutte le simulazioni, è necessaria una grande potenza di calcolo. Il Cloud fornisce la possibilità di compiere grandi quantità di calcoli solamente quando necessario, pagando per la potenza di calcolo on-demand, senza dover comprare fisicamente i server. Inoltre, va considerato che anche i processi di settori fortemente regolati, quali appunto Healthcare e Pharma, possono avvalersi dei benefici del Cloud, tecnologia invero sempre più diffusa e adoperata, anche in Italia, da parte delle organizzazioni sanitarie pubbliche e private, spesso anche attraverso modelli ibribi che prevedano infrastrutture locali basate sull’Edge Computing.

Intelligenza Artificiale motore del modello digital twin

L’intelligenza artificiale gioca ormai un ruolo chiave negli ambiti della Salute e della Medicina (si pensi, ad esempio, al contrasto della diffusione delle pandemie) e, ovviamente, è e sarà sempre più cruciale per favorire la diffusione del modello digital twin in Sanità.
Ad esempio, essa permette di elaborare e trasformare i dati in immagini tridimensionali, analizzando ogni fonte di informazione e processandole all’unisono, anche al fine di aiutare medici e radiologi nell’ambito dell’imaging diagnostico.
Inoltre, l’AI può essere anche usata nella sua accezione “più classica”, permettendo di compiere istantaneamente stime e predizioni. Ogni modello di Machine Learning, infatti, può essere utilizzato nel mondo virtuale del digital twin allo stesso modo in cui sarebbe adoperato nel mondo reale, a patto che i dati siano disponibili, ovviamente. Ciò, nell’ambito medico, si traduce per esempio nell’utilizzare modelli di intelligenza artificiale per diagnosticare malattie o, addirittura, prevederle o predirne la progressione sulla base delle informazioni disponibili al momento.
Il tutto, si pensi ad esempio alle sperimentazioni cliniche nella scoperta di nuovi farmaci, consentendo al nostro io biologico di non rischiare nulla.

farmaci - intelligenza artificiale
L’intelligenza artificiale è di grande aiuto nella costruzione di modelli digital twin per la scoperta e la sperimentazione di nuovi farmaci

VR ed AR: il digital twin dai numeri alle immagini

Infine, per poter visualizzare le simulazioni provenienti dai dati che generano i digital twin, è necessario fare uso della realtà virtuale ed aumentata. È essenziale, infatti, tramite l’ausilio di visori, poter immergersi nella realtà dei digital twin per investigarne i comportamenti e rendere più comprensibili all’essere umano le informazioni da essi generate.
Tutto ciò diviene particolarmente importante quando a interpretare tali informazioni  non siano i creatori e gli esperti di queste tecnologie ma persone “non estremamente tecniche”, come per esempio gli stessi medici, clinici, chirurghi e specialisti, che possono ottenere una migliore user experience dai digital twin in sanità sentendosi trasportati nella simulazione invece che disponendo soltanto di “riassunti numerici” di ciò che è accaduto al digital twin nel corso di uno studio, un esperimento con nuovi farmaci o, magari, durante la simulazione di un intervento chirurgico.

Abbiamo visto, dunque, come allo sviluppo e alla concreta applicazione del digital twin in sanità siano necessarie molteplici e complesse tecnologie avanzate.
Ciò nonostante, i digital twin stanno prendendo sempre più piede, anche nei settori Healthcare e Pharma, proprio grazie al vasto numero di possibili utilizzi.

Ma quali sono, al momento, le principali applicazioni dei digital twin in Sanità?
Di seguito, a titolo d’esempio, ne analizziamo alcune.

Digital twin e Medicina Personalizzata

Una delle applicazioni più promettenti dei digital twin in Sanità è la Medicina Personalizzata. L’intero settore sanitario, soprattutto grazie a tecnologie quali l’Intelligenza Artificiale, si sta spostando da un concetto di medicina come cura del paziente ad uno di prevenzione, in modo tale che la malattia sia debellata prima ancora di insorgere.

La prevenzione si basa sull’identificazione repentina di malattie (tramite tecniche soprattutto predittive) ma anche sull’individuazione delle cause principali del rischio di svilupparle. Una volta  capito a livello individuale, cioè, quali siano le cause primarie di malattia per una certa persona, si può poi creare un piano di trattamento personalizzato.

Allo stesso modo, il digital twin permette di identificare, tra varie terapie possibili, la migliore per uno specifico paziente date le sue caratteristiche uniche.
Sul digital twin, infatti, sarebbero sperimentate diverse terapie e, una volta selezionate quelle ottimali, si  procederebbe a sottoporre al paziente vero e proprio quelle con i migliori risultati.

Test clinici e sperimentazione di nuovi farmaci e terapie

Il processo appena descritto può applicarsi anche ai test clinici. Si può infatti creare un gruppo di studio digitale, a una parte del quale sottoporre la terapia e ad un’altra un placebo. In questo modo, si possono analizzare gli impatti di nuovi farmaci non ancora testati sugli esseri umani e sui loro organi (si pensi anche, ad esempio, all’obiettivo simile che tenta di raggiungere il filone degli studi e delle ricerche sui chip multiorgano), farmaci che potrebbero avere effetti collaterali molto gravi se usati sull’essere umano invece che su modelli computerizzati di processi metabolici realizzati, appunto, mediante digital twin.

Digital twin (anche) per abbattere i costi della Sanità

Un digital twin, tuttavia, potrebbe non servire soltanto per “analizzare” un singolo paziente, ma anche per simulare un intero ospedale, istituto clinico o struttura sanitaria. Creando un digital twin dell’intera struttura, infatti, si riuscirebbe ad avere un impatto positivo non soltanto sulla persona, ma anche sulla struttura ospedaliera nel suo complesso.
Ad esempio, si potrebbe gestire al meglio l’utilizzazione dei posti letto in ospedale, il flusso di pazienti in entrata e uscita e l’allocazione delle risorse. Ciò porterebbe a miglioramenti generali nell’efficienza complessiva e nella qualità dell’assistenza sanitaria offerta da tali strutture, oltre alla relativa ottimizzazione dei costi e al conseguente miglioramento dei bilanci economici degli istituti sanitari pubblici e privati.

Finora, abbiamo analizzato le principali tecnologie e applicazioni dei digital twin in ambito Healthcare e Life Science.

Ma sono tutte rose e fiori?

Purtroppo no. Non mancano, infatti, come vedremo di seguito, ostacoli e barriere alla diffusione e all’applicazione concreta del modello digital twin in sanità.

Il problema dell’interoperabilità dei dati

Quello dell’interoperabilità è un aspetto sempre più centrale nel mondo digitale e, in particolare, in quello della Sanità Digitale (si pensi, ad esempio, riguardo al nostro Paese, ai tanti problemi di interoperabilità del Fascicolo Sanitario Elettronico).
La carenza di sistemi che “parlano l’uno con l’altro” e si interfacciano in modo semplice crea delle forti limitazioni anche per un’applicazione concreta dei digital twin in sanità. Questi sistemi, infatti, hanno un forte bisogno di dati interoperabili, soprattutto in tempo reale, condizione allo stato particolarmente difficile da ottenere, soprattutto in Italia.
Inoltre, come già sottolineato in precedenza, ogni paziente o posto letto dovrebbe essere fornito di un’ampia serie di sensori, altra barriera sia in fatto di condivisione e interoperabilità dei dati che a livello economico.

Etica, privacy ed equità di accesso alle cure

La grande quantità di dati necessaria al funzionamento del modello digital twin in sanità, porta con sé, inevitabilmente, preoccupazioni sia a livello di privacy che di etica.
La mole di dati e il costo computazionale necessari per creare un digital twin implicano che l’immagazzinamento e l’analisi di questi dati venga compiuta molto probabilmente in sistemi terzi, per esempio il Cloud di grandi aziende Tech. Ciò comporta potenziali problemi, dato che le informazioni dei pazienti devono essere condivise, anonimamente è vero, ma pur sempre condivise con queste aziende.
Inoltre, avendo a che fare con grandi quantità di dati, si farebbe fatica a mitigarne il bias intrinseco. Questo perché i dati stessi provengono da ospedali e pazienti. Per esempio, è noto come persone meno abbienti abbiano di solito meno accesso alle cure rispetto ad una persona benestante; allo stesso tempo, ospedali con più fondi e in comunità benestanti avrebbero più facilità ad implementare un digital twin rispetto ad ospedali in comunità marginalizzate.
Il rischio, quindi, è che il digital twin – così come, invero, l’intero spettro delle applicazioni tecnologiche più avanzate della Digital Health, se non opportunamente indirizzate e “regolate” – possano non rispettare (si pensi, ad esempio, alla telemedicina) il principio fondamentale dell’equità di accesso alle cure.

Digital twin in sanità: quale futuro?

Uno degli ostacoli maggiori alla diffusione del modello digital twin in sanità è rappresentato dalla componente culturale.
Per poter davvero raccogliere i frutti del digital twin è necessario, infatti, che vi sia un grande rapporto di fiducia tra medici ed esperti tecnici.
Una comunicazione medico-scientifica e una vision condivisa, cioè, capaci di ingenerare una consapevolezza collettiva sul fatto che tecnologie quali il digital twin siano soltanto uno strumento in più nelle mani dei medici e non siano state pensate e predisposte per sostituirli nei processi clinici e decisionali che restano, invece, com’è giusto che sia, completamente nelle loro mani e nelle loro menti.

È da un approccio culturale di questo tipo, forse anche più che dalle potenziali difficoltà tecnologiche, etiche e di privacy, che dipenderà lo sviluppo e l’utilizzo rapido su larga scala del digital twin in sanità.

INFOGRAFICA
Industria Manifatturiera: come ottimizzare tempo, materiali e energia grazie alla Data Analysis
Big Data
Manifatturiero/Produzione
@RIPRODUZIONE RISERVATA
Argomenti trattati

Approfondimenti

D
digital twin
S
sanità digitale

Articolo 1 di 5