Innovation & Value Creation

Metaverso e GenAI in Sanità e nel Pharma: dall’hype alla realtà

Dal ruolo chiave dei dati e della capacità di saperli gestire e analizzare alla necessità di nuovi modelli collaborativi: ecco cosa serve affinché le tecnologie emergenti siano davvero abilitanti per creare valore a lungo termine nel processo d’innovazione e trasformazione digitale del settore Healthcare e Life Science

Pubblicato il 21 Feb 2024

Andrea Pagliai

CEO Advisor Gemelli Digital Medicine & Health

Il Metaverso nasce sul principio di integrazione di molte tecnologie, alcune preesistenti e altre emergenti. Alcune di queste tecnologie emergenti accelerano nel loro processo di sviluppo e diventano spesso l’hype del momento, così come il mondo dell’AI/GenAI è oggi più visibile rispetto ad altri che vedranno una simile esplosione di interesse nel breve-medio termine.

Tecnologie emergenti: cosa serve perché portino valore

Per tutte queste nuove tecnologie, vale il principio chiave che per essere il cardine di una vera trasformazione industriale – e non rimanere un hype – devono essere in grado di assicurare una forte integrazione, un continuum tecnico-operativo rispetto al contesto attuale produttivo per il mondo della ricerca e di ingaggio tra i vari attori della filiera della salute. Ed una pervasività che deve essere in grado di stimolare una contestuale evoluzione del contesto legislativo – normativo in grado effettivamente di abilitare nuovi modelli sostenibili di generazione del valore su larga scala.

Questo continuum si sta effettivamente realizzando, integrando la realtà digitale e quella fisica dal consumatore al paziente, dal medico al ricercatore. Gli utenti di soluzioni tecnologicamente avanzate applicate alle Scienze della vita vivranno sempre di più un’esperienza in cui le dimensioni fisica e virtuale si fonderanno senza soluzione di continuità, sbloccando possibilità un tempo inimmaginabili per la nostra società.

Oggi siamo in grado di assaggiare solo una parte dell’enorme potenziale che questa multi-realtà renderà disponibile, mentre vediamo già come i contesti industriali del Life Science e dell’Healthcare iniziano fortemente a trasformarsi, insieme ad altri segmenti industriali limitrofi quali il mondo assicurativo, quello della distribuzione, del consumer health, del retail e del wellness.

Metaverso e GenAI in ambito Ricerca & Sviluppo

Nel settore R&D iniziano ad essere abilitati nuovi modelli, determinando la riqualificazione di attività di progettazione e scoperta delle nuove molecole, dematerializzando alcune attività spostandole dai laboratori fisici a quelli virtuali, accelerando l’utilizzo di simulazioni virtuali e di dati in silico, abilitando la creazione di gemelli digitali.

L’applicazione di questi nuovi modelli sta accelerando l’intero processo di studio e comprensione delle malattie, riducendo i costi medi necessari per il lancio di una nuova molecola sul mercato.

Inoltre, l’utilizzo che si sta facendo della Gen-AI applicato al processo di screening di milioni di composti chimici e al confronto con i risultati noti per le molecole già testate, e della possibilità di abilitare una modellazione molecolare collaborativa utilizzando il metaverso per visualizzare facilmente le complesse strutture molecolari, sta aumentando notevolmente le probabilità di trattare con successo particolari malattie.

L’applicazione di modelli predittivi allo sviluppo dei test preclinici, l’esecuzione di sperimentazioni cliniche sfruttando elementi di metaverso, stanno creando nuovi modelli di ingaggio e approcci più olistici al monitoraggio dei pazienti lungo i diversi percorsi di sperimentazione, portando ad un aumento del grado di partecipazione, una loro più agevole decentralizzazione e ad un aumento dei tassi di aderenza.
L’uso di modelli predittivi che esaminano i dati fenotipici insieme ai dati reali (RWD) – tratti da visite mediche, reclami assicurativi, cartelle cliniche elettroniche, dati ospedalieri e altre fonti, sta consentendo di capire meglio perché sottogruppi di pazienti rispondono in modo diverso agli stessi trattamenti e di identificare dei biomarcatori digitali.

Modelli di AI come supporto alle decisioni nella clinica medica

Nell’ambito della formazione e diffusione di conoscenza cominciano ad essere disponibili soluzioni fisico-virtuali abilitate da innovative attrezzature diagnostiche e di precisione che agiscono come coach di supporto alle decisioni nella operatività clinica (e.g. fornendo una visibilità estesa su dove esattamente fare un’incisione, oppure elaborando con modelli di AI in real-time le molteplici variabili e relative forme d’onda fornite dai sensori collegati ad un paziente) o interagendo direttamente nella gestione di una terapia (e.g. controllando i dati diagnostici e di aderenza in tempo reale confrontandoli con quelli storici, suggerendo un’azione di controllo). Il tutto sempre nel rispetto della ortodossia clinica, della normativa prevista per la gestione di quello che deve essere sempre considerato un device medicale, e nel massimo rispetto della sicurezza nella gestione della privacy dei dati trattati.

Metaverso e GenAI in ambito Pharma

Anche le fasi di produzione, distribuzione e controllo di qualità nella produzione di un farmaco si stanno trasformando.

Soluzioni basate su GenAI, e applicazioni basate su concetti di metaverso, consentono oggi di migliorare l’analisi di grandi quantità di testo, immagini e altre fonti di dati, localizzando rapidamente le procedure operative più idonee negli impianti di produzione, abilitando forme di collaborazione remota e co-working indipendentemente dalla localizzazione fisica degli spazi e delle persone coinvolte, aiutando a monitorare e gestire le prestazioni della linea di produzione in tempo reale, generando automaticamente piani di intervento sulla linea, ottimizzando i programmi di riparazione e sostituzione, classificando automaticamente le gravità delle deviazioni riscontrate evidenziando le possibili potenziali cause e suggerendo le azioni correttive corrispondenti.

Stanno cambiando così anche i rapporti nella parte finale della filiera dove si stanno abilitando nuovi modelli di ingaggio tra medico, paziente, caregiver e distributori.
Si stanno creando nuovi spazi virtuali con le prime farmacie nel metaverso e contesti virtuali in cui simulare esperienze che possono alleviare sintomi reali, ad esempio, aggiungendo elementi immersivi musicali a supporto della terapia del dolore; oppure, aiutando a formulare diagnosi oggettivate da misurazioni integrate che consentono una visualizzazione immediata di comportamenti positivi di cura, ad esempio fornendo biofeedback sulla postura e sul controllo del movimento del paziente in fase riabilitativa.

Le basi per nuovi modelli economici

La capacità di raccogliere e analizzare i dati lungo tutta la filiera industriale e di servizio sta ponendo delle solide basi infrastrutturali per rendere sempre più realizzabili modelli di rimborsabilità basati su “outcome” di cura e per creare asset virtuali basati su dati secondari anonimizzati e certificati in blockchain disponibili per un nuovo ecosistema in cui i “token sanitari” diventeranno uno dei principali mezzi transazionali da gestire e regolamentare.

Il ruolo chiave dei dati

Quali sono, quindi, in questo contesto in rapida evoluzione, gli elementi e i passi che consentono avere quell’integrazione tecnico-operativa che permette di realizzare concretamente i processi trasformativi descritti andando oltre l’”hype”?

Tra gli elementi cardine abbiamo l’effettiva disponibilità, l’autorità di uso e la capacità elaborativa dei dati,

nel rispetto della normativa vigente ed in corso di definizione.
Anche se i dati non sono in possesso di un singolo attore della filiera industriale, l’applicazione – ad esempio – di metodologie di blockchain e di Federated Learning, consente oggi tecnicamente di certificare le fonti e far apprendere esattamente gli stessi modelli predittivi senza necessità di centralizzare i dati in un unico luogo fisico.

Il primo passo è, quindi, comprendere cosa si ha veramente a disposizione e come effettivamente si è in grado di raccogliere, utilizzare e condividere le informazioni in proprio possesso negli ambiti in cui si è coinvolti dalla ricerca alla produzione, dalla distribuzione alla gestione dell’interazione medico e paziente.

In molti degli scenari precedentemente descritti, l’applicazione di metodologie di analisi e calcolo, che vanno dalla statistica descrittiva e inferenziale, dalle tecniche avanzate di machine learning, supervisionate e non supervisionate, all’utilizzo di reti neurali profonde e all’applicazione di deep learning e text mining, consentono, ad esempio, di generare dati sintetici, oppure di sviluppare algoritmi predittivi.
In sintesi, di creare dei prodotti secondari di dati. Questi prodotti dall’elaborazione di dati grezzi, a cui viene assicurata la non riconoscibilità e riconducibilità al singolo dato originale, portano con loro sia il valore della elaborazione analitico-statistica, supportata dalle tecnologie di AI, ma anche la competenza clinica e quella funzionale. Questi sono gli elementi che consentono primariamente e nel loro insieme di estrarre il vero valore industriale dell’utilizzo del dato nel continuum tecnologico-operativo prima citato.

Ad esempio, se ci soffermiamo per un momento alla progettazione dei sistemi / piattaforme di AI a supporto dell’assistenza sanitaria, notiamo che questa si deve basare necessariamente:

  • sulla disponibilità di basi dati verticali di patologia, con una importante profondità longitudinale nel tempo
  • su una forte capacità di catalogazione e standardizzazione dei dati sanitari raccolti ed elaborati, univoca tra le varie fonti e replicata logicamente su tutte le patologie, in grado di definire un inquadramento dei profili di rischio per la medicina di precisione
  • la certa applicazione di tecniche e processi relativi ad una gestione opportuna della privacy assicurando la conformità con il GDPR.

È solo su questa assunzione di disponibilità di base informativa che è possibile poi pensare di:

  • applicare una capacità di sviluppo di modelli predittivi (basati su AI) e di esecuzione di percorsi di cura personalizzati, co-disegnati con il personale medico
  • sviluppare strumenti avanzati di terapie digitali (anche secondo normativa MDR) integrati con i percorsi intra ed extra ospedalieri e con le attività di monitoraggio e assistenza continua previste fra medico ed assistito.

Modelli operativi collaborativi: perché e come crearli

Il secondo passo è abilitare nuovi modelli operativi fortemente collaborativi tra vari attori di ecosistemi diversi.

Il continuum tecnologico non sarà a disposizione di un singolo attore, non sarà chiuso in un singolo settore industriale, sarà co-creato e condiviso e consentirà ad alcuni attori di giocare ruoli anche diversi rispetto a quelli che svolgono attualmente nella loro catena del valore.

Costruire modelli operativi collaborativi implica la costituzione di accordi industriali basati sulla capacità di orchestrazione di competenze e di servizi al fine di condividere:

  • porzioni di conoscenza clinica, di ampiezza informativa, conoscenza regolatoria, capacità infrastrutturale ed elaborativa, esperienza tecnologica-funzionale, competenza industriale
  • esperienza nella creazione di soluzioni di medicina digitale nel rispetto dell’ortodossia clinica e della ricerca.

Le competenze nuove richieste sono scarse, assenti, ed in alcuni casi influenzate dalla tendente riduzione progressiva dell’organico di alcuni settori.
Modelli operativi collaborativi consentono di condividere talenti tra i vari attori dell’ecosistema salute, mentre sarà comunque necessario acquisire o sviluppare competenze strategiche cross-industriali in grado di disegnare accordi di valore condivisi tra due o più partner afferenti a perimetri industriali differenti. 

Metaverso e GenAI nell’Healthcare e Life Science: collaborare per creare valore a lungo a termine

Il terzo passo è collaborare per contribuire rapidamente alla definizione di un guard-rail chiaro del contesto regolatorio cruciale per accelerare e guidare correttamente il processo trasformativo attivato dalle nuove tecnologie.

La chiarezza del perimetro di gioco è elemento fondamentale per assicurare la sostenibilità, l’equilibrio sociale, il bilanciamento necessario nella generazione e distribuzione del valore in un contesto industriale importante come quello del Life Science e dell’Healthcare.

Creare valore a lungo termine nel Meta-Care (metaverso @ healthcare) attraverso capability innovative come l’AI/GenAI, ci impone, quindi, di guardare al di sotto della superficie dei casi d’uso sviluppati finora nel mercato.

Come per tutte le importanti onde di trasformazione industriale, una corretta impostazione nelle fasi iniziali è un prerequisito fondamentale per garantire i benefici nel lungo termine.

Oggi siamo nella fase iniziale in cui diversi multiversi frammentati si aprono a noi man mano.
Non tutto è chiaro o perfettamente definito, ma – mentre attraversiamo la soglia di questa nuova frontiera – dovremmo iniziare a muovere i passi sopra descritti con uno nuovo spirito, straordinariamente più collaborativo rispetto a momenti storici simili passati.

@RIPRODUZIONE RISERVATA

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articolo 1 di 5