L’approccio “Value-Based-Healthcare” per la medicina ForUSER

Il progetto D³ 4 Health

I sistemi sanitari pubblici in tutto il mondo fanno affidamento su risorse limitate e sostengono gli elevati costi delle cure. L’adozione di un sistema “Value-Bsed-Healthcare” (VBH) può mitigare queste criticità. In tale scenario si inquadra D³ 4 Health che mira a sviluppare gemelli digitali e biologici per migliorare, attraverso un approccio di data mining, la diagnosi, il monitoraggio e la cura di alcune delle malattie più diffuse e a più alto impatto sul sistema sanitario. L’iniziativa D³ 4 Health fornirà, adottando un approccio VBH, nuove soluzioni predittive e diagnostiche a impatto minimo sul sistema sanitario, e percorsi terapeutici per cinque malattie di riferimento, quali: cancro metastatico del colon, cancro del fegato e delle vie biliari, cancro del sistema nervoso centrale, diabete di tipo I, sclerosi multipla.

L’approccio sviluppato si fonda su una progettazione centrata sull’utente, per il coinvolgimento delle principali parti interessate (ForUSER).

Il Digital Twin del paziente
I gemelli digitali di paziente sono ottenuti attraverso la raccolta di dati retrospettivi, analizzati mediante algoritmi di intelligenza artificiale, ma anche mediante l’implementazione di un approccio prospettico basato sull’uso di dispositivi indossabili, sensori e biomarcatori per il monitoraggio dello stato di salute del paziente. Gli obiettivi di progetto sono realizzati con un approccio interoperabile, traducendo conoscenze funzionali e tecnologiche per risolvere problemi ad alto impatto sui sistemi sanitari nazionali, avvalendosi della partnership di importanti attori del settore pubblico e privato.Il progetto sviluppa ed implementa tecnologie e soluzioni innovative non invasive, basate sull’analisi dei dati sanitari digitali e/o digitalizzati, sfruttando le coorti di popolazione esistenti per le 5 malattie di riferimento, raccolti retrospettivamente dai partner clinici.

Queste grandi quantità di dati di natura eterogenea, vengono raccolti, condivisi, modellati, integrati e analizzati per essere utilizzati su una piattaforma di interoperabilità, implementata appositamente per acquisire dati da più fonti e per definire procedure operative standard per lo sviluppo di soluzioni di Machine Learning (ML) da utilizzare in ambiente ospedaliero, sotto la supervisione del medico. L’architettura della piattaforma adotta un modello Federated Machine Learning (FML) per consentire collaborazioni tra diversi ospedali, fornendo strumenti conformi al GDPR per lo scambio di modelli ML, evitando l’effettivo scambio di dati da un’istituzione all’altra.

Inoltre, i dati raccolti ed elaborati verranno integrati in dispositivi indossabili, sensori e biomarcatori, sviluppati utilizzando le tecnologie abilitanti chiave (KET), affinchè dati retrospettivi e dati predittivi possano essere messi a sistema attraverso strumenti digitali basati sull’intelligenza artificiale. Lo sviluppo di biosensori, dispositivi indossabili e l’identificazione di biopsia liquida e biomarcatori di imaging consentiranno di costruire sistemi di sanità elettronica con crescente complessità migliorando la previsione e la prevenzione, la diagnosi, il monitoraggio e la terapia delle malattie. Le modifiche quotidiane dei parametri di salute del singolo paziente, dello stile di vita e dei dati ambientali potranno essere monitorati e messi a sistema con i dati di natura clinica, rappresentando fattori rilevanti che potenzialmente influenzano gli esiti di malattie specifiche. Questi obiettivi supporteranno l’identificazione e la creazione di Digital Twin, definiti come cluster di pazienti omogenei rispetto ad un dato risultato in ciascuna malattia, e rappresenteranno basi di partenza scalabili per adottare strategie di simulazione per la previsione dei risultati delle cure, basati anche su parametri ancora da scoprire e sul riconoscimento di modelli complessi nel processo.

Le soluzioni tecnologiche sviluppate nel progetto contribuiranno ad un sostanziale miglioramento della qualità della vita delle comunità di riferimento riducendo la necessità di accesso alla struttura ospedaliera. Inoltre, algoritmi intelligenti, che portano a un sistema di supporto decisionale affidabile, efficace ed efficiente per il caregiver, analizzeranno costantemente e automaticamente i dati. La raccolta di dati in relazione sincrona all’assunzione dei farmaci consentirà l’implementazione di strategie per personalizzare la terapia farmacologica e per prevenire conseguenze avverse derivanti dal peggioramento della sintomatologia. Le strategie di simulazione sul Digital Twin dei cluster di pazienti, basate sull’interrogazione di questi modelli, consentiranno di generare ulteriori modelli predittivi di risposta prognostica e terapeutica.

Un ulteriore valore aggiunto del progetto è la costituizione di una Infrastruttura di Ricerca, dotata di strumentazioni all’avanguardia per la progettazione, realizzazione e caratterizzazione di gemelli digitali e biologici in vitro di malattie e per lo sviluppo e la sperimentazione di sensori indossabili, biosensori e biomarcatori. L’infrastruttura di Ricerca di D³ 4 Health implementa un modello diffuso di infrastruttura e si costituisce di nodi locali (implementabili anche mediante lo strumento dei Bandi a Cascata) sotto il coordinamento della Fondazione D34Health. E’ aperta a servizi di ricerca, sviluppo tecnologico e innovazione sia verso la comunità interna all’iniziativa D³ 4 Health sia verso tutti gli stakeholder interessati alle tecnologie sviluppate.