Il Digital Twin in sanità

Il Digital Twin in sanità

Maggio 2024 Off Di Giovanni Brancato

Valeria Panebianco
Dipartimento di Scienze Radiologiche, Oncologiche e Anatomo-Patologiche
Referente scientifico dello SPOKE 3 e Principal Investigator della Linea Tematica 3 - D3 4 Health

Gli obiettivi di Spoke 3

Lo Spoke 3 è dedicato agli studi prospettici che hanno l’obiettivo comune di costruire il Digital Twin attraverso una serie di raccolta di dati che provengono da diverse sorgenti, quali quelle dell’imaging (Tomografia Computerizzata, Risonanza Magnetica, Ecografia), dai dati omici (biopsia liquida), come per esempio il sequenziamento dei micro RNA, la Digital Pathology, nonché tutto il corredo delle informazioni demografiche relative al soggetto . A ciò si aggiunge un’importante linea tematica dedicata ai dati che provengono da sensori e da dispositivi medici; nello specifico si tratta di identificare biomarkers provenienti per esempio dall’utilizzo di un dispositivo del respiro per le patologie oncologiche, piuttosto che una maglietta elettrochimica per l’analisi del sudore come biomarkers di risposta alla terapia, nonché dispositivi medici per l’analisi del movimento in soggetti affetti da sclerosi multipla con applicazione di Elettronecefalogramma (EEG) wireless. L’insieme di tutti i dati provenienti dalle varie sorgenti vengono classificati in maniera logistica e poi stratificati secondo gravità e caratteristiche della stessa patologia. Tutto questo non sarebbe possibile senza l’utilizzo di una infrastruttura digitale rappresentata sostanzialmente da una piattaforma ovvero di un ecosistema digitale che in maniera olistica gestisce la totalità delle informazioni.
Lo spoke 3 raggruppa in sè un insieme di varie expertise che i vari professionisti mettono a disposizione della ricerca. Nello specifico, lavorano in team radiologi, esperti di imaging, patologi generali che si occupano della biopsia liquida, anatomopatologi esperti di Digital Pathology, vari clinici che gestiscono le patologie di riferimento (oncologi, gastreneterologi, neurologi, chirughi, diabetologi); non sarebbe, infine, possibile una gestione del progetto di medicina digitale senza gli ingegneri informatici e biomedici ma anche senza i data scientists che ci aiutano a classificare ed elaborare l’insieme dei dati.

Avanzamento di progetto

Abbiamo già iniziato con l’arruolamento di questi pazienti grazie all’approvazione da parte del Comitato Etico della nostra azienda, il Policlinico Umberto I e, essendo noi PI, è possibile per tutti gli altri affiliati unirsi a noi per gli studi prospettici, effettuando un semplice emendamento.
E’ interessante sottolineare che, in accordo con gli altri affiliati, abbiamo realizzato che by definition è molto valido ottenere tanti dati anche se di una popolazione di pazienti più esigua, piuttosto che big data di tantissimi pazienti però non omogenei; quindi soprattutto per patologie meno diffuse, tipo il colangiocarcinoma, il campione studiato sarà relativamente esiguo, ma completo di tutti questi dati per realizzare il Digital Twin, come prototipo della patologia di riferimento.

In Sapienza ci siamo concentrati soprattutto su queste patologie ( tumore del colon retto, la sclerosi multipla, il colangiocarcinoma e il Diabete di tipo I) per quanto riguarda gli studi prospettici; naturalmente i vari affiliati contribuiranno alla raccolta dei dati prospettici, come, per esempio, l’ospedale di Siena per quanto riguarda il diabete di tipo I e l’Ospedale Bambino Gesù per i tumori del sistema nervoso centrale.
Noi come Sapienza stiamo raccogliendo tutti i dati relativi al singolo paziente in maniera ordinata, schematica e consecutiva anche grazie all’utilizzo di uno schema standard che ci permette di accedere e gestire i dati in maniera omogenea, per il raggiungimento dell’obiettivo comune ovvero la creazione del Digital Twin.

Ricordiamoci che quello che stiamo facendo è rispondere a due quesiti clinici importanti: far diagnosi precoce e predire la risposta alla terapia, tramite una simulazione ottenuta attraverso l’elaborazione di dati proventi da pazienti e organizzati in un prototipo digitale (Digital Twin). L’ obiettivo finale è di prevedere se quell’ individuo con quelle determinate caratteristiche può rispondere ad una specifica terapia, piuttosto che determinare il modello dello stesso individuo che presenta quelle medesime caratteristiche con maggior rischio di contrarre quella patologia.