I Gemelli Digitali o Digital Twins (DTs) sono utilizzati in molti diversi settori ed industrie, e negli ultimi anni si sta osservando una applicazione di questo strumento anche in ambito sanitario, soprattutto nella medicina di precisione, ma anche nella progettazione di studi clinici e operazioni ospedaliere, nonché monitoraggio o previsioni su alcune patologie.
Introduzione ai digital twin in sanità (HDT)
Si tratta di strumenti molto promettenti in quanto un Digital Twin riproduce virtualmente un processo oppure un prodotto reale, come appunto lo stato di salute generale o relativo ad una specifica patologia o organo di una persona. In questo modo è possibile monitorare l’evoluzione di una certa situazione oppure testare gli effetti generati dalle decisioni di cura in modo relativamente non rischioso e sicuro, sia pur basandosi per lo più su modellizzazioni.
L’applicazione del Digital Twin può aiutare ad affrontare la grande complessità dei problemi riguardanti il SSN, siano essi di tipo clinico o di gestione, in quanto aiuta a formulare previsioni e a prendere le migliori decisioni possibili sulla base di dati reali ed opportuni modelli di analisi. Quindi sfruttandone appieno il potenziale e creando le condizioni adatte ad il loro impiego si potrebbe veramente riuscire a fare la differenza e contribuire a migliorare lo stato di salute non solo di singole persone, ma di intere categorie della popolazione, nonché migliorare in generale la qualità della vita di famiglie, caregivers e della intera società. Permangono tuttavia ancora ostacoli e difficoltà di natura tecnica, normativa, etica, nonché meramente applicativa, per cui le opportunità sono ancora molte ed inesplorate. In questo contributo si offre una breve descrizione del fenomeno e delle relative applicazioni in ambito sanitario, per poi presentare anche alcuni stimoli di riflessione su difficoltà, ostacoli, limiti, opportunità e sfide relative a questo strumento.
Cosa è un Digital Twin e su quali tecnologie si basa
Il Digital Twin (DT) è definito come una rappresentazione virtuale di un oggetto o di un sistema fisico durante il suo ciclo di vita. Esso si basa sull’utilizzo di dati raccolti in tempo reale attraverso vari dispositivi e altre fonti per consentire l’apprendimento, il ragionamento e la ricalibrazione dinamica con l’obiettivo di fungere da supporto a processi decisionali che riguardano il contesto reale. I Digital Twin possono dunque essere definiti come modelli digitali altamente complessi che costituiscono la controparte esatta, o gemella, di una cosa fisica che può essere di qualsiasi tipo: da un oggetto fisico più o meno grande, ma anche un sistema organizzativo o addirittura una persona o parte di essa, perché non necessariamente il DT è la copia letterale di un intero individuo o oggetto.
Questo concetto e le relative applicazioni si sono sviluppati molto negli ultimi anni e il termine Digital Twin nell’accezione attuale è stato utilizzato per la prima volta da John Vickers della NASA nel 2002, anche se già negli anni ’70 durante il programma spaziale Apollo XIII, gli scienziati della NASA erano riusciti a portare a termine una missione critica ad altissimo rischio per gli astronauti lavorando sul Digital Twin della navicella posizionato a Huston.
Tra le applicazioni più interessanti e promettenti c’è sicuramente il Digital Twin in campo sanitario (Health Digital Twin, HDT) che, nella simulazione di modelli, comprende e prevede sistemi biologici complessi per i quali si combinano le conoscenze scientificamente dimostrate, con la modellizzazione biofisica e le informazioni ottenute dall’elaborazione dei dati (data fusion).
Tecnologie chiave per i digital twin in ambito sanitario
Per quanto riguarda le tecnologie utilizzate per l’implementazione dei DT in ambito sanitario, vale la pena di specificare che i dispositivi/sensori sanitari digitali raccolgono direttamente i dati dal paziente e/o dall’ambiente; quindi, li trasmettono e li archiviano nel cloud IoT (Internet of Things) in tempo reale. A questo punto l’analisi dei big data e l’intelligenza artificiale estraggono informazioni significative da un’ampia quantità di dati e consentono la visualizzazione di un gemello virtuale del paziente in uno stadio diverso della malattia già conclamata o in fieri.
Per cui IoT, cloud computing, intelligenza artificiale, simulazione, strumenti di visualizzazione e modelli di machine learning sono tutti elementi necessari per costruire DT. I progressi all’interno di queste tecnologie e in altri ambiti tecnologici come la realtà virtuale (VR) e i supercomputer stanno quindi rendendo sempre più attraente l’uso dei DT nel settore sanitario tanto è vero che si parla anche di Digital Twin come di un servizio con vera e propria API su cui si appoggiano più applicazioni specifiche.
Lo sviluppo di HDT si avvale dell’elevata potenza di calcolo e di analisi di dati (input) di singoli pazienti con elaborazione di risposte (output) in tempo reale per una varietà di scopi (come modellazione predittiva, medicina di precisione, medicina personalizzata, etc cui accenneremo nel prossimo paragrafo).
Come evidenziato in precedenza, i gemelli digitali vengono prodotti combinando dati provenienti da una serie di fonti, tra cui immagini mediche, cartelle cliniche elettroniche, biosensori. In questo modo si riesce a simulare attraverso dei modelli la situazione clinica della persona, consentendo agli operatori sanitari di testare, ad esempio, diverse opzioni di trattamento, determinare la migliore linea d’azione o mettere in essere una mirata prevenzione. Viene così creata una rappresentazione virtuale di ogni paziente combinando le informazioni provenienti dal gemello fisico anche con altri dati come, per esempio, lo stile di vita e le esposizioni ambientali. In questo modo gli HDT possono aiutare a creare un profilo personalizzato in grado di indirizzare il trattamento medico e migliorare gli impatti in termini di salute individuale e della comunità di appartenenza.
Applicazioni pratiche dei Digital Twin in medicina
Le possibilità di applicazione del DT in Sanità sono numerose e puntano in generale a trasformare la Sanità da assistenziale a proattiva, per poter migliorare la precisione diagnostica, ottimizzare le terapie e garantire una assistenza su misura (medicina di precisione).
Le applicazioni HDT possono riguardare per esempio: il monitoraggio dello stato di salute, il controllo medico, gli avvisi di emergenza, la preparazione di un piano di trattamento, lo sviluppo di nuovi medicinali e definizione del dosaggio ottimale per ridurre gli effetti collaterali, la definizione e progettazione di nuovi dispositivi medici. Inoltre, prima della diagnosi vera a propria, offrono la possibilità di prevedere la malattia sulla base di stime e predizioni tipiche dell’AI e l’imaging diagnostico applicati a vari ambiti compresa la genetica in cui moltissimo si può fare usando i HDT.
Le applicazioni DT nel settore sanitario possono quindi contribuire alla medicina di precisione che sta diventano sempre più celebre negli ultimi anni, contribuendo a massimizzare l’efficienza e l’efficacia del sistema sanitario, e passando dall’attuale pratica clinica con trattamenti “one-size-fits-all” per tenere maggiormente conto della variabilità interindividuale. La “medicina di precisione” (più generalmente denominata “medicina personalizzata”) è infatti un approccio emergente per il trattamento e la prevenzione delle malattie, che prevede l’uso di nuovi strumenti diagnostici e terapeutici mirati alle esigenze di un paziente sulla base dei propri biomarcatori genetici e caratteristiche fenotipiche, fisiche o psicosociali. L’obiettivo è fornire i trattamenti giusti, al momento giusto, alla persona giusta. Attualmente però i sistemi sanitari non sono in genere in grado di fornire in modo completo un trattamento personalizzato per malattie caratterizzate da processi diagnostici e terapeutici multifase e da un’elevata variabilità in termini di caratteristiche della malattia (come nel caso del trattamento del cancro).
Uno dei problemi principali è infatti che i pazienti affetti dalla stessa malattia non rispondono adeguatamente allo stesso trattamento, o comunque rispondono in maniera diversa a causa della complessità a livello genetico, delle interazioni tra essi, ma anche della stessa l’assistenza sanitaria moderna, in cui la diagnostica spesso si basa su un numero crescente, ma ancora relativamente piccolo di biomarcatori con sensibilità o specificità limitata. Il modello del HDT può offrire quindi lo strumento per ridurre queste difficoltà creando creare un modello umano definito da tutte le caratteristiche strutturali, fisiche, biologiche e storiche di un individuo che può essere confrontato con migliaia o milioni di dati comparabili di altri individui, facilitando la ricerca e identificazione di caratteristiche genetiche interessanti. E in aggiunta possono simulare l’impatto di un trattamento su questi pazienti e fornire supporto decisionale a medici e altri operatori sanitari come i farmacisti ospedalieri.
Infine, i Digital Twin possono essere d’aiuto anche a livello di strategie operative, l’insieme dei processi clinici e gestionali, il personale e i modelli di assistenza per determinare quali azioni intraprendere per rivedere ed ottimizzare l’intero sistema e pianificare le sfide future, nonché per la logistica, la sicurezza etc …
Vantaggi dei Digital Twin nella gestione sanitaria
L’incremento dell’interesse, ma soprattutto la diffusione delle sperimentazioni del Digital Twin in sanità, in particolare in Italia, è probabilmente dovuto ad una serie di fattori legati per esempio alla pandemia, che ha come in molti altri casi (e.g. FSE, Ricetta elettronica …) accelerato il percorso applicativo di molte iniziative di digitalizzazione ed innovazione. A questo ha fatto seguito il PNRR, col quale si punta ad allargare concretamente l’area della trasformazione digitale del Sistema Sanitario Nazionale (SSN), con soluzioni applicabili alle diverse funzioni (prevenzione, assistenza e cura) del SSN e alle nuove forme di interazione medico-paziente.
Ma i fattori fondamentali sono di ordine tecnico: la maturità delle attuali tecnologie, come l’Intelligenza Artificiale, il Cloud Computing, la Blockchain, i Big Data, l’Analisi dei Dati, l’IOT, la rete ad alta velocità, il 5G ci offrono la possibilità concreta per lo sviluppo del Digital Twin.
I vantaggi di tipo economico
Oltre ai vantaggi sopra citati, i Digital Twin possono, per lo meno in linea teorica, consentire tutta una serie di vantaggi di tipo economico: una tendenziale riduzione dei costi e degli sprechi anche in termini di procedure e test in strettamente necessari, questo dovrebbe condurre a miglioramenti in termini di efficienza. Inoltre, possono essere possibili miglioramenti in termini di qualità di risposta al paziente, riduzione delle liste d’attesa e nei processi di gestione della sanità pubblica con l’ottimizzazione dei processi e dei sistemi sanitari, una migliore previsione di spesa e delle esigenze future… Infine, si potrebbero realizzare dei vantaggi in termini di sistema, tanto è vero che alcuni sostengono che i DT possano contribuire a creare un “ecosistema di gemelli digitali con pazienti e dispositivi bio- medicali”.
Sfide tecniche e normative nell’implementazione dei Digital Twin
Considerando le principali questioni aperte e difficoltà di applicazione dei Digital Twins in ambito sanitario, esse possono essere raggruppate in problematiche riguardo la dimensione prettamente tecnica, quella legale e quella bio-etica e legate al necessario cambio di mentalità.
Problematiche di natura tecnica
Le problematiche di natura tecnica riguardano principalmente la qualità ed interoperatibilità dei dati.
In effetti l’intelligenza artificiale dei HDT si basa su delle reti neurali, che imparano e elaborano risultati a partire dai dati biomedici disponibili. Tuttavia, i dati sono generalmente raccolti tramite le società private che implementano i Digital Twin, per esempio, a partire da dei medical devices che monitorano i pazienti attuali o potenziali, per cui la qualità e gli standard dei dati risultano spesso non omogenei e ben strutturati.
Per questo l’analisi e la rappresentazione di tali dati potrebbe risultare problematica. Il risultato è che molto tempo deve essere speso a normalizzare i dati e a garantire una completa affidabilità applicativa, e questo può rallentare molto lo sviluppo dei modelli per i DT. L’interoperabilità e la possibilità di integrare i dati è utile anche nell’ottica di utilizzare il FSE insieme ai DT e implementare il progetto dello European Health Data Space.
Problematiche legali
Tra le problematiche legali nel nostro Paese, le principali riguardano la privacy e la proprietà e conservazione dei dati, e si intrecciano fortemente con i problemi di bioetica che sono di primaria importanza perché hanno un impatto significativo sulla relazione di cura del paziente (o potenziale tale). Tra essi vale la pena di ricordare, per esempio, i dubbi riguardo la privacy nella raccolta, accesso ed utilizzo dei dati raccolti, i pregiudizi e le discriminazioni potenzialmente presenti nella raccolta dei dati, eventuali conseguenze impreviste, il problema della proprietà dei dati raccolti per creare il DT e utilizzarli, la responsabilità sui risultati ottenuti, o sulla possibilità che sorgano eventuali conflitti di interesse tra il gemello fisico e lo sfruttamento dei dati nel gemello digitale.
Possibili discriminazioni e pregiudizi
Riguardo la questione della discriminazione e dei pregiudizi, la raccolta preordinata di dati, personali e socio-ambientali, e il successivo processo di machine learning potrebbero perpetuare o amplificare pregiudizi esistenti in un determinato contesto producendo risultati discriminatori. Lo stesso problema si potrebbe poi verificare con riferimento all’equità nell’accesso alla tecnologia, in quanto i DT richiedono operazioni dotate di una certa complessità che si basano sull’impiego di strumentazioni e personale di alta specializzazione, con un evidente aumento della competizione che potrebbe essere a vantaggio dei paesi più ricchi e/o di categorie della popolazione più ricche, che sono in grado di fare maggiori investimenti di capitali e risorse umane, contribuendo ad ampliare il divario nell’accesso. A questo proposito, non è escluso che questo strumento aumenti ulteriormente il digital divide esistente nella nostra società, per cui molti investimenti sono necessari per implementare l’uso dei DT su ampia scala e quindi facilitare la loro accessibilità ad un pubblico quanto più ampio possibile di cittadini.
Inoltre, al momento i modelli di HDT sono principalmente di competenza specialistica (come nefrologia, cardiologia, alcuni tipi di oncologia …), ma quando i modelli si amplieranno per tenere conto delle interazioni tra organi e aprirsi al livello corporeo sistemico, il livello di complessità della gestione si amplierà molto, così come i profili di responsabilità.
L’autonomia nella decisione
Altro aspetto problematico riguarda l’autonomia nella decisione, in quanto in un contesto assistenziale, la decisione si ottiene tendenzialmente nella relazione di cura medico- paziente (più altre figure medico-assistenziali naturalmente), che con la presenza di un gemello digitale e tendenzialmente il forte orientamento ai dati raccolti, potrebbero condurre ad un eccessivo senso di sicurezza sia per il gemello fisico che per gli operatori sanitari che potrebbe anche condurre all’uso strumentale del DT per la medicina difensiva.
Il governo del gemello digitale alla morte di quello fisico
Infine, sempre con riferimento all’utilizzo dei dati, può essere interessante riflettere sul governo del gemello digitale alla morte di quello fisico: ovvero se esso debba essere mantenuto attivo per scopi solidaristici, ad esempio nella ricerca sulla progressione di malattie o per migliorare le cure e come garantire i diritti del gemello fisico e della sua famiglia dopo la morte, garantendo coerenza con gli standard etici.
Si tratta di sfide assolutamente nuove anche per la bioetica quale “il ponte verso il futuro” e che quindi aprono nuovi spazi di riflessione e influiscano anche sul modo di ragionare delle persone.
Conclusioni
Le tecnologie digitali sono ormai parte della esperienza quotidiana personale e professionale di ciascuno di noi che vanno opportunamente regolate e controllate, ma senza mai negarne l’utilità e le potenzialità, nonché i tanti rischi e sfide che aprono.
Bibliografia
Armeni P, Polat I, De Rossi LM, Diaferia L, Meregalli S, Gatti A. Digital Twins in Healthcare: Is It the Beginning of a New Era of Evidence-Based Medicine? A Critical Review. J Pers Med. 2022 Jul 30;12(8):1255. doi: 10.3390/jpm12081255.
Boni B., Nesta F., Notaristefano M., Serafini G. ( 2022) Le tecnologie “Digital Twin” per una Sanità integrata e inclusiva, Policy Brief, 15/2022, Luiss School of Government)
Croatti A., Montagna S. e Ricci A., (2023) Sanità 4.0: i digital twin per gestire le aziende sanitarie come realtà cyber-fisiche, in https://www.agendadigitale.eu/sanita/sanita-4-0-i-digital-twin-per-gestire-le-aziende-sanitarie-come-realta-cyber-fisiche/ Agenda Digitale.eu (12/01/2023)
Ferro L. (2024), Digital Twin, la prossima frontiera della Sanità https://www.digitalworlditalia.it/digitalhealth/software-sanita/digital-twin-la-prossima-frontiera-della-sanita-162832 (08/01/2024)
Fregola S. (2022) Digital Twin: definizioni e prospettive in ambito sanitario in https://assd.it/wp-content/uploads/2022/04/Salvatore-Fregola-DIGITAL-TWINS.pdf
Maglio G. (2019) Digital Twin in medicina, vantaggi per tutti o aumento del “divide sanitario”? in https://www.agendadigitale.eu/sanita/digital-twin-in-medicina-vantaggi-per-tutti-o-aumento-del-divide-sanitario/ Agenda Digitale. Eu (28/10/2019)
Pedullà S. (2023) Digital twin: la nuova frontiera della personalizzazione delle cure, in https://www.retepas.com/ambulatori/28652-digital-twin-la-nuova-frontiera-della-personalizzazione-delle-cure/, Rete PAS, (10/08/2023)
Romano l. (2023), “Il gemello digitale” in https://www.quotidianosanita.it/stampa_articolo.php?articolo_id=111105, Il Quotidiano Sanità (15/02/2023)
Scoles S. (2024) https://www.technologyreview.com/2024/06/10/1093417/how-digital-twins-are-helping-scientists/ 10/06/2024
Vallée A. Envisioning the Future of Personalized Medicine: Role and Realities of Digital Twins. J Med Internet Res. 2024 May 13;26:e50204. doi: 10.2196/50204.
Zuccarelli E., Digital twin in Sanità: quale futuro? in https://www.healthtech360.it/digital-twin/digital-twin-in-sanita/ HealthTech360,(05/01/2023)
