Medicina personalizzata, all’Humanitas la svolta dei dati sintetici nei trial clinici

L’applicazione dell’intelligenza artificiale (IA) in medicina mostra un impatto tanto più profondo quanto più prioritari sono i bisogni clinici dei pazienti da soddisfare. In questo scenario, le malattie rare – patologie con un’incidenza inferiore a 6 casi su 100.000 persone all’anno, che tuttavia rappresentano complessivamente il 25% delle diagnosi oncologiche – costituiscono una vera emergenza sanitaria. Sviluppare terapie innovative in questi ambiti è storicamente complesso a causa dell’estrema eterogeneità clinica e biologica, della scarsità di dati e dei limiti intrinseci dei trial clinici randomizzati tradizionali (Rct).

I trial tradizionali, considerati il gold standard della ricerca, mostrano infatti importanti limiti nei contesti più critici. Arruolare un numero sufficiente di pazienti per patologie rare o ultra-rare è spesso impossibile a causa della ristrettezza della popolazione eleggibile. Inoltre, assegnare soggetti con gravi bisogni terapeutici insoddisfatti a un braccio di controllo trattato con terapie inefficaci o placebo solleva profondi dilemmi etici. A ciò si aggiungono la scarsa rappresentazione della popolazione anziana nelle sperimentazioni convenzionali e la rapidità con cui si evolve lo standard di cura, un fattore che rischia di rendere obsoleti i bracci di controllo prima del termine dello studio.

Per superare queste barriere, la frontiera più avanzata della ricerca medica risiede nei dati sintetici: informazioni generate artificialmente da algoritmi di IA che replicano fedelmente le caratteristiche statistiche e biologiche dei dati reali, senza contenere alcuna informazione riconducibile a singoli pazienti. Questa applicazione dell’IA generativa permette così di creare “bracci di controllo virtuali” o coorti sintetiche in grado di affiancare o sostituire i gruppi placebo, riducendo i costi e accorciando drasticamente i tempi di validazione di un trattamento innovativo, oltre a superare problematiche etiche legate all’arruolamento dei pazienti

La fattibilità di questo approccio ha trovato una conferma storica nella decisione dell’Agenzia Europea per i Medicinali (EMA), che ha accettato l’utilizzo di dati sintetici e storici per la creazione del braccio di controllo nello studio clinico di Fase II GD2-CART01, condotto dall’ospedale Bambin Gesù di Roma per valutare l’efficacia di cellule CAR-T anti-GD2 in pazienti pediatrici affetti da neuroblastoma recidivato o in progressione, un tumore raro e altamente critico. Questo “via libera” rappresenta un precedente fondamentale per la comunità scientifica, dimostrando che i bracci virtuali possono validamente integrare la ricerca laddove il campionamento tradizionale sia impraticabile o eticamente problematico.

In prima linea in questa transizione si colloca l’esperienza dell’Irccs Istituto Clinico Humanitas, che sviluppa modelli di dati sintetici dal 2021, partendo dall’oncoematologia per poi estendersi alla neurologia, gastroenterologia, epatologia e reumatologia. Attraverso l’Humanitas AI Center, il primo centro integrato di ricerca sull’IA in un Irccs italiano, clinici, ingegneri e data scientist collaborano per creare algoritmi robusti, riproducibili e completamente spiegabili. Da questo ecosistema transdisciplinare è nato nel 2023 lo spin-off Train, focalizzato sullo sviluppo di gemelli digitali (digital twin) e dataset sintetici che rimangono protetti all’interno dell’infrastruttura ospedaliera. La qualità dei dati è continuamente monitorata dal framework SAFE (Synthetic vAlidation FramEwork), sviluppato nel contesto dei progetti europei Horizon 2020 SYNTHIA e SYNTHEMA, che ne valuta la fedeltà statistica e l’utilità clinica tramite verifiche trasparenti.