L’Intelligenza Artificiale Generativa (GenAI) e i dati sintetici stanno rivoluzionando il settore Health & Pharma, offrendo soluzioni innovative per affrontare sfide storiche nelle applicazioni cliniche. In particolare, rappresentano un’opportunità fondamentale per aree critiche come le malattie rare, dove le esigenze cliniche insoddisfatte limitano i progressi della ricerca. I metodi tradizionali di sperimentazione clinica sono spesso ostacolati da popolazioni di pazienti limitate, reclutamenti lenti e dati incompleti. In questo contesto, l’uso di dati sintetici consente di generare dataset di alta qualità su richiesta, migliorando lo sviluppo e la validazione di strumenti clinici basati su IA.
Modelli IA validati clinicamente e una piattaforma tech scalabile alla base della partnership tra Train e NTT DATA
La sinergia tra i modelli AI clinicamente validati di Train, spin-off dell’IRCCS Humanitas Research Hospital, e l’infrastruttura tecnologica scalabile di NTT DATA, leader mondiale nei servizi tecnologici e business digitale, stanno rispondendo a queste esigenze con soluzioni GenAI specializzate per la medicina personalizzata, la scoperta e il riposizionamento di farmaci, e l’efficienza dei workflow sanitari.
In questa video-intervista per True-News.it Saverio D’Amico, CEO e Co-Founder di Train ed Emanuele Corbetta, Head of Life Sciences di NTT DATA Italia hanno illustrato le evidenze emerse dai loro studi su GenAI e dati sintetici per il mondo health & pharma, i vantaggi scaturiti dalla loro partnership e le caratteristiche delle soluzioni da loro proposte, a margine della conferenza stampa di presentazione del paper da loro redatto dal titolo “Generative AI and synthetic data for clinical application” e disponibile a questo link.
“Questo lavoro nasce – come spiega Saverio D’Amico, CEO e Co-Founder di Train – dall’esigenza di concretizzare una collaborazione a più ampio respiro e di presentarne i risultati”. Train, in particolare, ha sviluppato modelli di IA verticali e validati in ambito clinico e, grazie alla partnership con NTT DATA, questi sono stati integrati in una piattaforma tecnologica sicura e conforme ai requisiti normativi.
Corbetta (NTT DATA Italia): “L’integrazione e l’interoperabilità sono le principali sfide”
Dal punto di vista tecnologico, Emanuele Corbetta, Head of Life Sciences di NTT DATA Italia, sottolinea che le principali sfide riguardano “l’integrazione e l’interoperabilità”, poiché le aziende farmaceutiche dispongono di dataset preziosi che devono essere utilizzati nel rispetto degli standard sanitari. “È necessario adottare interfacce robuste che supportino gli standard di interoperabilità più comuni, come lo standard FHIR”, afferma Corbetta.
Un altro aspetto determinante è la scalabilità della piattaforma: “NTT DATA adotta un’architettura a microservizi modulare, che permette alla soluzione di crescere con l’aumento dei dati”, spiega Corbetta. Inoltre, la user experience gioca un ruolo chiave: “Non è solo un tema estetico, ma è essenziale per permettere agli utenti di esplorare e comprendere i dati con strumenti di visualizzazione interattiva”.
D’Amico (Train): “Dati sintetici e digital twin per la ricerca e la diagnostica”
In termini di applicazioni pratiche, D’Amico evidenzia come “l’IA generativa possa supportare la medicina nella creazione di dati sintetici per la ricerca e per la generazione di bracci di controllo nei trial clinici”. Un’altra applicazione determinante è quella dei digital twin: “Si tratta di veri e propri gemelli digitali del paziente in grado di aiutare i medici nelle decisioni diagnostiche e terapeutiche”. “Questi modelli di intelligenza artificiale generativa – prosegue D’Amico – vengono sviluppati in un ecosistema unico, cioè con una fortissima validazione clinica e una larga componente di dati real world. Non utilizziamo soluzioni esterne o in qualche modo già sviluppate da terzi, ma creiamo un setting tecnologico controllabile e spiegabile, andando incontro a quelli che sono i principi dell’explanable AI”.
Security by design e conformità normativa: le garanzie per il settore pharma
Dal punto di vista normativo, il settore farmaceutico è soggetto a stringenti regolamentazioni. “È cruciale implementare protocolli di anonimizzazione dei dati e tecniche di segregazione dell’accesso rigorese”, afferma Corbetta. Inoltre, NTT DATA adotta un principio di “security by design”, considerando la sicurezza fin dalle fasi iniziali dello sviluppo. La conformità regolatoria è in continua evoluzione, come dimostra il recente documento “Good Machine Learning Practices” dell’FDA, che stabilisce le dieci linee guida e le rispettive buone pratiche necessarie per portare sul mercato un dispositivo medico software che sia sicuro e affidabile. “Per questo al di là degli aspetti tecnologici – conclude Corbetta – in NTT DATA abbiamo un’unità specializzata nella Compliance GxP per le implementazioni in ambito farmaceutico e dei dispositivi medici, che è sempre aggiornata sulle ultime novità”.
Il paper rappresenta dunque un importante contributo nel settore dell’intelligenza artificiale applicata alla sperimentazione clinica, con un focus su sicurezza, usabilità e interoperabilità dei dati, elementi chiave per il futuro della medicina digitale.