Il futuro della medicina personalizzata sta assumendo una nuova forma grazie a un approccio trasparente basato su modelli computazionali che superano i limiti delle tradizionali metodologie di intelligenza artificiale. Un team internazionale guidato da ricercatori dell’Università di Padova del Padua Center for Network Medicine ha proposto un nuovo quadro concettuale per l’uso dei gemelli digitali (digital twins) in medicina di precisione. Il gemello digitale è un modello virtuale di un oggetto fisico che segue il ciclo di vita dell’oggetto e utilizza i dati in tempo reale inviati dai sensori sull’oggetto stesso per simularne il comportamento e monitorare le operazioni.
I risultati della ricerca, pubblicati sulla rivista NPJ Digital Medicine, pongono le basi per una nuova generazione di strumenti diagnostici e terapeutici che combinano la scienza delle reti, la biologia computazionale e la medicina digitale. “Il nostro approccio non è un semplice esercizio di modellazione predittiva”, spiega Manlio De Domenico, primo autore dello studio e docente al Dipartimento di Fisica e Astronomia dell’Università di Padova. “Si basa su modelli computazionali complessi guidati da ipotesi biologiche esplicite, che consentono di simulare e analizzare interventi terapeutici in modo trasparente e interpretabile, migliorando la comprensione dei meccanismi sottostanti ai processi biologici. La sfida, adesso, è farli comunicare bene tra loro”.
I gemelli digitali descritti nel lavoro non sono semplici riproduzioni statistiche di dati clinici, ma veri e propri modelli esplicativi che, in linea di principio, sono in grado di replicare in-silico il comportamento di cellule, organi o interi organismi utilizzando simulazioni basate su meccanismi biologici multiscala e multilivello. Questo consente di esplorare strategie terapeutiche dinamiche e ottimizzare le decisioni cliniche in tempo reale. La ricerca mette in evidenza come questi modelli possano colmare le lacune delle tecniche basate sull’intelligenza artificiale ‘opaca’, definita tale in quanto la sua complessità impedisce agli utenti umani di comprendere e spiegare pienamente i meccanismi che la guidano, suscitando una certa diffidenza nel suo utilizzo. Questa complessità ostacola la diffusione dell’Ai in settori cruciali come medicina e sicurezza.
“Il nostro obiettivo è rendere la medicina personalizzata più affidabile e comprensibile, evitando l’opacità delle soluzioni puramente data-driven”, aggiunge Valeria d’Andrea, ricercatrice del Dipartimento di Fisica e Astronomia dell’ateneo patavino, che ha contribuito allo studio. Grazie all’uso di modelli generativi ipotesi-guidati, questo approccio promette di migliorare l’efficacia delle terapie personalizzate, riducendo i rischi associati a diagnosi e trattamenti non ottimali. L’integrazione di big data biologici, storici e ambientali consente inoltre di catturare la complessità delle interazioni biologiche e dell’esposoma (l’insieme degli stimoli ambientali che entrano in contatto con il corpo), aprendo nuove possibilità nella lotta contro malattie complesse come il cancro, le malattie neurodegenerative e molte patologie croniche.
“I gemelli digitali non solo simulano scenari clinici realistici, ma permettono di testare interventi terapeutici in modo sicuro ed efficiente, fornendo uno spettro di alternative clinicamente rilevanti per supportare le decisioni dei medici”, dice De Domenico- “Questa ricerca rappresenta un punto di incontro tra fisica dei sistemi complessi, medicina e biologia dei sistemi e delinea nuove prospettive per lo sviluppo di una medicina più equa, efficace e sostenibile, segnando un passo importante verso la realizzazione del potenziale della medicina di precisione. L’impegno del Padua Center for Network Medicine dell’Università di Padova in questa direzione – conclude – sottolinea il ruolo centrale della ricerca interdisciplinare nella trasformazione della medicina moderna”.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato