Modifica di Applicazioni mediche dell'intelligenza artificiale (sezione)

===Medicina personalizzata e patologie tumorali===
La medicina personalizzata, o medicina di precisione, mira ad andare oltre i protocolli standard, adottando iter terapeutici mirati alle caratteristiche genetiche del paziente e alle peculiarità della sua patologia.

Questa visione si fonda sull’interazione tra il genoma della persona e l’ambiente circostante, che plasma tratti distintivi di ogni patologia. Rilevando tali caratteristiche, è possibile sviluppare centinaia di percorsi di cura differenziati per patologie apparentemente analoghe, superando la standardizzazione e perseguendo l’obiettivo della massima personalizzazione dell’approccio diagnostico e terapeutico.
La medicina personalizzata è stata definita come “un modello medico che utilizza la caratterizzazione dei fenotipi e dei genotipi degli individui (ad esempio, profilazione molecolare, imaging medico, dati sullo stile di vita) per adattare la strategia terapeutica ad una specifica persona in un preciso momento e/o per determinare la predisposizione alla malattia e/o per fornire una prevenzione tempestiva e mirata”.

L’avvento di nuove tecnologie genetiche – come, ad esempio, la farmacogenomica, consentiranno sempre più agli scienziati, infatti, di utilizzare le informazioni genetiche dei pazienti per determinare meglio il principio attivo, la dose e il momento più adatto per somministrarlo.
Come fa notare al proposito l’Istituto di Ricerche Farmacologiche Mario Negri, sebbene non vi sia una definizione univoca, possiamo riferirci alla medicina personalizzata come a un approccio globale alla prevenzione, alla diagnosi, alla cura e al monitoraggio delle malattie basato sulle caratteristiche, genetiche e non solo, di una persona.
Mentre in Europa è preferito il termine medicina personalizzata, nel Nord America si utilizza di più medicina di precisione, individualizzata o stratificata, sull’onda delle considerazioni degli esperti del National Research Council statunitense.
Al di là della terminologia usata – precisa il Negri – comunque, l’idea di fondo è che il genoma di ciascun individuo, interagendo con l’ambiente, conferisca caratteristiche uniche a patologie complesse che possono così essere diagnosticate e curate in maniera più efficiente ed efficace.
Per mettere a fuoco la differenza tra medicina di precisione e medicina personalizzata – spiega Roche – possiamo dire che la prima studia gli elementi fondamentali per la comprensione delle dinamiche che portano all’insorgenza di una patologia, e quindi permette lo sviluppo del miglior farmaco in base al bersaglio molecolare da colpire.
Con medicina personalizzata si fa un passo avanti e si mette al centro il paziente, invece che la patologia, con le sue caratteristiche genetiche, stile di vita, alimentazione, storia clinica e ambiente in cui vive, per arrivare a formulare la miglior prevenzione o terapia da adottare.
L’affermarsi della medicina personalizzata è legato a doppio filo alla sicurezza dei farmaci e delle terapie utilizzate per metterla in atto.
Il quadro normativo dell’UE per i prodotti farmaceutici offre una serie di strumenti e procedure per garantire che i medicinali immessi sul mercato siano di elevata qualità, sicurezza ed efficacia.
Esistono numerosi strumenti dell’UE che sostengono lo sviluppo della medicina personalizzata. Tra questi:
-La legislazione sui dispositivi medici e sulla diagnostica in vitro che mira ad adattare la legislazione dell’UE al progresso tecnologico e scientifico in questo settore;
-Il regolamento generale sulla protezione dei dati che mira a rendere il quadro giuridico dell’UE in questo settore adatto ai nuovi sviluppi scientifici nel settore;
-La regolamentazione delle sperimentazioni cliniche che mira a semplificarne la conduzione e, di conseguenza, a facilitare la ricerca sulle terapie che utilizzano la medicina personalizzata.
La medicina personalizzata, grazie a percorsi terapeutici creati in base alle caratteristiche genetiche e ambientali di ogni singolo paziente, rappresenta una svolta importante nell’approccio alla cura delle patologie. Il paradigma su cui posa le sue fondamenta, infatti, si basa sull’analisi approfondita dei dati clinici, genetici e ambientali e può sfruttare le potenzialità dell’Intelligenza Artificiale per estrarre informazioni cruciali e sviluppare modelli predittivi molto accurati.
Uno dei campi di applicazione più promettenti è l’Oncologia, ambito in cui l’analisi genetica dei tumori può condurre a terapie mirate ed efficaci, riducendo gli effetti collaterali e aumentando le probabilità di successo. Non solo: attraverso la chirurgia oncologica di precisione, infatti, i chirurgi saranno sempre più in grado di asportare al particolare paziente in questione niente di più e niente di meno di ciò che è strettamente necessario per guarire.
Inoltre, grazie all’arricchimento dei dati con informazioni aggiuntive e all’elaborazione tramite tecniche di data science e machine learning, è possibile prevedere il rischio di recidive o metastasi, consentendo un approccio proattivo e anticipatorio nella gestione della malattia.
La Radiomica rappresenta un passo avanti rispetto all’impiego di AI nell’imaging radiologico, estendendo il suo raggio d’azione dalla diagnosi alla cura personalizzata. Questa tecnica mira ad estrarre informazioni trasparenti all’occhio del radiologo, che per decenni ha interpretato le immagini facendo affidamento solo sulle proprie competenze. La capacità di estendere la visione del medico con dati apparentemente “invisibili” permette di sviluppare modelli diagnostici e predittivi efficaci, avvicinandosi all’ideale della medicina personalizzata.
Nell’ambito oncologico, mentre oggi una TAC fornisce evidenze sul tipo di tumore e la localizzazione, la radiomica consente di comprendere le caratteristiche biologiche della malattia in modo non invasivo, differenziando nettamente un caso dall’altro.

Un aspetto di primaria importanza della Radiomica è l’integrazione con i dati clinici, genetici, anatomopatologici e relativi allo stile di vita del paziente, dando vita così alla Radiogenomica.
Grazie a questa convergenza di informazioni, l’Intelligenza Artificiale riesce a segmentare finemente i pazienti, indirizzandoli verso protocolli personalizzati e prevedendo la risposta ai trattamenti. La Radiomica, inoltre, offre il vantaggio della non invasività: alcuni tumori richiedono attualmente il prelievo di campioni di tessuto per studiarne le alterazioni genomiche, mentre questa tecnica consente di monitorare le evoluzioni della neoplasia in modo indolore e continuo, con benefici sul percorso di cura e sul benessere della persona.
Con il progressivo e crescente affermarsi dell’Intelligenza Artificiale e del machine learning, finalmente i team di ricerca e sviluppo hanno la possibilità di cogliere questa opportunità, ma solo a condizione che i dati siano standardizzati, interoperabili e sicuri.
L’accesso a una base di dati affidabile è la chiave per comprendere appieno il potenziale di un trattamento specifico per un determinato paziente. Le aziende biofarmaceutiche devono infatti integrare dati provenienti da molteplici fonti, alcune comuni come i dati demografici dei pazienti e le cartelle cliniche elettroniche, altre uniche per ogni individuo, come le informazioni genetiche, la diagnostica per immagini e i dati sull’attività fisica raccolti da dispositivi indossabili.
Poiché l’efficacia clinica e il profilo di sicurezza di un trattamento personalizzato variano da paziente a paziente, tutte le parti interessate devono potersi fidare dei dati per prendere decisioni in modo sicuro e accurato.
Il Quantum Computing, associato all’utilizzo di algoritmi di intelligenza artificiale, è un ulteriore ambito promettente per la medicina personalizzata.
Una delle applicazioni di maggior interesse è relativa alla scoperta di nuovi farmaci, in particolare nell’ambito biotech. I computer quantistici, infatti, potrebbero ulteriormente accelerare l’identificazione di molecole in grado di rispondere ai bisogni specifici dei pazienti.
Questa tecnologia, combinata con l’AI, potrebbe rivoluzionare il modo in cui vengono sviluppati e personalizzati i trattamenti medici, aprendo la strada a terapie sempre più mirate ed efficaci.
Come visto, l’Intelligenza Artificiale può supportare e potenziare la medicina personalizzata grazie alla sua capacità di analizzare grandi quantità di dati e identificare possibili correlazioni tra dati anche eterogenei. In particolare, secondo i dati (2024) dell’Osservatorio Life Science Innovation del Politecnico di Milano, il 55% delle startup attive in questo campo sfrutta l’AI accelerando la scoperta di nuovi farmaci e molecole oppure affiancando il professionista sanitario nella presa di decisioni nel processo di cura.
Diviene quindi essenziale un approccio multidisciplinare integrato comprensivo di tutti gli specialisti coinvolti nell’iter diagnostico e terapeutico con l’obiettivo di ottimizzare la personalizzazione del percorso di cure.