Il percorso che Ntt Data e Train stanno portando avanti insieme nel mondo healthcare si avvale dell’utilizzo della generative AI per aiutare la ricerca nel contesto delle malattie rare.
Un ambito che Train – realtà dedicata allo sviluppo dell’AI generativa nel settore sanitario, nata nel 2023 da uno spin-off dell’Irccs Istituto Clinico Humanitas – analizza nel report Generative AI and Synthetic Data for Clinical Application dove è il dato sintetico il vero motore nei percorsi di ricerca, test, sviluppo e addestramento di modelli di machine learning per potenziare la ricerca farmaceutica nel campo delle malattie poco conosciute.
“Il report, realizzato con Ntt Data, è per noi la concretizzazione di una strategia strutturata di utilizzo di modelli di AI validati che possono esser utilizzati nel contesto complicato della medicina, avvalendosi della piattaforma tecnologica stabile e sicura di Ntt Data” esordisce Saverio D’Amico, Ceo e co-founder di Train, incontrato di recente a Milano.
Di che si tratta? I dati sintetici – realizzati grazie all’AI generativa – sono di fatto dati in grado di imitare i dati reali dal momento che condividono le stesse proprietà statistiche, ma non contengono informazioni effettive. “I dati sintetici offrono molteplici benefici: possono essere generati in grandi quantità su richiesta, fornendo una fonte di dati per analisi e addestramento, proteggono la privacy poiché non contengono informazioni personali e possono essere progettati per ridurre gli stessi bias presenti nei dati reali” spiega D’Amico.
Dati che trovano applicazioni nello studio di percorsi di medicina personalizzata, di sviluppo di nuovi farmaci ma anche di ottimizzazione dei lavori in ospedali e centri di ricerca, perché utili nello studio di trial clinici che possono esser condotti su pazienti virtuali, sintetici appunto, utilizzando dati racconti dai pazienti reali. “Pazienti sintetici che generano risultati sintetici che possono essere messi a confronto con pazienti reali che utilizzano terapie reali”.
Piattaforma integrata
La risposta di Train è la realizzazione di una piattaforma di AI generativa che, combinando la generazione di dati sintetici multimodali con gemelli digitali, riesce a rendere disponibile lo sviluppo di nuovi farmaci per le malattie rare, cosa difficile da realizzare proprio per le poche diagnosi a disposizione e il basso numero di pazienti disponibili per i test. “Il dato sintetico permette in questo caso di determinare l’efficacia di nuove terapie per selezionare i pazienti idonee ai trial clinici – precisa Matteo Della Porta, Cso e co-founder di Train e Head of Leukemia Unit di Humanitas -. Usiamo gli algoritmi per tre obiettivi: diagnosi, prognosi, identificazione e simulazione di potenziali trattamenti. La logica è partire da algoritmi di dati complessi, e in base a un framework di validazione e al rispetto della privacy, arrivare a un dato sintetico, che è un dato plastico, consigliabile rispetto all’anonimizzazione perché non toglie informazione ma le aggiunge”.
La soluzione utilizza modelli proprietari di AI, addestrati su dati medici reali protetti da privacy, e il framework di validazione sintetica (“Safe, acronimo di Synthetic vAlidation FramEwork powered by Train) assicura la qualità dei risultati generati, valutandone la fedeltà statistica e clinica. “Il tutto integrato sulla piattaforma tecnologie di Ntt Data che garantisce sicurezza dei dati, scalabilità, compliance e validazione dei modelli, assicurando che le organizzazioni farmaceutiche possano integrare modelli generativi di AI specifici per il settore in modo facile e sicuro, offrendo stabilità operativa e innovazione medica” precisa Emanuele Corbetta, Head of Life Sciences di Ntt Data Italia. .
La clinica guida
L’obiettivo è rendere disponibile una tecnologia validata di AI in uso clinico, per usare l’AI nella pratica clinica a supporto della pratica medica, in risposta alle richieste e ai bisogni dei medici, soprattutto laddove la medicina non è in grado di dare risposte. “Applichiamo un rigore estremo nella validazione dei nostri strumenti, cosi come faremmo con un farmaco – continua Della Porta -. Nel processo di sviluppo dire che un algoritmo è validato dal punto di vista clinico è fondamentare per garantire la fedeltà ma serve anche dare visibilità agli utilizzatori (medici, agenzie, regolatori…) di come abbiamo validato l’algoritmo, fornendo framework che rendano spiegabile la fedeltà del dato sintetico rispetto a quello reale. Questo crea fiducia nella tecnologia”.
I modelli di intelligenza artificiale specializzati di Train, combinati con la flessibilità della piattaforma tecnologica di Ntt Data, spingono la partnership per promuovere l’adozione dell’AI generativa in ambito medico e farmaceutico. “Questa collaborazione non solo facilita la gestione efficiente e sicura dei dati sensibili e l’integrazione dei modelli avanzati di intelligenza artificiale nei sistemi e processi esistenti, ma assicura anche che questi modelli siano implementati da applicazioni validate, affidabili, trasparenti e sicure” conclude Corbetta. Un futuro della sanità digitale, in cui intelligenza artificiale e capacità operativa si incontreranno per migliorare le condizioni dei pazienti, accelerare la scoperta di nuovi farmaci e ottimizzare i processi clinici.
© RIPRODUZIONE RISERVATA
