La digitalizzazione della sanità sta generando un’enorme quantità di dati: referti, cartelle cliniche, esami, terapie. Queste informazioni, definite “dati del mondo reale”, rappresentano una miniera d’oro per migliorare le cure e accelerare la ricerca biomedica. Tuttavia, la loro complessità – testi non strutturati, differenze nei formati, presenza di errori e fattori confondenti – rende difficile trasformarli in conoscenza utile per la scienza.
Per affrontare questa sfida, un gruppo di ricercatori ha sviluppato TRIALSCOPE, un nuovo framework capace di “simulare” sperimentazioni cliniche utilizzando i dati sanitari esistenti. In altre parole, TRIALSCOPE permette di esplorare virtualmente come si sarebbero comportati diversi trattamenti su gruppi di pazienti reali, riducendo tempi e costi rispetto ai tradizionali studi clinici. I risultati della prima applicazione di TRIALSCOPE sono stati recentemente pubblicati sulla prestigiosa rivista inglese “The New England Journal of Medicine”. Il cuore del sistema è l’intelligenza artificiale. TRIALSCOPE impiega modelli linguistici biomedici in grado di leggere e interpretare automaticamente le note cliniche presenti nelle cartelle elettroniche, trasformandole in dati strutturati e analizzabili. Successivamente, utilizza modelli statistici avanzati per correggere le imperfezioni e colmare eventuali lacune nelle informazioni. Infine, integra tecniche di inferenza causale, che consentono di distinguere le semplici correlazioni dagli effetti reali dei trattamenti.
Il framework è stato testato su un database imponente: oltre un milione di pazienti oncologici provenienti da una grande rete ospedaliera statunitense. I risultati sono promettenti. TRIALSCOPE è riuscito a estrarre automaticamente informazioni di alta qualità, recuperando dettagli clinici che in precedenza erano disponibili solo nei testi liberi dei medici. Ancora più importante, ha prodotto stime sull’efficacia dei trattamenti per il cancro al polmone del tutto comparabili con quelle ottenute nei più rigorosi studi clinici randomizzati controllati.
Il sistema è stato poi impiegato per simulare studi non ancora condotti, come un trial sul cancro al pancreas, sperimentando diversi criteri di ammissibilità dei pazienti. Una serie di test di validazione ha confermato la robustezza dei risultati, indicando come TRIALSCOPE possa diventare uno strumento prezioso per progettare e valutare nuove ricerche prima ancora di avviare una sperimentazione reale.
In sintesi, TRIALSCOPE mostra come i dati clinici quotidiani, se opportunamente interpretati dall’intelligenza artificiale, possano fornire “evidenze del mondo reale” utili a integrare e talvolta anticipare gli studi tradizionali. Una tecnologia che non sostituisce i trial clinici, ma li affianca e li accelera, offrendo nuove prospettive per la medicina personalizzata e la ricerca oncologica.