Corbetta (NTT DATA Italia) a SDN 25: “Con l’IA generativa e i dati sintetici rivoluzioniamo i trial clinici nelle malattie rare”

Corbetta (NTT DATA Italia) a SDN 25: “Con l’IA generativa e i dati sintetici rivoluzioniamo i trial clinici nelle malattie rare”

La collaborazione tra NTT DATA Italia e Train, spin off del Centro di Intelligenza Artificiale dell’IRCCS Humanitas, è un esempio concreto di come l’integrazione tra competenze tecnologiche e scientifiche possa generare soluzioni innovative, efficaci e scalabili nel campo della sanità, in particolare in aree critiche come quella delle patologie rare segnate da popolazioni di pazienti limitate, reclutamenti lenti e dati incompleti. Lo ha spiegato Emanuele Corbetta, Head of Life Sciences di NTT DATA Italia, in un’intervista rilasciata ad Affaritaliani.it a margine della XXVI edizione di Salute Direzione Nord, svoltasi il 23 giugno presso Palazzo Lombardia a Milano, dove ha partecipato al panel "Malattie rare e Horizon Scanning: sfide e soluzioni".

“La collaborazione tra NTT DATA e Train dimostra come realtà profondamente diverse, con punti di forza complementari, possano unire le forze per sviluppare soluzioni basate sull’intelligenza artificiale generativa, capaci di trasformare radicalmente il settore”, ha spiegato Corbetta.

Una delle applicazioni più promettenti riguarda i trial clinici. “La Generative AI permette di simulare popolazioni di pazienti e di generare dati clinici sintetici”, ha precisato. “In particolare, è possibile creare bracci di controllo sintetici, cioè gruppi virtuali di pazienti modellati a partire da dati reali. Questo consente di simulare l’andamento delle patologie e la risposta a trattamenti standard, riducendo così il bisogno di arruolare grandi numeri di pazienti nei trial reali”. I vantaggi, ha aggiunto, sono significativi: “Minori tempi e costi, maggiore sostenibilità, ma anche un miglioramento in termini di eticità, poiché si limita l’esposizione dei pazienti a trattamenti inefficaci o placebo”.

Corbetta: "Interfacce interattive per addestrare modelli più accurati ed efficaci"

Per realizzare soluzioni di questo tipo, ha precisato Corbetta, è fondamentale disporre di una piattaforma tecnologica solida. “Servono interfacce di integrazione robuste e flessibili per collegare diverse fonti di dati e valorizzare tutto il potenziale informativo presente nell’ecosistema farmaceutico”, ha detto. “L’architettura deve essere sostenibile, scalabile e facilmente mantenibile, in grado di adattarsi alla crescita esponenziale dei dati nel tempo. Inoltre, è fondamentale porre attenzione all’esperienza utente: interfacce interattive ben progettate permettono di addestrare modelli più accurati ed efficaci”.

Altro aspetto centrale è quello dell’intelligenza artificiale spiegabile. “L’explainable AI ci consente di comprendere i meccanismi alla base dei risultati prodotti dai modelli, aumentando così la trasparenza e la fiducia verso queste tecnologie”, ha sottolineato.

Infine, Corbetta ha evidenziato l'importanza della cybersecurity: “È essenziale affrontare questo tema fin dall'inizio del ciclo di vita dello sviluppo, adottando il principio del security by design. Solo così possiamo garantire soluzioni robuste e affidabili, capaci di affrontare le sfide future della sanità digitale”.