Big Data in medicina: lo sviluppo con il machine learning

I Big Data sono sulla bocca di tutti, anche in sanità. Tuttavia non è sempre chiaro come i dati scientifici raccolti possano essere effettivamente utilizzati nell’ambito medico-sanitario. Primo passo è capire quali sono le informazioni che effettivamente si possono trarre, grazie alla tecnologia, a proposito delle preferenze e delle preoccupazioni dei cittadini, per poi poterle impiegare per offrire un’esperienza sanitaria ancor più efficace e promuovere la ricerca. Questa è la sfida dell’utilizzo dei Big Data in medicina, ancora più prossimo a una promessa che a una realtà.

Big Data in medicina: cosa sono e a cosa servono?

Secondo la definizione ufficiale della Comunità Europea, “i Big Data in sanità si riferiscono a grandi set di dati raccolti periodicamente o automaticamente, che vengono archiviati elettronicamente, riutilizzabili allo scopo di migliorare le prestazioni del sistema sanitario.” Si tratta, dunque, di un aspetto fondamentale di qualsiasi attività di ricerca, che si è trasformato grazie allo sviluppo tecnologico e informativo. È qui che intervengono, infatti, gli algoritmi del machine learning, laddove un ricercatore ha bisogno di un supporto tecnologico per estrarre significato dai dati.

Esistono migliaia di terabyte di dati medici e scientifici, distribuiti da progetti di ricerca, pubblicazioni e cartelle cliniche digitali. Se analizzati attentamente e con gli strumenti adeguati, questi possono dare la giusta spinta alla ricerca in ambito sanitario, non solo per quanto riguarda la produzione di nuovi farmaci, ma anche per la scelta di un nuovo trattamento clinico. Si crea, dunque, una banca dati potenzialmente sterminata arricchita tutti i giorni attraverso i servizi di e-Health, come la cartella sanitaria elettronica, il FSE e lo storico di appuntamenti, diagnosi e ricette di ciascun paziente, che vengono inseriti e archiviati grazie anche ai software gestionali medici usati dalle strutture sanitarie e dai professionisti della salute.

Tra le molte informazioni che è possibile raccogliere a proposito dei pazienti, ci sono anche indicazioni di preferenze che possono sembrare poco prossime al settore sanitario, ma che rivelano informazioni interessanti tratte direttamente dai comportamenti online. Una ricerca su Google, il contenuto di un’email, dei post condivisi sui social possono raccontare preoccupazioni e priorità dei cittadini. L’esempio più classico è quello di Derrick de Kerckhove che, nel 2012, proprio grazie all’utilizzo dei Big Data ha scoperto che le persone temevano più lo scoppio di una nuova epidemia che il terrorismo.

I dati al supporto del medico

Una volta che i Big Data sono messi a disposizione del medico, del farmacista o dell’operatore sanitario, si pone il problema di come usarli, che nasconde, a sua volta, un tema cruciale: quello della classificazione dei dati. Da un lato ci sono i dati personali, relativi dunque al paziente-cittadino, e dall’altro quelli organizzativi che, invece, descrivono l’attività dell’ente che ha in carico la tutela della salute del cittadino, che sia una ASL oppure un poliambulatorio.

La combinazione e un uso oculato e competente di queste informazioni, può aiutare il professionista sanitario in varie attività singole o collettive, riassunte in sei punti da Mauro Moruzzi, Responsabile Scientifico Assinter Academy su Agenda Digitale:

1. medicina di complessità e di precisione;
2. presa in carico dei pazienti, in particolare quelli che soffrono di patologie croniche, oppure quelli che richiedono continuità assistenziale sul medio e lungo periodo; medicina predittiva e di prevenzione;
3. continuità assistenziale socio-sanitaria;
4. prevenzione e medicina predittiva;
5. riorganizzazione complessiva dei processi sanitari da piano locale fino al sistema sanitario nazionale;
6. open innovation, per favorire il dialogo e la progettazione condivisa tra chi si occupa di sanità e chi, invece, si dedica al welfare, statale e aziendale.

Vantaggi anche per il paziente?

Il potenziale dei big data in medicina è enorme e chi sta studiando il settore da anni è convinto che possa effettivamente innovare e migliorare profondamente la sanità. Le ricadute positive saranno, naturalmente, sul paziente. Conoscere un maggior numero di informazioni sul suo stato di salute, infatti, permetterebbe di seguire ciascuno in maniera sempre più personale e “su misura”.

Secondo uno studio pubblicato su Technology Review, per esempio, grazie ai big data è possibile raccogliere dati sufficienti per consentire ai medici di sapere con 12 mesi di anticipo e con una percentuale di sicurezza pari al 98% se un determinato farmaco provocherà degli effetti collaterali ad un determinato paziente. Informazione che può essere utilizzata per prescrivere un medicinale diverso, aiutando il malato a guarire prima, ma anche a risparmiare.

Per fare un altro esempio, un impiego attento dei Big Data consente anche di responsabilizzare il cittadino sulla sua salute perché le persone possono autorizzare la condivisione di alcune informazioni quotidiane come il ritmo del sonno oppure il battito cardiaco. Qualsiasi anomalia viene, di conseguenza, immediatamente rilevata e trattata.

Big Data in Italia

Il processo di digitalizzazione in Italia è lento in sanità come in tutti gli altri settori. Si stanno diffondendo, sebbene non in maniera del tutto omogenea, strumenti come il Fascicolo Sanitario Elettronico, i nuovi sistemi CUP, il taccuino dell’assistito, il dossier sanitario e la Cartella Clinica Elettronica. Tutte innovazioni che vanno nella direzione della dematerializzazione delle informazioni e quindi anche della raccolta di informazioni integrate e a disposizione dei medici.

Tuttavia è ancora carente l’effettiva integrazione di queste informazioni con le web analytics e con le altre informazioni a proposito del paziente-cittadino che si possono effettivamente già raccogliere. Esistono dei progetti pilota che sono attivi in questo senso, ma la loro attività resta residuale e ancora non diffusa su tutto il territorio nazionale.

È necessario, dunque, un approccio integrato che tenga in considerazione uno spettro di raccolta dati più ampio, ma anche una maggiore attenzione alla professionalità necessaria per gestire e coordinare i Big Data. Si chiamano Data Scientist e Data Analyst e sono professioni nuove, che combinano competenze matematiche, tecnologiche e statistiche messe infine a disposizione di un'organizzazione per consentirle di crescere e migliorare.

Contemporaneamente, contribuiscono anche allo sviluppo di piattaforme e software di gestione ed analisi dei Big Data in medicina. E laddove la mole di dati da analizzare supera le capacità del ricercatore, la machine learning viene allora in aiuto del settore offrendo strumenti che permettano di interpretare al meglio il significato dei dati stessi, garantendo così un futuro più ricco di informazioni per la ricerca medico-sanitaria.