Negli Stati Uniti una recente collaborazione potrebbe portare ad un importante passo avanti per il settore della sperimentazione sanitaria. I soggetti coinvolti sono Dassault Systèmes e la Food and Drug Administration (FDA). Tale situazione ha portato alla pubblicazione di una guida innovativa per l’utilizzo di gemelli virtuali e intelligenza artificiale generativa nei trial clinici in silico. Suddetta iniziativa, sviluppata nel quadro del progetto ENRICHMENT, ha il potenziale per trasformare radicalmente il processo di approvazione di dispositivi medici e trattamenti terapeutici. Rendendolo, in questo modo, più rapido, sicuro ed efficiente.
Sperimentazione clinica: sviluppi interessanti
I trial clinici in silico rappresentano una frontiera all’avanguardia nella ricerca biomedica. Basati su modelli matematici avanzati e simulazioni digitali, quest’ultimi consentono di replicare le condizioni fisiologiche e patologiche di popolazioni virtuali. Inoltre, grazie a tale tecnologia, è possibile studiare il comportamento di un dispositivo medico. O anche di un farmaco senza la necessità di sperimentazioni tradizionali. In tal modo si riducono i costi e i tempi richiesti.
Claire Biot, Vicepresidente di Life Sciences and Healthcare Industry di Dassault Systèmes, ha descritto il progetto come un importante evoluzione per la sanità digitale. Grazie al Playbook ENRICHMENT, il settore sanitario è ora meglio attrezzato. In tal modo può affrontare in modo efficiente le sfide del futuro. Ciò accelerando l’innovazione e migliorando la qualità della vita dei pazienti in tutto il mondo.
La guida pubblicata su Frontiers in Medicine fornisce un quadro metodologico per garantire la credibilità e la validità di tali simulazioni. Il tutto suddividendo il processo in sei modelli principali. Quest’ultimi comprendono dispositivi, pazienti virtuali e scenari clinici. Come anticipato, l’elemento chiave di tale metodologia è l’integrazione tra gemelli virtuali. Quest’ultimi replicano fedelmente i parametri fisiologici e clinici di pazienti reali. A ciò si unisce anche l’AI generativa, capace di creare dataset sintetici rappresentativi di scenari complessi. Questa combinazione consente non solo di simulare in modo realistico interi trial clinici, ma anche di personalizzare i trattamenti.
