Dati sintetici e IA, Saverio D’Amico CEO di Train (Humanitas)

La ricerca clinica ha un bisogno crescente di dati, ma i dati dei pazienti sono preziosi, difficili da raccogliere, spesso frammentati tra centri diversi e, soprattutto, devono essere protetti con il massimo rigore.
È uno dei grandi paradossi della medicina contemporanea: per costruire cure sempre più personalizzate servono informazioni cliniche di qualità, ma l’accesso a queste informazioni è complesso, regolato da vincoli etici, normativi e tecnologici.

Da questa sfida nasce il lavoro che Humanitas porta avanti dal 2021 sui dati sintetici: dati generati artificialmente da algoritmi di intelligenza artificiale, capaci di replicare le caratteristiche statistiche e biologiche dei dati reali senza contenere informazioni riconducibili ai singoli pazienti.

Un percorso partito dall’oncoematologia e oggi esteso ad altri ambiti, dalla gastroenterologia all’epatologia fino alla reumatologia. Al centro c’è una piattaforma sviluppata per consentire ai ricercatori e alle ricercatrici di generare dataset sintetici sicuri, validati e utilizzabili per accelerare la ricerca clinica.

Ne parliamo con Saverio D’Amico (nella foto), amministratore delegato e co-fondatore di Train, spin-off di Humanitas, specializzato nello sviluppo di soluzioni di intelligenza artificiale per la sanità, tra cui dati sintetici, digital twin e strumenti digitali per la ricerca e la clinica. D’Amico è anche team leader dell’Humanitas AI Center, dove lavora a soluzioni di intelligenza artificiale applicata alla medicina.

D’Amico, Train nasce come spin-off di Humanitas nel 2023. Quale bisogno avete intercettato allora e come si è evoluto nel tempo?

«Il punto di partenza per me è stato il desiderio di portare la tecnologia molto vicino ai bisogni reali della medicina. Sono ingegnere biomedico, mi sono formato al Politecnico di Milano e ho iniziato il mio percorso in ambito accademico lavorando su software neurologici legati all’analisi di dati provenienti da dispositivi medici, con l’obiettivo di prevenire eventi epilettici.

Fin dall’inizio però, ho sempre avuto una forte tensione verso qualcosa di applicativo. A un certo punto sono entrato in industria e ho lavorato per quattro anni in una multinazionale nell’ambito dell’intelligenza artificiale, era il 2018: l’intelligenza artificiale in sanità non era ancora un tema così popolare come oggi, ma già allora cercavamo nei paper scientifici e nelle tecnologie emergenti soluzioni che potessero rispondere a problemi concreti dei clienti.

L’incontro con il professor Matteo Della Porta e Victor Savevski, direttore del centro AI di Humanitas, è stato decisivo. Ci siamo chiesti: questa capacità di individuare problemi reali e cercare soluzioni tecnologiche può essere applicata alla sanità? Può essere utile nelle malattie rare, nei tumori del sangue, nei contesti in cui il dato è poco disponibile e le decisioni cliniche sono particolarmente complesse?

Da lì ho lasciato la parte più industriale e sono entrato in Humanitas. All’inizio il lavoro è stato soprattutto costruire un ecosistema: mettere insieme competenze diverse e trovare soluzioni a problemi critici individuati fianco a fianco con i medici. Questo per noi è un punto essenziale: l’unico modo per sviluppare una soluzione tecnologica utile è partire dal corretto problema clinico.

Quando abbiamo cominciato a lavorare su questi temi, quella che oggi chiamiamo generative AI era ancora agli inizi. Nel 2021 eravamo, in un certo senso, dei precursori. Ci siamo concentrati su uno dei grandi problemi delle malattie rare: la mancanza di dati. Da lì sono nati i lavori sui dati sintetici e sui digital twin.

Poi sono arrivati anche i finanziamenti europei, circa due milioni di euro in due anni, che hanno permesso di far crescere il team. Oggi Train lavora su tecnologie che hanno un obiettivo molto preciso: sostenere il clinico nella scelta di terapie sempre più personalizzate e offrire soluzioni a problemi specifici».

I dati sintetici sono uno dei temi più discussi della ricerca clinica. Come li spiegherebbe a chi non è un tecnico?

«I dati sintetici sono prima di tutto una soluzione tecnologica a un problema clinico: la mancanza di dati e la difficoltà di reperire dati sufficienti sui pazienti e sulle malattie.

Tutta la ricerca clinica, in fondo, si basa sulla raccolta di evidenze: osserviamo come si comporta una malattia, proviamo a capire come funzionano i farmaci, raccogliamo informazioni sulle molecole, sui target, sulle risposte dei pazienti. Tutto questo si traduce in raccolta e analisi di dati. La base della ricerca è questa: osservare, raccogliere, confrontare, trovare soluzioni.

Nei tumori del sangue, per esempio, sono stati fatti molti passi avanti proprio perché negli anni si sono raccolti dati sull’evoluzione delle malattie. Il problema è che non sempre questi dati sono disponibili in quantità sufficiente, soprattutto nelle malattie rare o nei sottogruppi di pazienti più piccoli.

Il dato sintetico nasce qui: è un’applicazione tecnologica che genera un dato virtuale e artificiale di un paziente. In pratica crea un paziente virtuale con un intero corredo di informazioni cliniche. Naturalmente non è un’invenzione casuale. È come se osservassi cento persone e, vedendo che tutte hanno determinate caratteristiche comuni, costruissi un nuovo dato che rispetta quelle caratteristiche, senza però corrispondere a una persona reale.

Ci sono due aspetti fondamentali: il primo è che il dato sintetico può essere considerato anonimo, perché non contiene informazioni riconducibili a un singolo paziente. Il secondo è che è un dato condizionabile: posso decidere quali caratteristiche voglio approfondire o potenziare.

L’intelligenza artificiale, in questo caso, non inventa valore dal nulla, ma è piuttosto un amplificatore. Se io ho una certa popolazione di pazienti e voglio studiarne meglio alcune caratteristiche, il dato sintetico mi consente di amplificare quel segnale. Da ingegnere, uso spesso questa immagine: è come un amplificatore che migliora il rapporto segnale-rumore, un po’ come accade con una chitarra. Non crea qualcosa dal nulla, ma rende più leggibile, più forte e più analizzabile un’informazione che già esiste nei dati reali».

Ci fa un esempio?

«Pensiamo a una sottopopolazione specifica, per esempio i bambini con una malattia rara. Per raccogliere abbastanza dati reali potrei dover aspettare anni. Con i dati sintetici posso amplificare quella coorte e accelerare l’analisi, naturalmente sempre in modo controllato e validato.

È importante però chiarire un punto: i dati sintetici non sostituiscono i dati reali, li integrano. Sono uno strumento complementare, che può diventare molto utile in alcune applicazioni, per esempio negli studi clinici».

Come funziona la piattaforma che ora viene messa a disposizione della comunità scientifica di Humanitas?

«È un software che Train ha sviluppato con e in Humanitas, mettendolo poi a disposizione di tutto l’IRCCS perché questo tipo di tecnologia non resti confinato a un singolo progetto o a un gruppo ristretto di specialisti. Serve certamente l’algoritmo, ma serve anche una logica di democratizzazione della tecnologia.

I dati sintetici possono essere utili a molte discipline: gastroenterologia, ematologia, oncologia, neurologia, reumatologia e altre ancora. Per questo abbiamo lavorato a una piattaforma accessibile attraverso un sito web, in cui i ricercatori possano entrare, caricare o utilizzare i propri dati all’interno dell’infrastruttura autorizzata e generare dataset sintetici.

L’obiettivo è permettere a più gruppi di ricerca di usare questa tecnologia, senza dover ogni volta ripartire da zero. È una piattaforma che rende scalabile un’esperienza nata da applicazioni specifiche.

C’è anche un aspetto importante legato al modello di trasferimento tecnologico. Ci piaceva l’idea di installare questa piattaforma all’interno di Humanitas perché l’investimento nella ricerca diventasse circolare: la ricerca genera una tecnologia, lo spin-off la sviluppa e la trasforma in prodotto, e quel prodotto ritorna alla ricerca stessa. In questo senso lo spin-off non è un investimento a fondo perduto, ma uno strumento per far rientrare valore nell’ecosistema scientifico e clinico da cui è nato».

Train lavora anche su digital twin e patient avatar. Quanto siamo vicini a una medicina simulata sul singolo paziente?

«Il dato sintetico lavora soprattutto a livello di popolazione. Una delle sue applicazioni principali riguarda gli studi clinici. In un trial tradizionale, per esempio, si possono avere cento pazienti divisi in due gruppi: cinquanta ricevono il trattamento sperimentale e cinquanta ricevono lo standard di cura o, in alcuni casi, un placebo o un trattamento di controllo.

Questo modello però può generare ridondanza e, in alcune situazioni, anche problemi etici. Se esiste già un trattamento standard che migliora la vita del paziente, perché dovrei assegnare un paziente a un gruppo in cui non riceve quel trattamento? In certi casi si può modificare il rapporto, per esempio 75-25, dando a più pazienti il farmaco innovativo e riducendo il gruppo di controllo. Ma la domanda rimane: come costruire un confronto affidabile?

Uno degli esempi più interessanti, attenzionato anche dall’EMA, riguarda il neuroblastoma infantile. In quel caso si parla di una terapia cellulare potenzialmente salvavita. Ma se i pazienti sono bambini, la domanda diventa molto concreta: a quale bambino decido di dare il farmaco? E come costruisco un gruppo di controllo senza sottrarre una possibile opportunità terapeutica? In un caso come questo, il gruppo di controllo può essere generato in modo sintetico. Il principal investigator è il professor Franco Locatelli del Bambino Gesù, e l’obiettivo è proprio generare una popolazione sintetica di confronto.

Quando invece ci spostiamo dal livello della popolazione al singolo paziente, entriamo nel campo dei digital twin e dei patient avatar. Qui non si tratta più di creare una coorte sintetica, ma di virtualizzare un paziente, seguirlo nel tempo e simulare possibili traiettorie di evoluzione della malattia.

Non siamo così lontani da questa prospettiva. Per certi aspetti ci siamo già arrivati. Penso, per esempio, alle leucemie acute e alla possibilità di costruire un modello del paziente per aiutare il personale medico a decidere quando intervenire con una terapia potenzialmente curativa come il trapianto di midollo.

Il trapianto può guarire ma è anche un trattamento ad alta tossicità, soprattutto in pazienti anziani o fragili. Il medico deve valutare costi e benefici: aspetto che la malattia evolva? Intervengo subito? Qual è il rischio della terapia rispetto al rischio della malattia? Il digital twin può aiutare a simulare l’evoluzione della malattia e a individuare se e quando il trapianto può essere la scelta migliore.

Un esempio riguarda la leucemia mielomonocitica cronica, dove è in corso un lavoro di validazione clinica. E proprio la validazione clinica è il valore aggiunto di Train. La tecnologia da sola non basta: il 65-70 per cento del lavoro, potremmo dire, consiste nel validarla accanto ai medici, dentro i contesti reali in cui dovrà essere usata».

L’AI Act entrerà pienamente nel vivo a partire dal 2 agosto: questa nuova cornice regolatoria europea impatta in qualche modo sul vostro lavoro? E come si intreccia, in particolare, con l’attività di Train sui dati sintetici, dove il tema della sicurezza, della validazione e della tutela della privacy è centrale?

«Per noi la regolamentazione non è qualcosa che arriva alla fine del processo, ma un requisito di partenza. Quando sviluppiamo una soluzione, dobbiamo chiederci fin dall’inizio se quella soluzione sia compatibile con il quadro regolatorio, se possa essere applicata nella pratica e se risponda ai requisiti necessari per essere utilizzata in un contesto sanitario.

L’AI Act sottolinea l’importanza di sistemi sicuri, trasparenti e governati. In alcuni casi, il dato sintetico viene indicato anche come possibile strumento per rafforzare l’anonimizzazione, perché consente di conservare il valore informativo del dato rimuovendo l’identificazione personale.

È come se riuscissimo a estrarre valore dal dato clinico senza mantenere il legame con l’identità del paziente. Questo è esattamente uno dei principi su cui abbiamo costruito il nostro lavoro.

Tutto ciò che abbiamo sviluppato in Train è sempre partito da questi requisiti: privacy, sicurezza, validazione, controllo del dato e applicabilità reale. Naturalmente dobbiamo tenere conto anche dell’impatto che certe soluzioni possono avere, perché in alcuni casi possono diventare strumenti molto rilevanti per la ricerca e per la clinica.

Molte di queste soluzioni necessitano di certificazioni, percorsi di validazione e verifiche specifiche. È un processo che seguiamo con attenzione, perché in sanità non basta che una tecnologia funzioni tecnicamente: deve essere sicura, validata, regolata e inserita correttamente nel contesto in cui viene utilizzata».

La novità più recente riguarda le malattie rare del fegato. Può raccontarci di più su questo passaggio significativo?

«È un’altra applicazione molto importante, perché dimostra che la tecnologia può essere resa scalabile e utilizzata in ambiti diversi rispetto a quelli da cui siamo partiti.

L’applicazione, in questo caso, riguarda ancora una volta i clinical trial e la costruzione del braccio di controllo. Tradizionalmente, per creare un gruppo di confronto, si può attingere anche a studi già condotti in passato. Il problema è che la ricerca va avanti molto rapidamente: il modo in cui trattavo i pazienti cinque anni fa può essere diverso da come li tratto oggi. Questo crea un mismatch. Non posso sempre confrontare i pazienti attuali con coorti storiche che appartengono a un contesto terapeutico superato.

Qui il dato sintetico può venire in aiuto, perché consente, in un certo senso, di rendere attuale il passato. Permette di utilizzare informazioni già disponibili, ma rielaborandole in modo da costruire un confronto più coerente con lo scenario clinico presente.

Nel caso delle malattie rare del fegato, il risultato è frutto proprio dell’attuazione della piattaforma da parte dei medici. Non è una dimostrazione teorica: è un’applicazione costruita dentro un bisogno clinico reale. Il fatto che il lavoro sia stato accettato e presentato a Barcellona, al congresso dell’European Association for the Study of the Liver (EASL), è un segnale importante della maturità della tecnologia e del suo potenziale anche in ambiti non strettamente genetici».

Qual è la sfida più grande dei prossimi anni?

«Se seguiamo il flusso logico, il primo problema è la mancanza di dati. I dati alimentano i modelli, e i modelli possono poi essere applicati al singolo paziente. Il dato, in questo senso, è il carburante del motore ma poi serve anche capire come usare questa macchina.

Secondo me ciò che renderà davvero visibile questo cambiamento sarà il concetto di assistente virtuale a disposizione del clinico. La parola chiave è integrazione. Non dobbiamo immaginare la tecnologia come qualcosa che sostituisce il medico, ma come uno strumento che consente al clinico di fare di più, meglio e con maggiore supporto.

Oggi viviamo in un mondo in cui l’aspettativa di vita è aumentata, ma gli anni vissuti in buona salute non crescono allo stesso ritmo. Questo genera un carico enorme sul sistema sanitario, in un contesto in cui medici e infermieri sono sempre meno e la domanda di cura aumenta.

Le tecnologie di intelligenza artificiale possono rappresentare una parziale risposta a questo problema, soprattutto se diventano strumenti integrati nel lavoro quotidiano in clinica. Immagino un’interfaccia attraverso cui il medico possa interrogare le traiettorie di un paziente, esplorare scenari possibili, valutare l’evoluzione della malattia e prendere decisioni più informate.

C’è poi un altro tema decisivo: una parte enorme dei dati sanitari disponibili a livello mondiale è ancora non strutturata. Si parla di percentuali molto alte, fino al 97 per cento. Questo significa che molta conoscenza esiste già, ma non è immediatamente utilizzabile dai modelli. La sfida sarà trasformare questa massa di informazioni in conoscenza accessibile, validata e utile alla clinica. È qui che si gioca il futuro: non nell’IA come promessa astratta, ma nell’integrazione tra dati, modelli, validazione clinica e lavoro del medico».