"Big Data" in medicina: applicazioni presenti e future nella sanità
Tutti noi abbiamo sentito parlare almeno una volta di Big Data: con il crescere della digitalizzazione, delle possibilità pressoché illimitate di internet – dai social all’Internet of Things – si sono in qualche modo accumulati e creati una quantità enorme di dati. Questi dati non sono processabili e analizzabili da un essere umano, proprio per la loro mole, ma per far sì che siano utili devono passare attraverso algoritmi, software di analisi e sistemi di conservazione e stoccaggio.
In generale, i Big Data possono riguardare qualsiasi settore: sono informazioni digitali prodotte e raccolte a livello globale e destinate a crescere. Il termine ha origini lontane: nasce nel 1997 quando gli scienziati della Nasa si trovarono per la prima volta a dover affrontare una mole talmente vasta di dati da non riuscire a visualizzarli, a memorizzarli e quindi – come dicevamo – ad analizzarli.
In medicina, i Big Data hanno acquisito sempre più importanza: è il settore dove si assiste a un aumento maggiore in percentuale rispetto ad altri e dove gli effetti del loro utilizzo potrebbero avere un enorme impatto sulla percezione e sul concetto stesso di salute e malattia, destinato probabilmente a cambiare per sempre in termini di approccio e possibilità.
Grazie ai Big Data, come vedremo, sarà sempre più possibile una medicina personalizzata sull’individuo, in grado di stabilire percentuali di rischio per certe malattie, di identificare farmaci mirati al bersaglio e studiati per le caratteristiche della persona, di gestire in modo ottimizzato le prestazioni sanitarie.
Sembra fantascienza e invece sono i Big Data: una parola che riguarda tutti molto da vicino. Utilizzare uno smartwatch per monitorare la corsetta della mattina, condividere sui social, fare acquisti online, avere una cartella clinica elettronica: tutto contribuisce alla creazione dei Big Data e ai progressi della medicina in questo settore.
Ma andiamo con ordine.
Caratteristiche dei Big Data
I Big Data, per essere definiti tali, devono possedere quattro caratteristiche, chiamate anche 4 V:
- Volume
- Velocità
- Varietà
- Veridicità
In sintesi, possiamo dire che i Big Data devono essere voluminosi, ovvero i dati devono essere in quantità massicce, tali da non poter essere visualizzati e analizzati dall’uomo. Il flusso di dati è continuo e senza sosta: la rete produce e conserva dati costantemente da ogni parte del mondo. I dati hanno formati diversi: possono essere testi, video, audio, immagini, numeri. Purtroppo, uno dei nodi dei Big Data, è che sono dati non controllati che provengono da fonti non necessariamente affidabili.
Rispetto alla Evidence Based Medicine, dove abbiamo campioni rappresentati in numero minore ma con dati affidabili, integri, controllati, qui il campione è potenzialmente pari al 100 percento della popolazione ma con dati spesso non del tutto attendibili, che possono avere distorsioni.
I Big Data devono potersi parlare tra di loro, ci deve essere quella che si chiama interoperatività: sistemi diversi devono poter essere connessi, scambiarsi e collettare i dati, che devono condividere elementi tecnici, sintattici a livello informatico, semantici a livello linguistico. In medicina, per esempio, per sfruttare i Big Data generati dalle Cartelle Cliniche Elettroniche, è necessario che ci sia interconnessione tra specialisti, centri di cura, ospedali, medici e che tutte queste figure possano accedere ai dati raccolti, utilizzando un linguaggio medico condiviso e un linguaggio di programmazione identico tra tutti i sistemi informatici in uso.
I fattori che favoriscono la produzione di Big Data in medicina
Perché in medicina i Big Data sono cresciuti e continuano a crescere così tanto? Le motivazioni sono essenzialmente quattro.
- I progressi nella diagnostica per immagini: il digitale ha permesso di avere a disposizione macchine sempre più sofisticate che generano immagini digitali per diagnosi sempre più precise. Queste immagini sono una miniera di dati, che possono essere archiviati e utilizzati.
- L’avvento delle Cartelle Cliniche Elettroniche e di tutti i sistemi affini di conservazione digitale e dematerializzata della vita clinica e sanitaria di ciascun paziente. La mole di dati aggregati che possiamo avere grazie a queste cartelle è impressionante e può aiutare a comprendere meglio il decorso di una malattia, affinare le diagnosi, prevenire e prevedere l’esito. Possono essere utili, se combinate con i Big Data amministrativi e di management, per migliorare l’efficienza delle cure all’interno di una struttura ospedaliera.
- Lo sviluppo delle scienze cosiddette “-omiche”: metabolomica, proteomica, genomica etc…queste discipline studiano i fenomeni a livello cellulare e molecolare, per capire cosa accade in caso di malattia a tutto il pool di elementi in questione come, per esempio, l’espressione delle proteine, l’accensione o lo spegnimento di alcuni geni anziché altri e così via. Questo tipo di ricerca produce anch’essa un’enorme mole di dati che possono essere utilizzati per la medicina predittiva.
- Internet of Things. Tutti noi produciamo dati quando utilizziamo lo smartwatch, app, dispositivi domotici, ma anche i dispositivi sempre più moderni e sofisticati specifici per il campo medico come i misuratori di glicemia impiantabili.
Come si utilizzano i Big Data e quali saranno le conseguenze
I Big Data possono essere utilizzati a vari livelli e in modi estremamente diversi. Vediamo alcuni esempi nell’applicazione dei Big Data in medicina:
Durante la pandemia da Covid-19, sono per esempio stati raccolti dati sui livelli di inquinamento, sulle condizioni meteorologiche, sulla mobilità delle persone e sull’andamento dei contagi. Con queste informazioni si può analizzare se le condizioni climatiche o i livelli di inquinamento possano avere un impatto sui contagi.
Le app per monitorare il ciclo mestruale sono una fonte di dati enorme relativa alla salute e al benessere delle donne; possono dare informazioni importanti e contribuire alla ricerca ginecologica, a migliorare diagnosi di patologie come endometriosi e ovaio policistico, a comprendere meglio aspetti della sessualità femminile, ad aiutare coppie ad avere figli o a ridurre la percentuale di gravidanze indesiderate.
Ci sono sistemi che raccolgono dati sui tumori, ospedali che hanno una digitalizzazione pressoché totale che permette di migliorare l’efficienza delle prestazioni, ci sono dati sui parametri degli sportivi, sulla qualità del sonno. La genomica, invece, potrà in futuro consentire passi avanti alla medicina di precisione, identificando i geni coinvolti in specifiche malattie, creando diagnosi sempre più precise e farmaci sempre più indirizzati al bersaglio.
In generale, possiamo quindi riassumere l’utilizzo dei Big Data in medicina in questo modo:
- Per ottenere diagnosi migliori, più precise e veloci.
- Per migliorare la cura, attraverso l’utilizzo di farmaci sempre più indirizzati a un bersaglio e con sempre meno effetti collaterali per il paziente. La medicina di precisione renderà possibile anche il farmaco su misura per un certo tipo di paziente, anziché per un’intera popolazione.
- In ricerca, sono una fonte di informazioni per poter progredire in diversi campi, dalla ricerca farmacologica all’eziopatologia, alla capacità di predire una malattia o un’epidemia, all’individuazione di bisogni specifici sui quali indirizzare i finanziamenti.
- Nel settore gestionale, si possono analizzare i dati clinici, epidemiologici e amministrativi per capire come ridurre i costi della sanità, massimizzare i benefici, rendere più efficiente ed efficace il processo di cura e rendere più snelli e ottimizzati i processi amministrativi e burocratici.
Sfide, criticità e futuro dei Big Data in medicina
Anche i Big Data nascondono criticità e sfide, come accade spesso nel corso dell’evoluzione tecnologica e medica.
Innanzitutto, il tema più impegnativo è sicuramente quello della privacy dei pazienti, della sicurezza dei dati e della necessità, quindi, di garantire normative che tutelino i cittadini dall’uso improprio dei loro dati e dalla mancanza di privacy. Come abbiamo visto, inoltre, i dati riguardano un campione enorme di persone che può avvicinarsi al cento percento della popolazione: questo non sempre basta a garantire la loro appropriatezza, la correttezza delle analisi e dei risultati. I dati possono contenere errori, distorsioni, fattori confondenti e il sistema che li processa potrebbe commettere errori di interpretazioni. Lavorare sulla qualità dei dati e sulle macchine e sugli algoritmi sottesi alla loro interpretazione è una delle sfide cruciali del settore.
Per quanto riguarda il futuro, possiamo prevedere che la mole di dati a disposizione è destinata ad aumentare: con l’affinarsi dell’IoT e dell’intelligenza artificiale, non solo aumentano i dati ma anche la capacità e la potenza delle macchine di raccoglierli, processarli, interpretarli, renderli utili e infine immagazzinarli. Tutto questo ci potrà portare a una medicina di precisione, con interventi sempre più mirati, diagnosi più facili e veloci e una migliore prevenzione, fino alla capacità di prevedere una malattia leggendola nei geni.
Fonti:
CP-434758
