HUMAN DATA SCIENCE: tra tecnologia e scienza

“Helping people in healthcare develop a better understanding of human health and make better decision”

A cura di Cristina di Nicola

La definizione di HUMAN DATA SCIENCE, secondo IQVIA, si basa su due definizioni fondamentali:

Definizione Human Data Science
[Grafico realizzato da: Cristina Di Nicola; rielaborazione del grafico presentato nel videocorso “La sfida del Patient Recruitment”]

In un articolo pubblicato da IQVIA, gli autori spiegano come si possa accelerare la conduzione di uno studio clinico sull’Alzheimer tenendo conto di fattori sociali, ambientali e di salute.

Alzheimer: caratteristiche e diagnosi

La patologia si caratterizza per la presenza di depositi di amiloide e altri cambiamenti a livello cerebrale, i quali possono comparire fino a 20 anni prima dell’insorgenza della sintomatologia. Risulta dunque evidente che la patologia va presa in carico il prima possibile, per evitare che vi siano complicanze e che la demenza peggiori nel tempo.

Ad oggi la maggior parte delle sperimentazioni cliniche si basano sull’utilizzo di anticorpi monoclonali (mAbs). Tuttavia, i farmaci attualmente in uso difficilmente riescono ad attraversare la barriera emato-encefalica (BEE). Per bypassare il problema della permeabilità della BEE, c’è il rischio che si sviluppi tossicità in seguito all’aumento del dosaggio di mAbs.

L’Alzheimer è sempre stata considerata come un’entità clinico-patologica; tuttavia, vi è stato un cambio di paradigma a partire dalla revisione dei criteri IWG del 2007, fino ad un recente articolo del 2018 prodotto da NIA-AA, secondo il quale la patologia è definita come l’insieme dei cambiamenti neuropatologici caratteristici definiti in vivo dai biomarcatori e dallo studio post-mortem, e NON dai sintomi clinici.

Grazie a questo cambiamento, sono stati individuati dei marcatori biologici sia a livello liquorale (Aβ-42, Tau, Fosfo-Tau), sia a livello PET (PET amiloide, PET Tau), che hanno permesso di poter individuare alterazioni neuropatologiche prima ancora del riscontro diagnostico.

In fase di diagnosi, oltre all’individuazione del fenotipo clinico classico, si aggiunge così la rilevazione in vivo della patologia mediante biomarcatori biologici: l’amiloide e la proteina tau.

L’aumento d’incidenza di questa malattia e la mancanza di una terapia efficace rende necessario un intervento concreto e quanto più precoce possibile al fine di identificare la malattia di Alzheimer prodromica.

La ricerca clinica in questo caso ha un ruolo fondamentale.

Trial clinici: ruoli e finalità

Negli studi clinici è importante selezionare un pool di pazienti più adatto possibile, in modo da portare a termine lo studio e ottimizzare i tempi, con conseguente riduzione dei costi (di qui l’importanza del concetto di Patient Recruitment).

In fase di reclutamento è importante considerare diversi aspetti:

  • Fattori favorenti la progressione della malattia
    • presenza di variante genica APOE4
    • invecchiamento precoce
    • cambiamenti vascolari
    • volume ippocampale
  • Fattori di protezione
    • neuplasticità
    • livelli di istruzione più elevati
    • iperattività neuronale

In questo contesto si colloca il concetto di analisi predittiva: si tratta di tecniche statistiche che analizzano fatti storici e attuali per avere una visione completa dei fattori scatenanti gli eventi attuali (es. comparsa della malattia) e fare una previsione degli eventi futuri (es progressione della malattia).

IQVIA è la principale azienda a livello mondiale di elaborazione ed analisi dei dati in ambito healthcare: sfruttando il binomio dati/analisi predittiva, è possibile identificare un pool di pazienti che sia più adatto possibile negli studi in fase iniziale di malattia di Alzheimer.

L’intento è quello di sviluppare un modello predittivo che consenta di estrarre caratteristiche e modelli dai Real World Data, così da identificare la malattia prodromica.

Human Data Science è dunque intesa come intelligenza artificiale e rientra perfettamente nel mondo della Digital Health che si sta sempre più affermando negli anni.

Si tratta di un approccio utile ed innovativo per poter identificare nuove soluzioni nel settore sanitario e farmaceutico grazie all’utilizzo di modelli predittivi di malattia sempre più potenti.

Cristina Di Nicola

https://www.linkedin.com/in/cristina-di-nicola-72710117b/

“Mi sono laureata in Farmacia presso l’Università di Chieti. Dopo aver conseguito la specializzazione in Nutrizione Umana presso l’ Università Telematica San Raffaele, ho avuto modo di conoscere il mondo della Ricerca Clinica e ho quindi deciso con grande entusiasmo e curiosità di seguire la prima edizione online del corso Missione CRA. Il corso mi ha permesso di avvicinarmi e appassionarmi ancora di più a questo mondo, che sto continuando ad approfondire anche grazie ai numerosi corsi di formazione disponibili sulla piattaforma FormazioneNelFarmaceutico.com