I modelli fisiologici nella simulazione sono sempre più utilizzati per supportare il ragionamento clinico e stanno iniziando ad essere applicati nel monitoraggio remoto e nell’assistenza sanitaria personalizzata. Integrando biosensori, intelligenza artificiale e simulatori basati su modelli, questi strumenti potrebbero aiutare i medici a comprendere meglio le risposte dei pazienti e ad anticipare gli effetti degli interventi. Richard Helyer esplora le applicazioni attuali e il potenziale futuro senza sopravvalutarne le capacità.
L’ascesa del monitoraggio in tempo reale
Immaginate di essere a casa o al lavoro e che il vostro medico di base sia nel suo studio a osservare “in diretta” i vostri segni e le vostre variabili fisiologiche principali. Voi non lo sapete, ma grazie ai dati provenienti dai biosensori impiantati, il medico è stato avvisato di un cambiamento nella vostra pressione sanguigna, nei livelli di glucosio o nel ritmo cardiaco. Utilizzando il vostro “gemello digitale”, esplora gli effetti di un cambiamento nella vostra terapia farmacologica o di un altro intervento nel tempo. Vengono prese decisioni per affrontare il vostro problema a distanza, le modifiche alle dosi dei farmaci vengono inviate automaticamente alla vostra farmacia online, le impostazioni di un dispositivo impiantato nel vostro cervello vengono modificate o, nel peggiore dei casi, viene inviato un messaggio al vostro dispositivo smart per chiamarvi alla clinica locale. Non vi rendete nemmeno conto di aver visto il vostro medico di base, che passa poi efficacemente al paziente successivo segnalato automaticamente dal suo elenco dall’intelligenza artificiale (AI).
Sembra fantascienza? Tutto questo si basa su realtà che già esistono.
Le tecnologie alla base dei modelli fisiologici nella simulazione
I biosensori sono già ampiamente utilizzati, ad esempio nel monitoraggio del glucosio. Possiamo ingerire una “pillola” elettronica per esplorare il funzionamento del tratto gastrointestinale. La telemetria consente di caricare sul cloud i dati delle variabili monitorate. I progressi nell’informatica e nell’IA riconoscono i modelli nelle variabili, interpretano i dati e suggeriscono i risultati senza l’intervento umano. I dispositivi impiantati possono già modificare la frequenza cardiaca, controllata dall’esterno del corpo. Gli elettrodi che forniscono una stimolazione cerebrale profonda possono controllare la pressione sanguigna in individui resistenti alle terapie e alleviare i sintomi delle malattie degenerative.
Perché la modellazione fisiologica è importante per una simulazione realistica e predittiva
Ma qual è il ruolo della modellazione fisiologica in tutto questo? Perché è fondamentale? E in che modo il mondo della simulazione ci ha avvicinato alla risoluzione delle sfide quotidiane sempre crescenti nel settore sanitario al di fuori dell’istruzione?
Tutti i simulatori sono in una certa misura “gemelli digitali”. In un simulatore di volo Airbus A320, i comandi della cabina di pilotaggio e i loro effetti sul comportamento dell’aereo sono riprodotti con precisione. Il simulatore si comporta esattamente come il velivolo reale, compresa la sua risposta alle forze esterne: è un gemello digitale. Allo stesso modo, un simulatore per il ponte di una petroliera consente al capitano e al pilota portuale di esercitarsi nell’attracco della nave al molo. Nell’ingegneria, i gemelli digitali vengono utilizzati per testare il comportamento dei componenti critici sotto stress, ad esempio le turbine a reazione o le strutture di sostegno di un ponte stradale.
La precisione è fondamentale: il simulatore deve comportarsi come la realtà, altrimenti l’apprendimento è imperfetto.
Allo stesso modo, nella nostra pratica di simulazione sanitaria ci sforziamo di ottenere il realismo, sia esso fisico, tattile, comportamentale o di accuratezza dei segni fisiologici e dei segnali monitorati. Ed è qui che entra in gioco la modellazione fisiologica. I simulatori con un modello fisiologico sono già più o meno un gemello del nostro paziente. Prendiamo ad esempio il simulatore di pazienti umani basato su modelli Elevate Maestro Evolve (Elevate Healthcare, Sarasota, FL, USA). Questo permette agli studenti di sperimentare in tempo reale i cambiamenti nei segni e nei segnali dei pazienti virtuali e di vedere in tempo reale il successo o meno di un intervento.
Verso gemelli digitali personalizzati: approcci top-down e bottom-up
Naturalmente, l’accuratezza delle risposte del gemello dipende dalla qualità dei dati su cui si basa il modello e dall’accuratezza dei suoi algoritmi. Tuttavia, abbiamo già la possibilità di testare le ipotesi e le previsioni dei nostri studenti: ad esempio, come cambieranno i segni con il tempo se il nostro paziente peggiora o quando applichiamo un trattamento? Abbiamo già la possibilità di mettere in pausa il nostro gemello o di accelerare gli effetti e guardare al loro futuro.
Mentre Elevate Maestro adotta un approccio “top-down” al modello fisiologico che consente la manipolazione dei parametri fisiologici chiave, ad esempio la contrattilità ventricolare o la capacità venosa, AIBody (Londra, Regno Unito) adotta un approccio “bottom-up”. In questo caso, una libreria di modelli interconnessi consente la manipolazione dei parametri biochimici a livello cellulare, producendo effetti nei tessuti, negli organi e infine cambiamenti nei segnali monitorati a livello dell’intero corpo.
I gemelli digitali per la pratica sanitaria sono ormai una realtà? Non siamo ancora arrivati a quel punto… per ora. Le simulazioni attuali non sono ancora abbastanza rigorose da rappresentare completamente i pazienti con l’accuratezza necessaria per prevedere gli effetti di interventi critici in tutta sicurezza. Ma ci siamo vicini: già all’Università di Bristol parte della nostra didattica si basa sul “Bristol man”, un uomo di mezza età leggermente sovrappeso, un po’ iperteso e quindi più simile a un gemello digitale di chi scrive.
Conclusione
I progressi compiuti nello sviluppo di modelli fisiologici per l’insegnamento basato sulla simulazione, sia top-down che bottom-up, ci hanno avviato sulla strada per avvicinarci alla realtà dei gemelli digitali individuali come strumenti per personalizzare l’assistenza sanitaria. I modelli fisiologici non servono solo per l’apprendimento basato sulla simulazione, ma costituiranno la base per la cura dei pazienti nel prossimo futuro.
CONFLITTO DI INTERESSE
Ai fini della trasparenza e per aiutare i lettori a formarsi un proprio giudizio su potenziali pregiudizi, descrivete eventuali conflitti di interesse (o la loro assenza) per voi stessi e per tutti gli autori che hanno contribuito. Ciò al solo scopo di preservare l’obiettività, l’integrità e il valore della pubblicazione. Se avete dubbi sulla necessità di dichiarare un conflitto di interessi, consultate il redattore della nostra rivista, che vi guiderà sulla linea di condotta appropriata. Se non ci sono conflitti di interesse da dichiarare, all’articolo verrà aggiunta la seguente dichiarazione: “L’autore dichiara di non avere conflitti di interesse e di essere indipendente sia da Elevate Healthcare che da AI Body”.
LEGGI ANCHE
