Come è nata l’idea di realizzare questo progetto e a chi si rivolge?
L’idea nasce dall’osservazione di un bisogno clinico concreto e sempre più rilevante nella pratica quotidiana: molti pazienti con diabete mellito di tipo 2 sviluppano una malattia renale cronica in modo progressivo e spesso silente, arrivando talvolta alla diagnosi solo quando il danno renale è già significativamente avanzato. In questo contesto, l’identificazione precoce dei soggetti a maggior rischio rappresenta una sfida fondamentale per consentire interventi tempestivi e strategie terapeutiche più efficaci. Grazie all’esperienza scientifica di AMD e al patrimonio di dati Real-World raccolti negli Annali AMD, ci siamo chiesti se fosse possibile trasformare queste informazioni in uno strumento capace di aiutare il clinico nell’individuare i pazienti più vulnerabili, favorendo interventi più tempestivi e una gestione sempre più personalizzata della malattia. Da questa riflessione è nato il progetto “AMD Kidney Digital Twin”, che si rivolge principalmente ai diabetologi e agli specialisti coinvolti nella gestione del paziente con diabete e rischio cardiorenale. L’obiettivo è fornire uno strumento innovativo, e basato sull’evidenza scientifica.

Potrebbe descriverlo brevemente?
“Digital Twin” è un progetto di innovazione digitale che utilizza modelli di Intelligenza Artificiale, in grado di simulare possibili evoluzioni cliniche future. Partendo dai dati degli Annali AMD, che comprendono oltre 1,5 milioni di persone con diabete tipo 2, sono stati sviluppati modelli predittivi capaci di stimare il rischio di sviluppare malattia renale cronica entro tre anni e di prevedere l’andamento della funzione renale in differenti scenari terapeutici. L’obiettivo finale del progetto è valutare la possibilità di trasformare questo modello in una WebApp a supporto della pratica clinica, che consenta al medico di stimare il rischio futuro di progressione della malattia renale nel singolo paziente. L’ambizione è sviluppare uno strumento predittivo, semplice da interpretare, in grado di stimare il rischio di progressione della malattia renale e di evidenziare i principali fattori che contribuiscono a tale rischio.  

Che risultati avete o volete raggiungere?
I primi risultati sono incoraggianti. Il progetto ha dimostrato che l’utilizzo combinato di dati real-world, modelli predittivi e tecniche di Explainable AI possono identificare precocemente i pazienti a maggiore rischio di progressione della malattia renale e supportare valutazioni terapeutiche più personalizzate. L’ambizione va oltre il semplice sviluppo tecnologico. Vogliamo contribuire a una medicina sempre più predittiva e personalizzata, migliorando l’appropriatezza terapeutica, favorendo interventi precoci e supportando la preservazione della funzione renale nel lungo termine. In prospettiva, ci aspettiamo che strumenti di questo tipo possano contribuire a migliori esiti clinici per i pazienti e a una maggiore sostenibilità del sistema sanitario attraverso una prevenzione più efficace delle complicanze 

Cosa pensa ci sia ancora da fare in questo ambito?
Siamo ancora all’inizio di una trasformazione molto importante. Le tecnologie di AI applicate alla salute devono continuare a evolvere insieme alla ricerca clinica, garantendo sempre trasparenza, affidabilità e validazione scientifica. È fondamentale favorire l’integrazione di queste soluzioni nella pratica clinica quotidiana, rendendole semplici da utilizzare e realmente utili per i professionisti sanitari. Allo stesso tempo, sarà necessario ampliare ulteriormente la disponibilità di dati di qualità e promuovere una cultura della digital health che coinvolga clinici, ricercatori, istituzioni e pazienti. L’innovazione avrà successo solo se rimarrà centrata sui bisogni reali delle persone e sul supporto alla decisione medica, senza mai sostituire il ruolo del professionista. 

Qual è l’aspetto principale dell’AI & Digital Health Innovation che sarà più importante secondo lei nei prossimi anni?
Crediamo che il tema più importante sarà la capacità di rendere l’Intelligenza Artificiale realmente comprensibile e utilizzabile nella pratica clinica. Per molti anni l’attenzione si è concentrata soprattutto sulla potenza predittiva degli algoritmi. Oggi la vera sfida è costruire sistemi che, oltre a fornire una previsione accurata, siano in grado di spiegare in modo chiaro come sono arrivati a quella conclusione.L’Explainable AI rappresenta quindi un elemento chiave per creare fiducia, favorire l’adozione delle tecnologie digitali e permettere ai professionisti sanitari di integrare l’innovazione nel proprio ragionamento clinico. In questo senso, il futuro non sarà caratterizzato da un’Intelligenza Artificiale che sostituisce il medico, ma da una collaborazione sempre più efficace tra competenza umana, dati e tecnologie avanzate, con l’obiettivo finale di offrire cure più personalizzate e migliori risultati per i pazienti.