Wearable device: la nuova frontiera dei big data in pharma

Aprile 16, 2015 in Mobile pharma di Oscar Lambrughi

Se trovi interessante questo articolo, iscriviti alla Newsletter mensile di Digital Pharma.
Lascia l’indirizzo email nel box a destra e sarai sempre aggiornato sul mondo del marketing e della comunicazione farmaceutica.

L’importanza della rilevazione dei dati biometrici del paziente nell’ individuazione di trattamenti e diagnosi personalizzate.

Costruire modelli predittivi per la prognosi e la diagnosi del nostro stato di salute sta diventando un fattore sempre più importante in medicina.

up-appcessories-mobileUno degli aspetti più interessanti dell’integrazione fra tecnologia e Big Data in pharma è sicuramente quello dell’apprendimento automatico (noto in letteratura con il nome di Machine Learning).

Il Machine Learning rappresenta, a tutti gli effetti, una delle aree fondamentali dell’intelligenza artificiale.  L’apprendimento automatico può avvenire catturando nuove caratteristiche interessanti da strutture di dati o da sensori allo scopo di analizzarle e valutarle in relazione alla variabile osservata per poi, alla fine, realizzare sistemi e algoritmi in grado di produrre nuova conoscenza.

Per decenni abbiamo sognato di poter realizzare software che potessero essere in grado di andare al di là della loro programmazione originaria e di “imparare” dall’esperienza pregressa per tarare i propri comportamenti in base alle necessità.

Anche se fino ad oggi non siamo ancora stati in grado di riprodurre sistemi di apprendimento automatico simili a quello umano, la direzione presa è quella. Recentemente i progressi negli algoritmi dei software hanno permesso di avvicinarsi sempre di più a questo nobile obiettivo prendendo ispirazione dalla natura ed integrando i processi biologici all’interno dei software. In che modo?

Come molti di noi sanno, la teoria della selezione naturale spiega, in parte, come le specie si evolvano nel tempo per adattarsi al loro ambiente. L’idea di base è che ogni individuo possiede delle caratteristiche diverse e che queste variazioni gli permettono di sopravvivere nel proprio ambiente. Traslato in ambito tecnologico per la risoluzione di problemi complessi, il calcolo evolutivo applica gli stessi principi che si trovano in natura: le soluzioni migliori sono autorizzate a rimanere, mentre le soluzioni più povere vengono scartate dalla popolazione. Possiamo dire quindi che l’informatica evolutiva (o evolutionary computing) rappresenta una componente chiave di Machine Learning.

Approcci di calcolo evolutivi, dati biometrici e Big Data possono aiutare a realizzare trattamenti e diagnosi personalizzate su ogni singolo il paziente, ricevendo ed elaborando i feedback di ciò che funziona e di cosa invece no. La National Science Foundation NSI, ad esempio, ha usato queste tecniche nei soggetti che soffrivano di acufeni per adattare le “maschere sonore”, che solitamente si usano per distogliere l’attenzione dei pazienti dal fastidioso ronzio, sulla base delle risposte dei singoli soggetti prima e dopo essere stati sottoposti alle stimolazioni sonore.

Un’altra applicazione dell’informatica evolutiva e dei Big Data in pharma può essere quella della previsione del cambiamento dei virus nel tempo nei singoli individui: esperti bioinformatici hanno dimostrato come queste tecniche (la rilevazione dei dati biometrici del paziente e le tecniche di calcolo evolutivo) possano aiutare medici e ricercatori a riconoscere e anticipare come l’HIV si evolve nei pazienti infettati dal virus, permettendo quindi di individuare trattamenti più efficaci.

Secondo Dwayne Spradlin, CEO del no-profit  Health Data Consortium, l’accesso ai Big Data in pharma ci permetterà di accedere ed analizzare insiemi di dati enormi e ci aiuterà quindi a migliorare la nostra capacità di anticipare e curare le malattie e di aiutare le macchine ad andare al di là di ogni possibile contingenza per la quale sono state programmate, per assumere decisioni più consapevoli e mirate all’esatta individuazione del comportamento da tenere.

I Big Data in pharma ci aiuteranno, quindi, ad individuare trattamenti e diagnosi personalizzate sui singoli pazienti: una sorta di capacità di predire il futuro sulla base delle esperienze pregresse.

Ma che cosa si intende generalmente per Big Data? Con il termine Big Data si intende solitamente la capacità di analizzare una varietà di insiemi di dati (non strutturati) provenienti da un’ampia gamma di fonti e di collegarli per estrarre (in modo automatico ed economico ) informazioni potenzialmente preziose.

Wearable-devices-healthcareL’analisi dei Big Data prodotti dalla mHealth potrà fornire alle autorità sanitarie un quadro più completo e preciso delle malattie e dei comportamenti dei pazienti, contribuendo così ad aumentare l’efficacia dell’assistenza sanitaria stessa e a migliorare la prevenzione. La mHealth, in tal senso, potrà facilitare l’estrazione di grandi volumi di dati sanitari (ad esempio misurazioni, descrizioni dei sintomi, ecc.) che possono essere archiviati in grandi banche dati e contribuire a promuovere la ricerca e l’innovazione nel campo dell’assistenza sanitaria.

Secondo Brian Krzanich, CEO di Intel, i Big Data rappresentano un’opportunità collettiva che trasformerà tutti i settori, mHealth in primis. La Intel stessa, ad esempio, sta lavorando assieme al Cancer Institute Cavaliere per costruire una “nuvola” che integrerà i dati genomici, dati clinici e altre informazioni in un sistema di 1,25-PB per consentire trattamenti contro il cancro individualizzati. L’obiettivo è arrivare entro il 2020 a sequenziare in un solo giorno un intero genoma, identificando i geni fondamentali che causano il cancro e il mezzo per bloccarli attraverso un trattamento personalizzato di precisione.

La nuova frontimobile-world-congress-apple-watch3era dei Big Data in pharma è, però, a tutti gli effetti quella dei dispositivi indossabili (o wearable device): attraverso la rilevazione e l’analisi dei dati biometrici del paziente, gli wearable device agiscono come naturale estensione dei dispositivi che usiamo già regolarmente (smartphone, etc.), fornendo e raccogliendo informazioni in modo più naturale.

La tecnologia indossabile è stata oggetto di interesse per diversi anni, ma di recente sembra avere un maggiore slancio. Che si tratti di fit tracking, smartwatch (come l’Apple Watch) o altro, gli wearable device stanno facendo notizia e raccogliendo molti consensi.

Si stima che entro il prossimo decennio i dati biometrici provenienti da sensori personali passeranno dal 10% al 90% circa di tutte le informazioni archiviate (Fonte: Improving Public Health and Medicine by use of Reality Mining, Pentland. A, Robert Wood Johnson Foundation). Dati che possono rivelarsi essenziali, ad esempio, per la ricerca epidemiologica in quanto permetteranno a ricercatori e scienziati di migliorare il trattamento dei pazienti attraverso l’osservazione di modelli su scala più ampia o di giungere a nuove conclusioni sulla relazione tra sviluppo di una patologia e fattori ambientali.

I Big Data in pharma, inoltre, potrebbero contribuire a ridurre i periodi di prova dei medicinali, a sviluppare meccanismi più avanzati per l’individuazione precoce e la prevenzione delle malattie e a elaborare modelli commerciali innovativi in questo settore. La stessa Intel sta lavorando con la Michael J. Fox Foundation su wearable device che potrebbero aiutare medici e pazienti a comprendere meglio la malattia di Parkinson.

Possiamo dire con certezza, quindi, che attraverso la rilevazione dei dati biometrici dei singoli pazienti e i Big Data in pharma, l’mHealth aiuterà i singoli individui a prendere decisioni più consapevoli, sensibilizzandoli attraverso informazioni facilmente comprensibili sul loro stato di salute e sul modo in cui conviverci.

Grazie ai sensori che rilevano e segnalano i dati biometrici dei singoli pazienti (nonché alle app mobili che li invitano a seguire il trattamento prescritto), le soluzioni di mHealth favoriranno quindi l’evoluzione del ruolo del paziente, che da soggetto passivo diverrà più partecipativo e più responsabile della propria salute.