“Gemelli digitali”, nuova frontiera terapeutica. L'uso sperimentale, nella medicina personalizzata, dei cosiddetti "digital twins"

La medicina personalizzata sta vivendo una rivoluzione grazie all’introduzione di modelli computazionali innovativi che promettono di superare le limitazioni dell’intelligenza artificiale tradizionale. Al centro di questa trasformazione si trova il concetto di “gemello digitale” (digital twin), un modello virtuale che replica in tempo reale il comportamento di un sistema biologico attraverso dati raccolti da sensori.

Un team internazionale, guidato dai ricercatori dell’Università di Padova presso il Padua Center for Network Medicine, ha recentemente pubblicato uno studio rivoluzionario su “NPJ Digital Medicine” (del gruppo “Nature”). La ricerca, intitolata “Challenges and opportunities for digital twins in precision medicine from a complex systems perspective”, delinea un nuovo paradigma per l’applicazione dei gemelli digitali nella medicina di precisione.

Questi modelli virtuali rappresentano molto più di semplici strumenti predittivi. Come spiega Manlio De Domenico, primo autore dello studio e docente al dipartimento di Fisica e Astronomia dell’Università di Padova, si tratta di sistemi computazionali complessi basati su ipotesi biologiche esplicite. Questa caratteristica li rende particolarmente preziosi per simulare e analizzare interventi terapeutici in modo trasparente e comprensibile.

La peculiarità dell’approccio risiede nella sua natura interdisciplinare, che fonde elementi di fisica statistica, biologia e medicina. I gemelli digitali sviluppati non sono mere riproduzioni statistiche di dati clinici, ma veri e propri modelli esplicativi, capaci di simulare il comportamento di sistemi biologici a diversi livelli di complessità, dalle singole cellule fino agli organismi completi. Questa capacità di modellazione multilivello permette di sviluppare e ottimizzare strategie terapeutiche in tempo reale.

Lo studio, realizzato in collaborazione con prestigiose istituzioni internazionali come l’Università Ca’ Foscari di Venezia, la Binghamton University, il London Institute for Mathematical Sciences e la Universidade Católica Portuguesa di Lisbona, si propone come soluzione all’ “opacità” che caratterizza molti sistemi di intelligenza artificiale attualmente in uso. Come sottolinea la ricercatrice Valeria d’Andrea del dipartimento di Fisica e Astronomia dell’ateneo patavino, l’obiettivo è rendere la medicina personalizzata più trasparente e affidabile, superando i limiti degli approcci puramente basati sui dati.

L’innovazione principale di questo approccio risiede nell’utilizzo di modelli generativi guidati da ipotesi scientifiche verificabili. Questa metodologia promette di migliorare l’efficacia delle terapie personalizzate, riducendo i rischi associati a diagnosi e trattamenti non ottimali. Il sistema è in grado di integrare una vasta gamma di dati biologici, storici e ambientali, permettendo di comprendere meglio le complesse interazioni biologiche e l’impatto dell’esposoma, ovvero l’insieme degli stimoli ambientali che influenzano l’organismo.

Le applicazioni pratiche di questa tecnologia sono particolarmente promettenti nella lotta contro patologie complesse come il cancro, le malattie neurodegenerative e varie condizioni croniche. Come evidenzia De Domenico, i gemelli digitali non si limitano a simulare scenari clinici, ma offrono un vero e proprio laboratorio virtuale per testare diverse opzioni terapeutiche in modo sicuro ed efficiente.

Questa ricerca rappresenta un significativo passo avanti verso una medicina più equa, efficace e sostenibile. L’approccio interdisciplinare adottato dal Padua Center for Network Medicine dimostra come la convergenza tra fisica dei sistemi complessi, medicina e biologia dei sistemi possa aprire nuove strade per il futuro della medicina di precisione, promettendo di trasformare radicalmente il modo in cui vengono diagnosticate e trattate le malattie. Un ulteriore esempio di applicazione virtuosa delle nuove possibilità tecnologiche a disposizione della medicina.