Digital Twin: rimodellare il settore farmaceutico

Guardiamo spesso da vicino le nuove tecnologie che miglioreranno il modo in cui operiamo nel settore farmaceutico—intelligenza artificiale (AI), machine learning e blockchain. Ormai avrai probabilmente letto una dozzina di articoli sull’AI e sulla sua potenziale rivoluzione nell’industria farmaceutica. Tuttavia, nel farlo, trascuriamo spesso tecnologie più datate che restano comunque rilevanti e sotto-utilizzate. Una delle più importanti è gemelli digitali.

Cosa sono i digital twins?

Un digital twin è un insieme di modelli adattativi di un prodotto, sistema o processo del mondo reale. Il digital twin emula il comportamento di questo oggetto reale ed è usato per simulazione, analisi e ottimizzazione. Questi modelli adattativi vengono continuamente alimentati con dati recenti per rendere la simulazione generata il più possibile accurata rispetto al corrispondente nella vita reale.

Il primo digital twin fu sviluppato da la National Aeronautics and Space Administration (NASA) negli anni ’60, anche se non lo chiamarono con questo nome. Questo digital twin fu utilizzato per modellare le missioni Apollo e per simulare e studiare il guasto del serbatoio dell’ossigeno dell’Apollo 13. Da allora, i digital twins sono stati gradualmente integrati in diversi settori, incluso quello farmaceutico.

L’integrazione dei digital twins non ha attirato la stessa attenzione dell’AI. Perché? Puoi pensarla come preferisci! Tuttavia, i digital twins hanno un buon potenziale di applicazione nell’industria farmaceutica.

Come usare un Digital Twin?

In sostanza, un digital twin è una simulazione di un oggetto o sistema reale. Pertanto, può essere usato in quasi tutti i processi farmaceutici. Ecco alcune delle aree principali in cui i digital twins possono essere utilizzati:

Produzione farmaceutica

I digital twins hanno il maggior potenziale nella produzione farmaceutica—in particolare nell’aiutare le aziende farmaceutiche a scalare le loro operazioni.

Considera questo scenario: I tuoi scienziati hanno sviluppato con successo il processo produttivo per un nuovo farmaco e hai ottenuto le approvazioni necessarie. Ora devi solo avviare la produzione. Ma, per farlo, hai bisogno di diagrammi e parametri accurati per un impianto su larga scala. Ottenere questi richiede tentativi ed errori e tempo, mettendo a rischio l’esclusività del tuo prodotto.

Invece, puoi creare una simulazione (o un digital twin!) del processo usando parametri di apparecchiature reali e ottimizzarla. Così facendo si eliminano tutti gli intoppi nel sistema in modo che l’installazione sia semplice e rapida!

Questa è l’applicazione più vantaggiosa dei digital twins. Possono anche essere utilizzati per l’ottimizzazione in tempo reale dei processi esistenti e per la manutenzione predittiva, permettendo alle aziende farmaceutiche di ottimizzare in anticipo i loro processi produttivi.

Studi clinici

Gli studi clinici sono un processo necessario e costoso, e le aziende farmaceutiche devono affrontare l’incertezza di volontari che abbandonano inaspettatamente. In alternativa, si possono usare i digital twins. I digital twins hanno due applicazioni distinte in questo ambito:

• Come trial virtuali: Un trial clinico virtuale può essere eseguito usando digital twins invece di studi clinici fisici. Pur essendo implementabile solo in alcune fasi degli studi clinici, i trial virtuali possono accelerare il processo e ridurre i test su soggetti umani.
• Come patient twin: Possono inoltre essere creati digital twins dei pazienti basati sui profili dei volontari. Le aziende possono usare queste persone virtuali per gli studi clinici invece di sottoporre persone reali a prove.

Dal punto di vista di un’azienda farmaceutica, queste applicazioni dei digital twins possono ridurre la dipendenza e l’incertezza degli studi clinici, permettendo di impiegare meglio le risorse disponibili.

Medicina personalizzata e monitoraggio remoto del paziente

Come per gli studi clinici, i patient twins possono anche essere usati per studiare la progressione della malattia nei pazienti e sviluppare terapie personalizzate. Questi patient twins possono anche essere utilizzati per studiare la risposta del paziente ai farmaci e determinare possibili effetti collaterali. Per esempio, i patient twins possono essere usati per ottimizzare il dosaggio per un paziente oncologico.

Inoltre, combinando questi modelli con sistemi di monitoraggio della salute reali come gli smartwatch, i modelli possono prevedere eventi avversi. Per esempio, ottenendo dati in tempo reale dallo smartwatch di un volontario, il patient twin può monitorare i livelli di glucosio e avvisare le autorità responsabili prima che si verifichi un evento avverso.

Un tale utilizzo dei digital twins può aiutare le aziende farmaceutiche a ridurre le spese e a sfruttare meglio le risorse disponibili. Molte Big Pharma come Pfizer e Sanofi hanno implementato digital twins. Tuttavia, considerando l’età della tecnologia, la sua applicazione è relativamente arretrata.

Cosa ne limita l’uso?

Limitazioni dei dati

Come l’AI, anche i digital twins necessitano di dati in tempo reale di alta qualità per simulare accuratamente un oggetto. Tuttavia, l’ambiente dei dati nel settore farmaceutico è piuttosto frammentato: i dati provengono da set diversi e hanno qualità, affidabilità e standard differenti. Pertanto, integrare tutti questi dati in un formato standard compatibile con le infrastrutture dati legacy nella maggior parte delle aziende farmaceutiche è una sfida.

Limitazioni finanziarie

In termini semplici, sviluppare modelli in grado di simulare oggetti del mondo reale è costoso. Inoltre, il ritorno su questo investimento è piuttosto incerto, il che rende molte aziende farmaceutiche riluttanti a implementare digital twin. Le aziende farmaceutiche piccole e di medie dimensioni potrebbero avere difficoltà a giustificare l'adozione dei digital twin a causa degli elevati costi iniziali di implementazione.

Limitazioni normative

Non esistono linee guida standardizzate per i digital twin. Pertanto, l'implementazione dei digital twin è piuttosto complessa per le aziende farmaceutiche poiché non possono semplicemente stabilire se una modifica comporterà problemi di conformità. Molte aziende sono restie ad adottare i digital twin per questi motivi. Per quelle invece disposte a intraprendere questo percorso, i regolatori potrebbero richiedere una convalida rigorosa dei modelli di digital twin prima di approvarne l'uso, il che comporta costi più elevati.

Minacce alla sicurezza informatica

Nel settore farmaceutico, i digital twin devono utilizzare i dati dei pazienti per funzionare correttamente. Tuttavia, questo può attirare l'attenzione dei regolatori sull'azienda. Inoltre, può rendere i modelli un bersaglio di attacchi informatici e tentativi di hacking, che sono sfide aggiuntive che le aziende devono affrontare prima di implementare i digital twin.

Sebbene questi sembrino ostacoli enormi, storicamente l'industria farmaceutica è stata in grado di superare problemi molto più grandi. Quindi, possiamo aspettarci che nonostante il suo lento tasso di adozione, un giorno i digital twin saranno implementati nella maggior parte delle aziende farmaceutiche.

Conclusione

Riteniamo che i digital twin siano una tecnologia con un potenziale eccezionale per trasformare l'industria farmaceutica. Tuttavia, al momento sono fortemente sotto-implementati e sotto-utilizzati. La loro implementazione può semplificare notevolmente i processi per le aziende; ad esempio, invece di costruire prima una struttura e incontrare problemi, le aziende possono creare una simulazione perfettamente funzionante e poi realizzarla. Tuttavia, per farlo le aziende dovranno sostituire i sistemi legacy e ottenere dati reali di alta qualità—due sfide che comportano rilevanti oneri finanziari.

Domande frequenti

1. I digital twin sono comunemente utilizzati in quali settori?

I digital twin sono comunemente utilizzati nei settori aerospaziale e automobilistico. Tuttavia, hanno un buon potenziale nei settori della produzione, dell'energia, delle costruzioni e della sanità.

2. Quanto tempo ci vuole per implementare i digital twin?

L'implementazione dei digital twin dipende dalla complessità dei modelli e degli oggetti. Modelli semplici possono richiedere fino a qualche settimana. Tuttavia, modelli complessi possono richiedere mesi o addirittura anni.

3. Quanto costa sviluppare i digital twin?

I costi di sviluppo e implementazione variano da un'azienda all'altra poiché includono il costo di sviluppo del modello + l'implementazione del modello + la formazione dei dipendenti + l'aggiornamento dell'infrastruttura + l'ottenimento delle licenze necessarie + l'installazione delle misure di sicurezza dei dati.