L'integrazione della pratica clinica con le opportunità offerte dalle ultime tecnologie può maturare le potenzialità dei big data, armonizzando la medicina basata sull'evidenza (EBM) con la medicina personalizzata.

Big Data e Small Data: una dicotomia apparente

I "Big Data" in ambito sanitario si riferiscono a un insieme vasto e complesso di dati raccolti da varie fonti, come cartelle cliniche elettroniche (EHR), risultati di laboratorio, immagini mediche, dati genomici, informazioni provenienti da dispositivi indossabili, registri di vaccinazione e dati amministrativi. Questi dati sono caratterizzati da un alto volume, velocità di generazione e varietà nelle forme e strutture. L'analisi dei Big Data permette di estrarre informazioni utili per migliorare la diagnosi, il trattamento, la prevenzione delle malattie, la gestione delle risorse e la qualità delle cure, consentendo un approccio più personalizzato, efficiente e basato sull'evidenza nelle decisioni cliniche e nella gestione della salute pubblica.

Tuttavia, le potenzialità dei Big Data in ambito medico stanno maturando più lentamente rispetto ad altri settori scientifici come la fisica, l’economia e persino le scienze sociali. La ragione risiede nell’intrinseca variabilità delle discipline biomediche, dove l’eterogeneità degli individui richiede approcci unici, come si verifica quotidianamente nei luoghi di cura.

La differenza tra i Big Data e gli small data, ovvero le informazioni specifiche dei pazienti, risiede principalmente nella scala, complessità e tipologie di analisi possibili. Mentre i Big Data elaborano grandi volumi di informazioni per scoprire modelli applicabili a popolazioni ampie, gli small data analizzano dati storici individuali, sviluppando modelli per la previsione o il trattamento futuro dei singoli pazienti. Gli small data forniscono informazioni dettagliate sui singoli pazienti, come allergie, aderenza alla terapia, dieta, propensione all'attività fisica e presenza di caregiver attenti, spesso raccolte da dispositivi indossabili, tessere fedeltà e acquisti online, ma anche dalle comunicazioni con i professionisti sanitari.

Il dibattito tra big data e small data ha a lungo rappresentato una dicotomia tra due approcci fondamentali nel contesto sanitario: la Evidence Based Medicine (EBM), che si concentra sulla generalizzazione delle evidenze cliniche dagli studi randomizzati e la creazione di linee guida, e la medicina centrata sul paziente, focalizzata sull’unicità dell’individuo e della sua cura.

Cigni neri e intelligenza artificiale

Negli ultimi anni, la pandemia ha evidenziato la potenzialità di disporre di grandi quantità di informazioni per identificare pattern utili a comprendere fenomeni nuovi, mostrando al contempo la complessità degli elementi individuali e ambientali in gioco. Lo sviluppo di sistemi di analisi sempre più potenti consente di includere un numero crescente di elementi nelle analisi, supportando la precision medicine, che si concentra sulla prevenzione e il trattamento individuale. La dicotomia tra big data e small data non risiede tanto nel volume delle informazioni, quanto piuttosto nello scopo di ottenere la cura migliore per il singolo paziente o l'organizzazione più efficiente per un'unità di terapia[1].

Big Data vs Small Data e pratica ambulatoriale

Superando le riflessioni metodologiche, queste considerazioni portano a un pensiero chiave per chi gestisce i pazienti ed è parte di un sistema sanitario impegnato nella sistematizzazione della raccolta di informazioni sui pazienti. L’investimento della Missione 6 relativo all’attivazione del Fascicolo Sanitario Elettronico è fondamentale per potenziare sia la salute pubblica sia l'assistenza individuale. Gli EMR (Electronic Medical Records) sono considerati il fulcro di questo nuovo paradigma BIG-SMALL data.

“Ogni incontro medico-paziente rappresenta un punto di congiunzione tra la popolazione e l'individuo, tra la ricerca clinica e l'assistenza medica. La progressiva implementazione delle cartelle cliniche elettroniche (EMR) può sfumare gradualmente i confini tra ricerca e cura, contribuendo alla creazione di un "sistema sanitario ad apprendimento rapido" in cui ogni atto medico ha il duplice obiettivo di generare e applicare conoscenze mediche clinicamente rilevanti”[2].

Tuttavia, attualmente, questi small data non sono ancora sufficientemente sistematizzati per generare applicazioni terapeutiche utili per il singolo paziente. Il ruolo del professionista sanitario rimane imprescindibile, poiché è in grado di interpretare i dati di 'popolazione' del proprio territorio e collegarli agli insight dei singoli pazienti ottenuti da questi incontri medico-paziente.

Un esempio di congiunzione tra Small Data e Big Data nella pratica ambulatoriale

Le cartelle cliniche elettroniche possono aiutare i medici a personalizzare l'assistenza medica e a coinvolgere i pazienti nella ricerca. In Italia, è in fase di sviluppo una piattaforma chiamata Lightrial®, nata per coinvolgere i medici e i loro pazienti nella ricerca clinica attraverso la congiunzione degli small data individuali e degli studi randomizzati. Questa piattaforma permette ai medici di base di conoscere gli studi clinici in corso, i loro criteri di inclusione/esclusione e i Centri specialistici di II livello in cui lo studio è attivo. Il medico iscritto alla piattaforma può presentare al paziente le potenzialità terapeutiche dello studio e, in caso di interesse, il paziente viene segnalato al Centro di Ricerca per una valutazione di idoneità. Questo processo coniuga l'esperienza del medico con una delle espressioni caratteristiche della Evidence Based Medicine, arricchendone le potenzialità e offrendo ulteriori opportunità di cura ai pazienti, anche nel caso in cui non vengano arruolati nello studio.