Immaginate di monitorare come una malattia cronica influenza il sonno, la mobilità o la stanchezza di un paziente. Non durante una visita ospedaliera, ma nelle ventiquattro ore della sua vita reale. È questo il salto di paradigma che i cosiddetti digital endpoints stanno portando nella ricerca clinica: misurazioni continue, oggettive e personalizzate, rese possibili da dispositivi indossabili e sensori.

Recentemente è stato pubblicato su Nature Reviews uno studio sul valore dell’implementazione degli endpoint digitali negli studi clinici: vantaggi operativi ed economici lungo l’intero percorso della sperimentazione clinica. 

L’analisi si basa su 164 trial industriali contenenti 393 digital endpoints, confrontati con un insieme di riferimento di 11.466 studi sponsorizzati dall’industria avviati dal 2005 in poi. Il focus è su tre aree terapeutiche – cardiovascolare, sistema nervoso centrale e diabete – che insieme rappresentano circa il 70% di tutti i deployment di digital endpoints oggi esistenti.

Parliamo di strumenti digitali utilizzati per raccogliere dati sui pazienti durante gli studi: smartwatch, sensori indossabili, app o dispositivi connessi che permettono di monitorare parametri clinici e comportamenti in modo continuo e a distanza.

I numeri che convincono l’industria

I dati sono eloquenti. Per un investimento di appena un milione di dollari in un trial di fase II, i digital endpoints generano un aumento del valore atteso netto (eNPV) tra 5,8 e 7 milioni di dollari – un ritorno tra 2,9 e 3,5 volte l’investimento – che deriva dall’aver ridotto la durata dello studio di 3-4 mesi e il numero di pazienti necessari dell’11-16%.

I benefici si amplificano ulteriormente nei trial di fase III: lo stesso investimento di un milione di dollari produce un incremento di eNPV tra 27,8 e 43,9 milioni di dollari, con un ritorno tra 13,9 e 21,9 volte l’investimento, a seconda dell’area terapeutica. Anche qui, i trial si accorciano di 4-5 mesi e richiedono il 12% di pazienti in meno.

Risultati che – in un settore che già sconta un tasso di fallimento tecnico del 95% – si traducono in decisioni più rapide, minori costi di arruolamento e una significativa riduzione del rischio operativo.

Dalla clinica alla vita quotidiana

«I digital endpoints non sono più una curiosità tecnologica, ma stanno diventando una componente strutturale dei trial del futuro. Per anni infatti la medicina ha misurato il paziente in modo intermittente, attraverso visite, questionari o parametri raccolti in ospedale. Oggi, grazie a wearable, sensori, smartphone e piattaforme digitali, possiamo osservare la malattia nella vita reale e in modo continuo» spiega Antonio Gasbarrini, ordinario di Medicina interna dell’Università Cattolica e direttore scientifico della Fondazione Policlinico Universitario Agostino Gemelli IRCCS.

Come agiscono, fase dopo fase

Il primo esempio riguarda l’arruolamento dei pazienti con malattia di Alzheimer: un modello che integra pre-screening digitale e plasmatico ha dimostrato il potenziale di ridurre i costi di reclutamento fino al 35% e lo screening in sede fino al 60%.

Nel trial Rebuild sulla fibrosi polmonare, usare l’attività fisica moderata-vigorosa come endpoint digitale primario in fase III ha permesso di ridurre la dimensione del campione di oltre il 50%, accelerando il momento in cui decidere se i dati sono abbastanza buoni da procedere con la fase successiva del trial.

Nel monitoraggio della sicurezza cardiaca, il rilevamento wearable dell’intervallo QT ha dimostrato di identificare rischi cardiaci in modo più precoce e consistente rispetto ai tradizionali ECG clinici.

Infine, nel post-market, nell‘artrite reumatoide, le metriche digitali del sonno forniscono un modello replicabile in altre malattie autoimmuni per supportare le strategie di rimborso con i sistemi sanitari.

Un cambio di passo per tutta la filiera

«Dal punto di vista clinico, i digital endpoints permettono di misurare aspetti che i trial tradizionali spesso non riescono a catturare adeguatamente: qualità del sonno, mobilità, fatigue, recupero funzionale, andamento cognitivo, attività quotidiana reale. In molte patologie croniche e neurodegenerative questo approccio può essere rivoluzionario. Ma c’è anche un aspetto strategico più ampio: gli ospedali che sapranno integrare ricerca clinica, intelligenza artificiale e dati longitudinali diventeranno vere piattaforme di generazione di conoscenza» sottolinea Gasbarrini.

Entusiasmo giustificato, ma con i piedi per terra

«Naturalmente servono prudenza e rigore – avverte Gasbarrini -. Non basta distribuire wearable ai pazienti per innovare davvero. I digital endpoints infatti devono essere clinicamente significativi, validati e interpretabili, altrimenti vi sarà il rischio di produrre enormi quantità di dati senza reale valore medico. Tuttavia la direzione è ormai chiara: il trial clinico del futuro sarà sempre meno basato su fotografie episodiche e sempre più su flussi continui di dati biologici e comportamentali raccolti nel mondo reale».

Gli autori dello studio riportano che le autorità regolatorie stanno segnalando la loro disponibilità a valutare le richieste di autorizzazione che includono prove degli effetti delle terapie sugli endpoint digitali. Le linee guida della FDA sulle tecnologie digitali per la salute sono in linea con i quadri di riferimento probatori consolidati, e incoraggiano un coinvolgimento precoce degli sponsor.

A Roma, se ne discute al Clinical Trials Day

Se ne discuterà a Roma, il 20 e 21 maggio, nella sede dell’Università Cattolica in occasione del Clinical Trials Day

Il programma riunisce professionisti sanitari, ricercatrici e ricercatori, istituzioni, aziende farmaceutiche, biotech e produttori di dispositivi medici in un confronto aperto sul futuro della ricerca clinica. L’evento nasce con una missione precisa: affermare la ricerca clinica come leva strategica per il progresso scientifico e l’accesso dei pazienti a terapie innovative.

Al centro del dibattito, i temi più urgenti del settore: l’implementazione delle nuove Good Clinical Practice ICH E6(R3), l’integrazione dell’intelligenza artificiale nei processi di ricerca, i modelli decentralizzati e digitali – tra cui i digital endpoints – e la centralità del paziente come protagonista attivo della sperimentazione.