INTRODUZIONE
L’innovazione tecnologica ha trasformato significativamente il settore sanitario introducendo la medicina telematica quale strumento essenziale per l’erogazione di servizi sanitari a distanza mediante piattaforme digitali; recentemente si è inoltre verificata una rivoluzione sostanziale anche nel campo della medicina personalizzata.
Questi ambiti richiedono l’analisi e l’elaborazione di una significativa quantità di dati mediante Big Data, un sistema di elaborazione che solleva notevoli sfide in termini di gestione dei dati, sicurezza delle informazioni sensibili e privacy.
Di conseguenza, è ora indispensabile adottare soluzioni innovative e implementare standard rigorosi per la protezione dei dati al fine di garantire sicurezza e riservatezza delle informazioni trattate: così come richiesto dal Regolamento Generale sulla Protezione dei Dati (GDPR).
MEDICINA TELEMATICA:
Con il termine telemedicina – introdotta con l’obiettivo di ridurre le liste di attesa, migliorare le capacità terapeutiche, semplificare i controlli e gli screening medici – si indica tutto l’insieme di prestazioni sanitarie in cui, grazie all’utilizzo di tecnologie innovative, il professionista della salute e il paziente non si trovano nello stesso luogo, consentendo così di: (i) assistere e fare visite di controllo ai pazienti; (ii) controllare a distanza i parametri vitale di pazienti; (iii) far dialogare sanitari per consulti su particolari casi clinici; (iv) inviare e ricevere documenti, diagnosi e referti. In dettaglio, i servizi generalmente più forniti:
- Televisite: durante la pandemia i medici hanno implementato questionari di anamnesi online, dando origine alle televisite. Questa modalità di monitoraggio a distanza ha consentito dimissioni ospedaliere più rapide, permettendo ai pazienti di completare la convalescenza presso il proprio domicilio.
- Telegravidanza: per il monitoraggio ostetrico a distanza delle gravidanze a rischio sono strati introdotti Pad wireless e cerotti monouso. Tali dispositivi, una volta applicati sull’addome della gestante, consentono di monitorare a distanza i parametri vitali della madre e del feto. Questa modalità ha conosciuto una significativa diffusione anche successivamente alla pandemia, in considerazione dei notevoli vantaggi offerti.
- Biosensori indossabili: sono dei dispositivi che permettono la trasmissione remota di dati sanitari ai centri di cura, facilitando il monitoraggio continuo delle condizioni di salute del paziente, in particolare per le malattie croniche, come ad esempio il diabete. L’adozione di tali dispositivi è destinata ad aumentare con l’obiettivo di ridurre la necessità spostamenti e visite ospedaliere frequenti, garantendo un controllo costante della salute del paziente.
- Terapie intensive virtuali: il modello organizzativo denominato “hub e spoke” prevede che le strutture sanitarie di alta specializzazione (hub) coordino le attività delle strutture periferiche (spoke). Utilizzando strumenti come telecamere ad alta definizione, telemetria e visualizzazione avanzata dei dati medici, il personale sanitario presso gli hub è in grado di fornire assistenza in tempo reale ai colleghi operanti nelle terapie intensive periferiche, notificando tempestivamente eventuali peggioramenti delle condizioni dei pazienti.
- Referti online: diverse strutture mediche adottano attualmente la pratica di scaricare e visualizzare i referti medici online, facilitando una consultazione rapida ed efficace. Questa modalità è espansione anche per i referti radiografici permettendo ai pazienti di consultare specialisti a distanza.
- Prenotazione visite online: la prenotazione di visite mediche specialistiche è sempre più digitalizzata, consentendo la selezione di date e orari in base alla disponibilità del medico. Questo sistema di prenotazione migliora l’intera procedura della vista medica, eliminando le lunghe attese precedentemente comuni.
LA MEDICINA PERSONALIZZATA
La medicina personalizzata – introdotta con l’obiettivo di ottimizzare le cure attraverso un approccio individualizzato, migliorando l’efficacia del trattamento e riducendo gli effetti collaterali – si concentra sull’adeguamento delle pratiche mediche alle caratteristiche uniche di ciascun paziente, prendendo in considerazione fattori genetici, ambientali e relativi allo stile di vita. Approccio che utilizza un’ampia gamma di informazioni tra qui dati genetici, storici medici e preferenze del paziente, per formulare piani terapeutici su misura.
IL RUOLO DEI BIG DATA
Sia la medicina telematica sia la medicina personalizzata richiedono la raccolta, l’elaborazione e l’analisi di ingenti volumi di dati personali quali diagnosi, percorsi terapeutici, farmaci, dispositivi medici, immagini digitali e altro.
Affinché l’analisi di tali dati risulti significativa e possegga un valore concreto, è necessario che essi siano preventivamente validati, trattati e integrati in un sistema strutturato.
In tale contesto rilevano i Big Data, i quali hanno la funzione di:
- Raccogliere i dati: le tecnologie digitali e i dispositivi indossabili permettono di acquisire un’enorme quantità di dati in tempo reale, inclusi parametri vitali, ambientali e comportamentali.
- Analizzare e interpretare: mediante algoritmi avanzati e tecniche di Machine Learning, è possibile analizzare questi dati per identificare pattern, prevedere esiti e personalizzare le terapie.
- Integrare le informazioni: i Big Data consentono di integrare informazioni provenienti da diversi fonti, come cartelle elettroniche, dati genetici e di monitoraggio remoto, fornendo una visione completa e integrata della salute del paziente.
Le analisi condotte attraverso i Big Data, con l’aiuto dell’intelligenza artificiale consentono di migliorare e anticipare le diagnosi, orientare la scelta dei trattamenti e aumentare l’efficacia e la tempestività delle misure preventive.
BIG DATA: APPROFONDIMENTO
La storia dei Big Data è strettamente legata all’evoluzione della tecnologia dell’informazione e della capacità di raccogliere, archiviare e analizzare enormi quantità di dati.
Ecco una panoramica delle tappe principali della loro evoluzione:
Anni ’60 e ’70: Origini dei Dati Digitali
- Mainframe e Data Warehousing: Nei primi anni ’60, l’uso dei mainframe da parte delle grandi organizzazioni segnò l’inizio della raccolta e gestione dei dati digitali. L’archiviazione su nastro magnetico e successivamente su disco rigido rese possibile la memorizzazione di grandi quantità di dati.
- RDBMS (Relational Database Management Systems): Negli anni ’70, Edgar F. Codd sviluppò il modello di database relazionale, che divenne la base per la creazione di RDBMS come Oracle, SQL Server e IBM DB2.
Anni ’80 e ’90: Crescita e Connettività
- PC e Networking: La diffusione dei personal computer e delle reti locali (LAN) negli anni ’80 portò a una crescita esponenziale della quantità di dati generati e scambiati.
- Internet e Web: Negli anni ’90, l’avvento di Internet e del World Wide Web rivoluzionò la raccolta e la condivisione dei dati, aumentando ulteriormente il volume di dati disponibili.
Anni 2000: Esplosione dei Dati e Nascita dei Big Data
- Web 2.0 e Social Media: L’inizio del nuovo millennio vide l’ascesa del Web 2.0, caratterizzato da piattaforme interattive come social media, blog e forum, che generarono una quantità enorme di dati non strutturati.
- Smartphones e Dispositivi Mobili: La diffusione degli smartphone e dei dispositivi mobili contribuì ulteriormente all’aumento dei dati, grazie alla loro capacità di generare e raccogliere dati in tempo reale.
Metà degli Anni 2000: Tecnologie Big Data
- Hadoop e MapReduce: Nel 2004, Google pubblicò un documento su MapReduce, un modello di programmazione per il processamento di grandi dataset. Questo portò allo sviluppo di Apache Hadoop, un framework open-source che divenne uno standard per la gestione dei Big Data.
- NoSQL Databases: Per gestire dati non strutturati e semistrutturati, nacquero database NoSQL come MongoDB, Cassandra e Couchbase, che offrivano una maggiore flessibilità rispetto ai tradizionali RDBMS.
Anni 2010: Analisi Avanzata e Machine Learning
- Data Lakes: L’approccio dei Data Lakes, che permette di archiviare dati grezzi in vari formati, divenne popolare per facilitare l’analisi dei Big Data.
- Machine Learning e AI: L’adozione di tecniche di machine learning e intelligenza artificiale permise di estrarre insight dai Big Data, migliorando le previsioni e le decisioni basate sui dati.
- Cloud Computing: I servizi di cloud computing, come AWS, Azure e Google Cloud, resero accessibili a tutti le capacità di calcolo e archiviazione necessarie per i Big Data.
Anni 2020 e Oltre: L’era dei Dati
- Internet of Things (IoT): La diffusione di dispositivi connessi all’Internet of Things ha ulteriormente aumentato la quantità di dati generati.
- Privacy e Sicurezza: Con l’aumento dei Big Data, sono emerse preoccupazioni riguardo alla privacy e alla sicurezza dei dati, portando all’implementazione di normative come il GDPR in Europa.
- Edge Computing: Per ridurre la latenza e migliorare l’efficienza, l’elaborazione dei dati si sta spostando verso l’edge computing, elaborando i dati vicino alla loro fonte di origine.
Le cinque V dei Big Data
- Volume: riferito alla grande quantità di dati non strutturati che possono variare da terabyte a petabyte;
- Velocità: ovvero la velocità con cui i dati vengono acquisiti e processati, spesso in tempo reale;
- Varietà: fa riferimento la diversità dei tipi di dati, inclusi quelli non strutturati, come testo, audio e video, che richiedono elaborazione per essere utilizzarti;
- Valore: rappresenta l’importanza intrinseca dei dati, che deve essere scoperta per diventare utile.
- Velocità: indica l’affidabilità e la veridicità sei dati, essenziale per prendere decisioni accurate.
Settori di impiego
- Sviluppo del prodotto: prevedono la domanda e creano modelli predittivi per nuovi prodotti;
- Manutenzione predittiva: indentificano segni di guasti meccanici per ottimizzare la manutenzione;
- Costumer Experience: migliorano l’esperienza dei clienti con dati da social media e visite web;
- Frode e complicance: rilevano frodi e migliorano i rapporti normativi;
- Machine Learning: addestrano modelli per migliorare la capacità predittiva delle machine;
- Efficienza operativa: riducono interruzioni e anticipano le richieste future.
- Innovazione: analizzano interdipendenze per migliorare decisioni e fornire nuovi prodotti.
IL GDPR NEL SETTORE SANITARIO
Il Regolamento Generale sulla Protezione dei Dati (GDPR), entrato in vigore il 25 maggio 2018, con l’obiettivo di rafforzare la protezione dei dati personali all’interno dell’Unione Europea, assume un’importanza cruciale nel settore sanitario data la natura sensibile dei dati trattati.
Questo regolamento è caratterizzato da quattro principi fondamentali:
- Principio di trasparenza: tutte le informazioni e le comunicazioni destinate al pubblico devono essere espresse in un linguaggio semplice e chiaro, comprensibile a tutti.
- Diritto alla cancellazione e all’oblio: il diritto alla cancellazione permette di richiedere la rimozione dei propri dati personali quando non sono più necessari per gli scopi per i quali sono stati raccolti. Il diritto all’oblio consente a un individuo di non essere più ricordato per eventi passati oggetto di cronaca.
- Principio di accountability: aziende e professionisti devono assumersi la responsabilità dei dati raccolti, implementando politiche adeguate per garantire la conformità al Regolamento. Questo principio si basa sulla trasparenza, responsabilità e conformità.
- Principio di privacy by design e by default: il principio di privacy by design richiede che la progettazione dei dispositivi tecnologici tuteli i dati sin dalla fase iniziale fino alla distribuzione finale. La privacy by default mira a minimizzare i dati trattati e a limitare le finalità del loro utilizzo, garantendo l’impiego dei dati solo per gli scopi specifici del trattamento.
Il trattamento di dati genetici, biometrici, relativi alla salute è vietato, salvo nei seguenti casi:
- il soggetto ha prestato il proprio consenso al trattamento;
- il trattamento è necessario per proteggere l’interesse vitale di un individuo, qualora questo si trovi nell’incapacità fisica o giuridica di esprimere il proprio consenso;
- i dati sono stati resi pubblici dall’individuo stesso;
- il trattamento è necessario per finalità di medicina preventiva, medicina del lavoro, diagnosi e assistenza medica, eseguita da un professionista soggetto al segreto professionale;
- il trattamento è necessario a fini di archiviazione nel pubblico interesse, ricerca scientifica, storica o a fini statistici, purché sia proporzionata agli scopi perseguiti, rispetti il diritto della protezione dei dati e preveda garanzie appropriate per i diritti fondamentali degli interessati.
CONCLUSIONE
La medicina personalizzata promette di trattarci tutti come individui unici, mentre la privacy ci ricorda che anche i nostri segreti devono rimanere unici. In fondo, nessuno vuole che il proprio DNA sia più famoso di lui su Internet!
Catalina Bargan
Bibliografia:
- Barbazza, E., & Castaldi, S. (2021). “Privacy e medicina personalizzata: il nuovo quadro regolatorio europeo.” Rivista Italiana di Politiche Pubbliche, 16(1), 45-63.
- Marzocchi, M., & Conti, A. (2021). “Medicina personalizzata e protezione dei dati: sfide e prospettive nel contesto del GDPR.” BioLaw Journal – Rivista di BioDiritto, 11(2), 79-98.
- Migliavacca, F., & Ruggeri, M. (2022). “Il ruolo dei big data nella medicina personalizzata: aspetti giuridici e regolatori.” Rivista Italiana di Informatica e Diritto, 15(1), 123-140.
- Santoro, R., & Romano, M. (2023). “La tutela della privacy nella medicina di precisione: il punto di vista del diritto italiano.” Rivista di Diritto e Salute, 8(2), 67-85.
- Battistoni, A., & Fiorentino, P. (2022). “Genomica e privacy: la gestione dei dati genetici nel quadro normativo italiano.” Responsabilità Medica, 24(3), 183-201.
- Zanetti, G., & Pagliari, F. (2021). “La protezione dei dati personali nella ricerca biomedica: nuove sfide alla luce del GDPR.” Diritto Pubblico Comparato ed Europeo, 18(2), 205-223.
- Greco, L., & Serafini, M. (2023). “Intelligenza artificiale e medicina personalizzata: implicazioni legali e normative.” Rivista di Diritto della Salute, 10(1), 37-55.
- Costa, P., & Valsecchi, F. (2022). “La governance dei dati sanitari nella medicina personalizzata: aspetti legali e etici.” Rivista di Bioetica e Diritto, 14(2), 99-118.
- Riva, C., & Bianchi, A. (2023). “Medicina personalizzata e privacy: il ruolo della tecnologia blockchain nella protezione dei dati.” Diritto della Informazione e dell’Informatica, 14(1), 77-96.
- Caruso, S., & Martinelli, D. (2021). “Big data e medicina di precisione: opportunità e rischi per la privacy.” Salute e Società, 18(3), 229-248.
