Digital Phenotyping: potrebbe essere una buona idea iniziare a parlare di questo tema in rapporto, ad esempio, alla depressione.
Passando in rassegna i dati sulla fisiopatologia della depressione, Gregor Hasler giunge alla conclusione che “l’attuale conoscenza esistente si oppone a una sintesi unificata della depressione“.
In effetti, è così e la ragione, io credo, potrebbe essere il fatto che la struttura psicopatologica e neurobiologica di base sia mal definita, e questo vale per tutti i tipi di depressione attualmente riconosciuti.
Prendiamo, per esempio, la depressione maggiore: in termini di sintomatologia, decorso, prognosi, correlati biologici, risposta terapeutica, il costrutto presenta una profonda eterogeneità e la possibilità che costrutti psicopatologici così eterogenei siano prodotti da disturbi cerebrali ben definiti ed omologabili sembra trascurabile a molti ricercatori.
Il punto è che, in psichiatria, sino a pochi anni or sono, tra l’osservazione empirica del clinico e la scoperta di marker biologici e genetici sembrava non esserci nulla.
Una forbice estrema tra soggettività ed oggettività nella controversa questione della diagnosi in psichiatria.
Con il presentarsi all’orizzonte dello strumento del digital phenotyping (“Fenotipizzazione Digitale” in italiano) potrebbe presentarsi una “terza via” verso la possibilità di meglio definire, e quindi, meglio diagnosticare i disturbi psichiatrici.
Che cos’è il Digital Phenotyping nel campo della Salute Mentale?
Su questo mio blog, ho già scritto diversi altri articoli relativi al digital phenotyping.
La fenotipizzazione digitale è, in estrema sintesi, un campo di ricerca della medicina, non solo della psichiatria, definito da Scott L. Rauch e Jukka-Pekka Onnela in un articolo del 2016 su Neuropsychopharmacology come la “quantificazione in situ, momento per momento del fenotipo umano, somatico e comportamentale, a livello individuale, utilizzando dati da dispositivi digitali personali“, in particolare dagli smartphone.
La possibilità di raccogliere plurimi flussi di big data, direttamente proveniente dai sensori degli smartphone oppure indirettamente dall’analisi dell’interazione uomo macchina o dalle interazioni tra umani mediate dai social media, permetterebbe di analizzare cluster di dati ricorrenti e tipici di alcuni disturbi mentali.
Particolari pattern motori rilevati dagli accelerometri, utilizzi caratteristici di costrutti grammaticali o semantici, luoghi frequentati, caratteristiche del riposo notturno, modalità di interazione fisica con lo smartphone e molti altri eventi potrebbero permettere di rendere oggettive alcune diagnosi basandoci su particolari configurazioni di dati derivanti direttamente dall’habitus comportamentale di un dato soggetto.
La riscrittura (oggettiva) delle Diagnosi in Psichiatria
Quali conseguenze potrebbe avere tutto questo?
L’uso di dati generati passivamente da dispositivi elettronici personali, come gli smartphone, per misurare le funzioni umane in salute e malattia sta generando un significativo interesse nella ricerca neuroscientifica.
In particolare in psichiatria, la quantificazione oggettiva e continua tramite i dispositivi personali dei pazienti può risultare in marcatori clinicamente utili che possono essere utilizzati per perfezionare i processi diagnostici, adattare le scelte di trattamento, migliorare il monitoraggio delle condizioni per risultati perseguibili, come i primi segni di ricaduta, e sviluppare nuovi modelli di intervento.
Se un obiettivo principale per la fenotipizzazione digitale è il miglioramento clinico, la ricerca deve occuparsi ora dei fattori che aiuteranno o ostacoleranno la futura adozione clinica.
Sembra utile identificare quattro opportunità per la ricerca diretta verso questo obiettivo: (1) esplorare i risultati intermedi e i meccanismi di malattia sottostanti; (2) concentrarsi sugli scopi che saranno probabilmente utilizzati nella pratica clinica; (3) anticipare le barriere di qualità e sicurezza all’adozione; (4) esplorare il potenziale della medicina personalizzata digitale derivante dall’integrazione della fenotipizzazione digitale e degli interventi digitali.
Rilevanza clinica significa anche affrontare esplicitamente le esigenze, le preferenze e l’accettabilità dei consumatori come utenti finali degli interventi di fenotipizzazione digitale.
C’è il rischio che, senza queste considerazioni, i potenziali benefici della fenotipizzazione digitale siano ritardati o non realizzati perché non vengono sviluppati approcci fattibili per l’applicazione nell’assistenza sanitaria e le prove di letteratura necessarie per superare un’ipotetica commissione etica e scientifica.
I passi pratici per accelerare questa agenda di ricerca includono l’ulteriore sviluppo di piattaforme tecnologiche di fenotipizzazione digitale che si concentrano sulla scalabilità e l’equità, stabilendo archivi di dati condivisi e standard di dati comuni, e promuovendo collaborazioni multidisciplinari tra gli attori clinici (compresi i pazienti), gli scienziati informatici ed i ricercatori clinici.
Bibliografia:
- Insel TR. Digital Phenotyping: Technology for a New Science of Behavior. JAMA. 2017 Oct 3;318(13):1215-1216. doi: 10.1001/jama.2017.11295. PMID: 28973224.
- Melcher J, Hays R, Torous J. Digital phenotyping for mental health of college students: a clinical review. Evid Based Ment Health. 2020 Nov;23(4):161-166. doi: 10.1136/ebmental-2020-300180. Epub 2020 Sep 30. PMID: 32998937.
- Insel TR. Digital phenotyping: a global tool for psychiatry. World Psychiatry. 2018 Oct;17(3):276-277. doi: 10.1002/wps.20550. PMID: 30192103; PMCID: PMC6127813.
- Lydon-Staley DM, Barnett I, Satterthwaite TD, Bassett DS. Digital phenotyping for psychiatry: Accommodating data and theory with network science methodologies. Curr Opin Biomed Eng. 2019 Mar;9:8-13. doi: 10.1016/j.cobme.2018.12.003. Epub 2018 Dec 14. PMID: 31650093; PMCID: PMC6812649.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Lascia un commento