Il quadro regolatorio è in evoluzione

La Food and Drug Administration americana (FDA) ha integrato raccomandazioni sui dati sintetici nelle sue linee guida più recenti, adottando un approccio graduale ma concreto. Nella Draft Guidance per dispositivi medici con AI (gennaio 2025)², FDA richiede ai produttori di dettagliare metodi di generazione, quantità e qualità dei dati sintetici utilizzati, processi di validazione statistica e gestione del bias nei dossier di sottomissione. La FDA ha inoltre avviato progetti pilota significativi come VICTRE³ per mammografie sintetiche, dimostrando un impegno concreto nello sviluppo di strumenti di validazione.

L'Agenzia Europea per i Medicinali, (EMA) attraverso il piano di lavoro HMA/EMA 2025-2028, ha istituito il Network Data Steering Group (NDSG)⁴ per supervisionare l'armonizzazione dell'uso dei dati sintetici. Il piano si focalizza sul rafforzamento delle capacità di analisi dati e generazione di evidenze di alta qualità, la governance etica e conformità al GDPR, lo sviluppo di linee guida specifiche sull'uso dell'IA nei processi regolatori e l’Integrazione dei dati sintetici nell'infrastruttura DARWIN EU® per i dati real-world.⁶

La validazione scientifica e la protezione della privacy 

I dati sintetici devono essere validati in modo che siano “fit for purpose", cioè usabili in modo efficiente negli studi clinici, o per qualsiasi ambito preposto. Nel settore delle sperimentazioni, i dati sintetici devono quindi:

• Dimostrare coerenza statistica e clinica:i dati devono conservare le proprietà statistiche e le relazioni presenti nei dati originali, replicando fedelmente le caratteristiche cliniche rilevanti senza contenere informazioni identificative dei pazienti reali.
• Essere verificati da framework di validazione: esistono sistemi come il framework "SAFE" (Synthetic vAlidation FramEwork) che verificano la coerenza statistica e clinica dei dati sintetici prodotti, assicurando la qualità e l'integrità delle informazioni generate.
• Proteggere la privacy: l'uso di dati sintetici permette di superare problemi etici e normativi legati alla privacy, come quelli imposti dal GDPR, poiché i dati sintetici non contengono dati personali identificabili, garantendo così un approccio "privacy by design".

I rischi da non sottovalutare 

Sembra tutto bello semplice e lineare, ma applicare questi dati è molto complesso e i rischi non sono pochi. La sfida principale rimane la validazione del valore del dato sintetico rispetto a quello reale, cioè quanto il dato sia in grado di riprodurre fedelmente sia il comportamento sia la variabilità intraindividuale dei pazienti reali. Altre possibili limitazioni solo la fedeltà temporale limitata, la difficoltà nel replicare interazioni non lineari e la necessità di dataset reali di alta qualità per l'addestramento iniziale. E, aspetto non banale, occorre che i dati reali di partenza siano di qualità: se la generazione non è adeguatamente controllata, i dataset sintetici possono replicare i bias⁷ presenti nei dati originali. Inoltre, soprattutto in medicina, è fondamentale che l'AI sia "explicable", spiegabile: deve, cioè, essere chiaro quale sia stato il ragionamento che ha portato l'algoritmo a produrre un determinato dato. In poche parole, il medico deve quindi vedere che le sopravvivenze sono le stesse, che le caratteristiche cliniche sono le stesse, e che i dati sono comparati con test con cui lui è familiare.