I dati giusti, nel formato giusto, al momento giusto: il digital twin sta ridisegnando le negoziazioni di rimborso in pharma.
Ogni anno farmaci che funzionano aspettano mesi, a volte anni, per ottenere la rimborsabilità. Non perché l'efficacia sia in dubbio, ma perché mancano i dati giusti, nel formato giusto, al momento giusto. Il digital twin non è la soluzione a tutto, ma per chi lavora in market access e conosce il costo reale di quei ritardi è la tecnologia che vale la pena capire adesso, prima che lo facciano i competitor.
Cos'è un digital twin nel contesto pharma e HTA
Un digital twin in ambito healthcare non è una semplice simulazione. È una replica digitale dinamica, di un paziente, di una coorte, di un percorso terapeutico, costruita su dati reali e aggiornata in tempo reale.
Nel contesto del market access permette di simulare la risposta terapeutica di popolazioni specifiche prima di avere dati di real world, costruire modelli di costo-efficacia più accurati e difendibili, generare evidenze comparative rispetto agli standard of care esistenti e supportare i dossier AIFA con dati sintetici validati metodologicamente.
Il problema dei dossier HTA tradizionali
Gap di evidenza. I trial registrativi sono disegnati per condizioni controllate, mentre le agenzie HTA vogliono sapere cosa succede nella pratica clinica reale.
Tempi incompatibili. Raccogliere real world evidence richiede anni: la finestra competitiva si chiude molto prima.
Dati comparativi limitati. Non sempre esiste un comparatore diretto nei trial.
Incertezza nei modelli economici. I modelli di Markov tradizionali si basano su assunzioni che le agenzie contestano sistematicamente.
Come il digital twin risponde a questi problemi
Evidenze sintetiche per colmare i gap. Il digital twin permette di generare popolazioni sintetiche di pazienti, statisticamente rappresentative, su cui simulare l'effetto del trattamento: un approccio già accettato dalla FDA per alcuni device e attualmente in discussione presso EMA.
Modelli economici più robusti. Un digital twin del percorso terapeutico permette di costruire modelli di costo-efficacia basati su simulazioni dinamiche, non su assunzioni statiche, aggiornabili man mano che arrivano nuovi dati.
Supporto alle negoziazioni managed entry. Gli accordi di managed entry richiedono di definire in anticipo come verrà misurato il beneficio clinico: un digital twin costruito prima del lancio permette di simulare diversi scenari e negoziare accordi più favorevoli.
Il digital twin per la formazione dei Medical Affairs
I team di Medical Affairs devono prepararsi a conversazioni tecnicamente complesse con AIFA, farmacisti ospedalieri e commissari PTR regionali. Un avatar AI addestrato sul dossier del prodotto permette ai team di esercitarsi su scenari reali e standardizzare la comunicazione su tutto il territorio: è esattamente il tipo di applicazione sviluppata con A.N.N.A. per Alfasigma.
Dove siamo oggi
In Italia AIFA ha avviato un gruppo di lavoro interno sui real world data sintetici. Nel Regno Unito NICE ha già pubblicato linee guida sull'uso dell'AI nei dossier HTA, mentre EMA ha rilasciato riflessioni metodologiche sull'uso dei modelli predittivi nei trial adattativi.
Cosa fare concretamente: i primi passi
Il percorso concreto parte dalla mappatura dei gap evidenziali del proprio dossier, prosegue con la valutazione della qualità dei dati disponibili, il coinvolgimento precoce del team metodologico, l'esplorazione di partner tecnologici con esperienza pharma e la formazione del team su come comunicare questi strumenti alle agenzie e agli stakeholder.
Il digital twin nel market access non è una moda: è una risposta concreta a problemi reali, gap evidenziali, tempi lunghi, modelli economici fragili, negoziazioni difficili.
Stai valutando un digital twin per il tuo dossier di market access?
Raccontaci il tuo prodotto e i gap evidenziali che stai affrontando: ti mostriamo come un digital twin potrebbe supportare la tua negoziazione HTA.
Contattaci →
