Riv Ital Med Lab (2013) 9:177–184DOI 10.1007/s13631-013-0035-x

E D I TO R I A L E

Innovazione ed evidenze in Medicina di Laboratorio

Innovation and evidence in Laboratory Medicine

Piero Cappelletti

Ricevuto: 13 ottobre 2013 / Accettato: 17 ottobre 2013 / Pubblicato online: 22 novembre 2013© Springer-Verlag Italia 2013

Riassunto L’Editoriale ripercorre alcuni concetti della teo-ria economica dell’innovazione, dalla sua definizione e tipo-logie, alle fonti, modelli di generazione, caratteristiche delladiffusione e ciclo di vita. L’epitome della teoria dell’innova-zione in medicina è la Medicina Traslazionale, della qualesi ricordano i modelli interpretativi (modelli T e modelli diprocesso) e i modi di generazione, sintesi e diffusione delle“evidenze”, esplicitando i rapporti tra Evidence-based Me-dicine, Comparative Effectiveness Research e Health Tech-nology Assessment. Ricordate le caratteristiche e le barrieredella diffusione delle “evidenze” e innovazioni, si descrivesinteticamente la metodologia della Knowledge Translationper sottolineare la necessità della trasmissione di un più pro-fondo e globale concetto di “saggezza”. Infine, con l’esem-plificazione delle innovazioni dei biomarcatori e delle rivo-luzioni strumentali della miniaturizzazione e dell’informa-tizzazione, si sottolinea che in Medicina di Laboratorio in-novazione, “evidenze”, traslazione di conoscenza e diagno-stica clinica si intrecciano indissolubilmente: alla discipli-na il compito di tessere un filo unitario dagli stimoli spessoarruffati e confondenti in questi campi.

Parole chiave Innovazione · Evidence-based medicine ·Comparative effectiveness research · Health technologyassessment · Knowledge translation · Medicina diLaboratorio

Summary The Editorial summarizes some critical points ofthe economic theory of innovation, from its definition and

P. Cappelletti (B)IRCCS CRO Aviano, Via Franco Gallini 2, 33081 Aviano (PN),Italiae-mail: piero.cappelletti@cro.it

general characteristics to sources, generation models, diffu-sion and cycle of life. In Medicine, the epitome of innovationtheory is Translational Medicine. Its interpretative models(T models and process models) and generation, synthesisand diffusion of evidence (Evidence-based Medicine, Com-parative Effectiveness Research and Health Technology As-sessment) are briefly revised. The goals and methodology ofKnowledge Translation, a tool for overcoming the barriersto spread of innovation and evidence, are described, with at-tention to the criticism derived from the concept of “wisdomtranslation”. In conclusion, two examples of innovation inLaboratory Medicine (biomarkers cycle of life; instrumentalminiaturization and information technology) are examinedto highlight the indissoluble integration of innovation, evi-dence generation and synthesis, knowledge translation andclinical diagnostic in Laboratory Medicine.

Keywords Innovation · Evidence-based medicine ·Comparative effectiveness research · Health technologyassessment · Knowledge translation · Laboratory medicine

Che cos’è l’innovazione

Il concetto di innovazione, dal tardo latino “innovare” da“in + novus” nel senso di rendere nuovo/cambiare, è definitodal Vocabolario Devoto-Oli come il “mutare in modo più omeno esteso e profondo, mediante l’introduzione di sistemie criteri nuovi”, ma ha sfumature differenti nei diversi campiin cui viene utilizzato.

Per comprenderne il significato per la Medicina moder-na e in particolare per la Medicina di Laboratorio è oppor-tuno rifarsi alla definizione economica proposta da JosephSchumpeter nella sua prima opera “La teoria dello sviluppo

178 Riv Ital Med Lab (2013) 9:177–184

economico” del 1912 e nelle elaborazioni successive presen-ti in “Capitalismo, socialismo e democrazia” del 1942. Infat-ti, prima di lui, il progresso (l’innovazione) non è un fattorepredominante dello sviluppo economico nella scuola econo-mica classica (Smith, Riccardo), è visto esclusivamente co-me parte del meccanismo di accumulazione di capitale e deisuoi portati sociali (Marx) oppure è inserito in una visionestatica del processo di allocazione delle risorse in un con-testo di tecnologie stabili e liberamente disponibili (scuolaneo-classica). Il pensiero di Schumpeter, viceversa, esplicitaalmeno due concetti fondanti la teoria dell’innovazione: lasua definizione e il ruolo della tecnologia [1].

Secondo Schumpeter, l’innovazione può essere defini-ta come la combinazione di un’invenzione, cioè la genera-zione di un’idea nuova, e il suo sfruttamento commerciale,cioè l’individuazione dell’opportunità di un guadagno dallavendita/applicazione dell’idea generata. Mentre l’invenzio-ne è il concepimento di un’idea nuova come risultato del-lo sforzo dei singoli ricercatori e inventori o delle funzionistrutturate di ricerca e sviluppo (research and development,R&D), l’innovazione è il risultato di una serie di decisio-ni che trasferiscono l’idea nel contesto economico, dandoleun contenuto pratico, utile e redditizio. In questo quadro,l’innovatore è l’imprenditore.

D’altra parte, Schumpeter individua il cambiamento tec-nologico (originariamente cambiamento tecnico) come ilfattore di introduzione sistematica di effetti di discontinui-tà dell’equilibrio del sistema nel breve periodo e come fat-tore fondamentale di crescita economica nel lungo periodo.Il cambiamento tecnologico è lo strumento che permette al-le imprese di riprodurre continuamente le condizioni del-la propria sopravvivenza. Allo stesso tempo, all’interno delsistema industriale si determinano processi discontinui didistruzione creatrice che caratterizzano la natura stessa delcapitalismo.

Per tecnologia può intendersi l’insieme di conoscenza,strumenti e tecniche, derivante da scienza ed esperienza pra-tica, che viene utilizzato nello sviluppo, progettazione, pro-duzione di prodotti, processi, sistemi e servizi. Le analisieconomiche post-schumpeteriane hanno sottolineato comele imprese innovino mediante i modelli di apprendimentoe le competenze di cui dispongono ma anche come la ric-chezza e varietà del processo siano condizionate dalle cono-scenze di base proprie del settore (effetto tecnologia-settore)e dalle istituzioni specifiche del Paese (effetto istituzioni) eincanalate in determinate traiettorie evolutive. Le traiettorietecnologiche, secondo alcuni autori, sono le attività di pro-gresso tecnologico lungo i trade-off economici e tecnologicidefiniti da un paradigma, intendendo per “paradigma tecno-logico” l’equivalente del “paradigma scientifico” di Kuhn ecioè il modello di soluzione di selezionati problemi tecno-logici basato su selezionati principi derivanti dalle scienze

naturali che rappresenta e incorpora una visione. Altri au-tori parlano di “paradigmi tecno-economici” dove le traiet-torie non sono meramente ingegneristiche, ma coinvolgonol’intero sistema produttivo. Un filone complementare di ri-cerca ha sviluppato la nozione di “regime tecnologico” co-me descrizione dell’ambiente tecnologico in cui operano leimprese, caratterizzato da opportunità (facilità di innovazio-ne), appropriabilità (capacità di utilizzare risultati e profittidell’innovazione), cumulatività della cascata di innovazioni(legata ai processi di apprendimento e loro organizzazione,alle competenze specifiche e alle risorse investite in ricerca)e alla base conoscitiva (proprietà delle conoscenze scienti-fiche e tecnologiche, gradi di libertà nell’utilizzo e formeorganizzative della ricerca) [2].

Nel quadro complesso e variegato delle teorie economi-che sull’innovazione che sono andate fiorendo dal secondodopoguerra del Novecento in poi, scegliamo alcuni spuntiutili per la comprensione del tema “innovazione in Medicinadi Laboratorio”.

Tipologie e caratteristiche dell’innovazione

In base alla natura intrinseca dell’innovazione si possonodistinguere tra innovazioni tecnologiche e non tecnologi-che, rispettivamente differenziate in innovazioni di prodot-to/servizio e di processo e innovazioni organizzative e dimarketing. Per innovazioni tecnologiche si intendono tuttii prodotti, servizi o processi introdotti che possono essereconsiderati nuovi, non necessariamente in assoluto ma inquella specifica impresa, o significativamente migliorati. Peri prodotti si pensi non solo a nuovi oggetti, ma anche a nuo-vi materiali, componenti e contenuti di informazione e co-municazione. Per i servizi si pensi a modalità di erogazione(per esempio a distanza), a fornitura di supporto e assistenzae alle attività di attenzione al customer. Per le innovazionidi processo si pensi alla robotica, alla logistica (per esempiocodice a barre o radiofrequenza per la tracciabilità e iden-tificazione), alle soluzioni informatiche per il servizio (peresempio supply chain management) e per il supporto (retiinformative dell’azienda e a servizio dell’utenza). Si trat-ta solo di alcuni esempi che hanno attinenza con il campospecifico della Medicina di Laboratorio.

In base all’origine della novità, le innovazioni possonoessere distinte in demand-pull, nate dall’osservazione deibisogni del mercato, che implicano di solito miglioramentidell’esistente, e in technology-push, frutto di nuove possibi-lità tecnologiche, più esposte a innovazioni radicali. Questadistinzione individua anche due modelli generali di inter-pretare le determinanti dell’innovazione. Nel modello trai-nato dalla domanda, il valore strategico sono la scansionedell’ambiente, l’anticipazione delle tendenze e le azioni distandardizzazione per omogeneizzare la richiesta. Tuttavia,

Riv Ital Med Lab (2013) 9:177–184 179

vi è implicita una visione della tecnologia come “scatola ne-ra” (o insieme di scatole nere) liberamente disponibile, del-l’impresa come reattiva e meccanica rispetto ai “bisogni” deiconsumatori e del cambiamento come relativo al movimentodei prezzi e delle quantità. Nel modello di spinta tecnologicail valore strategico è negli investimenti per profitti futuri. Mala visione descrive i cambiamenti tecnici e scientifici (l’a-vanzamento delle conoscenze) come attività neutrali e indi-pendenti e non considera il complesso sistema di interazionitra invenzioni, innovazioni, tecniche da una parte e variabilieconomiche, dall’altra. Nella realtà, spesso, si tratta di mixdi determinanti.

In base alla profondità del cambiamento, si sono descrit-te innovazioni radicali (radical o disruptive) e incremen-tali (sustaining o incremental). Le innovazioni incrementaliconsistono in miglioramenti continui delle prestazioni me-diante il raffinamento delle soluzioni esistenti, mentre quelleradicali rappresentano rotture del mercato passato e cambia-mento totale di prodotto o di direzione. Il diverso tipo diinnovazione ha effetti diversi sulle competenze presenti (en-hancing o destroying) e sugli ambiti di destinazione nellastruttura organizzativa (modulari o architetturali).

Vita dell’innovazione

Secondo Peter Drucker, le fonti generali dell’innovazionesono i cambiamenti nella struttura industriale, nella strutturadel mercato, nella composizione demografica locale e glo-bale, nella percezione, comprensione e sentire degli uomi-ni, nella quantità di conoscenza scientifica disponibile e nel-la pervasività e autocoscienza della tecnologia. Se Druckerpensava a punti di partenza dispersi in un processo univet-toriale, dove l’imprenditore è il solo innovatore, più recen-temente Erik Von Hippel ha sottolineato l’importanza del-l’innovazione dell’utilizzatore (end-user) che la sviluppa ola stimola non trovandola sul mercato [3].

I meccanismi della generazione dell’innovazione via viaindividuati sono diversi; se ne citano alcuni utili per il te-ma di questo Editoriale. Il primo studiato, il modello pipeli-ne, rappresenta il processo innovativo come una successio-ne di black box delle diverse attività funzionali (ricerca dibase, ricerca applicativa, sviluppo) collegate tra loro in se-rie e dove l’occasione innovativa si colloca a cavallo tra laricerca applicativa e lo sviluppo. La critica sottolinea la na-tura lineare e sequenziale del modello, incapace di coglierela complessità dei processi e le interazioni ambientali. Unaforma evoluta di modello pipeline, che tiene conto almenoin parte delle osservazioni riportate, è il modello interacti-ve, in cui la nuova idea, motore del processo di integrazione,nasce dall’interazione continua o discontinua tra i nuovi bi-sogni del mercato e le nuove tecnologie disponibili. Un altromodello utilizzato è quello del product concept, per il quale

la concezione del nuovo prodotto è lo startup e allo stes-so tempo il baricentro dell’attività innovativa, cioè è l’ideaad attivare la ricerca focalizzata a un prototipo che incorpo-ra conoscenze di base, risultati di sperimentazione, livellod’innovazione, segmento di clienti, significato per i clientie posizionamento rispetto alla concorrenza. Il modello cir-cuito clienti-fornitori, viceversa, enfatizza questa relazionecome motore dell’innovazione. Questi scambi, che possonodiventare da commerciali progettuali, generano accumulo diconoscenze ed esperienze che può raggiungere la soglia cri-tica della generazione innovativa, anche radicale. Infine, unmodello rivoluzionario ma adeguato ad ambienti complessie altamente dinamici è quello denominato integrated mo-del o modello a rete, ove si sviluppa una rete di conoscen-ze e pratiche volta ad alimentare l’innovazione composta daclienti, fornitori, produttori, ricercatori interni ed esterni eche può dare origine a “grappoli” di eccellenze. Risultanocentrali nel processo di generazione la qualità delle risorseumane, la consapevolezza e l’utilizzo della conoscenza taci-ta e ambienti e tecnologie favorenti l’interazione e la crescitaculturale.

La diffusione dell’innovazione è stata studiata appro-fonditamente da Everett M Rogers [4], che ha individuatoi quattro determinanti principali (l’idea, pratica o oggettopercepiti come innovativi, la comunicazione, il tempo e ilsistema sociale), le cinque tappe dell’adozione (conoscen-za, persuasione, decisione, implementazione e conferma)—peraltro già descritte da Gabriel Tarde nel 1903—e le prin-cipali caratteristiche che determinano la velocità di adozio-ne dell’innovazione (il vantaggio relativo, la compatibili-tà, la complessità, la sperimentabilità e l’osservabilità). Ro-gers ha definito sperimentalmente la curva di adozione neltempo, individuando diversi segmenti di comportamenti: gliinnovatori (2,5%), gli anticipatori (13,5%), la maggioran-za precoce (34%), la maggioranza tardiva (34%) e i pigri(16%). Ne consegue che il passaggio dal gruppo di coloroche adottano precocemente l’innovazione alla maggioranzaprecoce è il passaggio critico per la diffusione dell’innova-zione. Gli studi mostrano come lo scambio interpersonalesia molto più efficace nel formare e cambiare atteggiamentoverso nuove idee della trasmissione massmediatica. Acqui-stano un valore centrale la comunicazione e il trasferimen-to della conoscenza, o knowledge Translation [5]. In que-sto ambito, va ricordata la distinzione tra diffusione (passi-va), disseminazione (attiva mirata all’adozione), implemen-tazione (attiva e pianificata volta all’attivazione) e soste-nibilità (rendere routinaria l’innovazione fino al momentodell’obsolescenza).

La curva a S che caratterizza la diffusione dell’innovazio-ne fino alla sua obsolescenza è stata identificata da GabrielTarde nel 1903 [2] e rappresenta il ciclo vitale dell’innova-zione mappando la crescita del profitto o della produttivitàcontro il tempo. Negli stadi iniziali il guadagno è basso, per

180 Riv Ital Med Lab (2013) 9:177–184

poi impennarsi quando l’innovazione è ampiamente accet-tata. Nella fase successiva, nuove innovazioni incrementa-li consentono ancora una crescita seppure contenuta e piùlenta. Alla fine del ciclo il rendimento comincia a calare enessun nuovo investimento è destinato a invertire la tenden-za. È il momento delle innovazioni radicali che cambiano ilmercato e iniziano un nuovo ciclo vitale.

Innovazione e medicina: medicina traslazionale,“evidenze” e knowledge translation

Quanto fin qui ricordato per sommi capi rispetto al concettodi innovazione trova esemplificazione emblematica in Me-dicina nella Medicina Traslazionale (translation medicine,TM), un processo definito come complesso, cumulativo, chenecessita di tempo ed è spesso imprevedibile nei risultati, ilcui flusso inizia con l’individuazione di quale trattamentosia da considerare (cosa), continua con la valutazione dellasua efficacia (perché) e infine con l’applicazione all’interapopolazione (come).

Secondo lo IOM (Institute of Medicine) [6], l’innova-zione tecnologica è stato il principale driver della crescitama anche della crisi—insieme con le modificazioni demo-grafiche, le inadeguatezze del sistema sanitario e l’esplo-sione informatica—della medicina americana di inizio mil-lennio. Lo sviluppo di scienza e tecnica è stato maggioredi quanto l’organizzazione sanitaria è riuscita a tradurre inpratica, per offrire una sanità sicura, efficace, efficiente edequa. Le necessità prevalenti sono un adeguato sviluppo del-la ricerca traslazionale in Medicina e l’attenzione focalizza-ta agli outcome. Ciò vale ovviamente anche per la Medi-cina di Laboratorio. Tuttavia ci attendiamo dall’innovazio-ne tecnologica sanitaria nella sua multiforme complessità—dai device, strumenti, ICT ai farmaci, dispositivi, procedu-re medico-chirurgiche e servizi—il progressivo aumento difunzionalità ed efficacia sanitaria.

La medicina traslazionale è andata definendosi più pre-cisamente ed estensivamente nella seconda metà della primadecade di questo secolo, passando da una semplice e gene-rica definizione (the conversion of scientific discovery intohealth improvement) alla complessità dei passaggi attraver-so due blocchi (definiti T) successivi del bench-to-bedside(T1) e del research-into-practice (T2) [7], fino alla consa-pevolezza di un continuum marcato da tre [8] o addiritturaquattro aree e barriere [9]: T1 o fase traslazionale dagli studidi base e pre-clinici all’applicazione clinica (studi pre-clinicie trials di fase 1 e 2); T2 espande le scoperte alla comunitàdei pazienti (trials di fase 3 e 4 e studi osservazionali); T3 èla fase orientata alla diffusione e disseminazione nella pra-tica; T4 focalizzata a tramutare in politica sanitaria quantoscoperto e confermato nelle fasi precedenti. In ambito sta-tunitense [10], le fasi pre-cliniche sono governate dal NIH

(National Institute of Health) e dal suo CTSA (Clinical andTranslational Science Award) program, mentre la dissemi-nazione clinica e sociale è compito dell’AHRQ (Agency forHealthcare Research and Quality). L’AHRQ è, d’altra parte,uno dei principali attori della generazione e disseminazionedi “Evidence” e di “Technology Assessment” con i suoi EPC(Evidence-Based Practice Centers).

Recentemente Rajan et al [11] hanno condotto una ricer-ca sistematica sui modelli e criteri per attuare una valuta-zione dell’efficienza della traslazione (performance assess-ment), identificando accanto ai modelli T, utili a mapparein modo statico le componenti chiave della traslazione macon terminologia non condivisa, modelli di processo, in par-ticolare il Process Marker Model di Trochim et al [12] el’applicazione di Six Sigma e Lean alla ricerca traslazionaledi Schweikhart e Dembe [13], che consentono di descriveree valutare il flusso di informazioni, i rapporti con il siste-ma e i punti di interesse: starting dell’innovazione, percorsie indicatori, strategie e strumenti del business managemente la sintesi dell’evidenza contenuta. È interessante notare,nella mappatura della traslazione e dei suoi processi e sub-processi operata con questi metodi [11], come le “evidenze”maturino nelle diverse fasi “basic research system” (animaland human study), “clinical trials system” (phase I, II, IIIclinical trials, patent, FDA approval) e “practice researchsystem” (research synhtesis, implementation research, popu-lation study, health impact) e come sia stringente e ben defi-nito il cammino delle prove di efficacia per i farmaci, diver-samente da quello che succede per taluni device e soprattuttoper i biomarcatori di laboratorio.

La valutazione dell’innovazione tecnologica in sanitàè molto complessa, perché risponde per una parte ai crite-ri economici del profitto e dall’altra a quelli degli esiti disalute. La valutazione dell’innovazione in medicina, lungoil continuum della traslazione dalla ricerca alla clinica e al-le politiche sanitarie, è operata secondo modelli diversi dal-la terminologia non univoca che può ingenerare confusionetra gli addetti e minare la forza dell’informazione rivolta aidecisori [14].

La metodologia più conosciuta dai professionisti di labo-ratorio è l’Evidence-based (Laboratory) Medicine, definitada Sackett et al [15] “EBM means integrating individual cli-nical expertise with the best available evidence . . . and indi-vidual patients’ predicaments, rights and preferences in ma-king clinical decisions about their care” e quindi come sinte-si di “evidenze” puntata alle decisioni cliniche per il singolopaziente (effectiveness) e solo secondariamente alle decisio-ni cliniche per gruppi di pazienti attraverso la definizione dilinee guida e politiche basate sull’evidenza.

La comparative effectiveness research (CER) è stata de-finita dallo IOM [16] come focalizzata “to assist consumers,clinicians, purchasers and policy makers to make informeddecisions that will improve health at both the individual and

Riv Ital Med Lab (2013) 9:177–184 181

population levels” e quindi dedicate alla generazione delleevidenze e alla loro sintesi nella pratica clinica per forni-re dati utili a definire linee guida, sviluppare EBM e pro-durre Health Technology Assessment (HTA). Utilizzando loschema pensato per i farmaci [17], possiamo sostenere chel’innovazione sanitaria, incrementale o radicale dipende dal-l’importanza dei bisogni sanitari ai quali non vi è risposta eai quali essa si indirizza (gravity of unmet need) e dal gradodi miglioramento netto degli esiti di salute correlati a queibisogni che essa determina (comparative effectiveness). Lagravità dei bisogni non soddisfatti determina il potenzialedell’innovazione sanitaria. L’efficacia comparativa valuta gliesiti di salute, al netto di conseguenze negative in terminidi effetti collaterali o eventi avversi (nel caso dei farmaci),comparati con gli esiti ottenuti con i trattamenti in uso.

Una valutazione globale dell’impatto dell’innovazionein medicina deve tenere conto non solo degli effetti stret-tamente medici ma dell’insieme delle conseguenze indivi-duali e sociali. Da tempo è proposta l’Health TechnologyAssessment (HTA), nella definizione di INAHTA (Networkof Agencies for Health Technology Assessment) “a multi-disciplinary field of policy analysis studying the medical,economic, social and ethical implications of the develop-ment, diffusion and use of health technologies” [18] comemetodo di valutazione globale (evidence synthesis) per l’in-troduzione di tecnologie sanitarie, che contiene ma non siesaurisce nella valutazione delle sue caratteristiche tecnichee cliniche, comprendendo sicurezza, costo-efficacia, aspet-ti legali, etici, amministrativi e sociali. Il bilanciamento deidiversi aspetti dipende dalla finalità specifica dello studio,ma gli obiettivi principali sono le decisioni di sostenibilitàfinanziaria per i sistemi sanitari. Tuttavia HTA è spesso nontempestiva e congruente con i ritmi delle innovazioni tecno-logiche, in particolare per quanto attiene la diagnostica doveil percorso di introduzione nel mercato sanitario non è co-sì rigidamente normato come per i farmaci, ed è di impattopiuttosto limitato sui decisori.

In ogni caso, l’HTA è utile in tutta la vita delle innovazio-ni, che conosce fasi di introduzione, facilitate da valutazioni,decisioni regolatorie, scelte economiche, fasi di adozione euso ottimale, fasi di obsolescenza. La senescenza dei tratta-menti è stata finora affidata alla sparizione per consunzioneo, per lo più, a un minore utilizzo (disinvestimento impli-cito), ma comunque associata ai nuovi trattamenti indicatie validati per il medesimo problema diagnostico o terapeu-tico. In particolare, in Medicina di Laboratorio il meccani-smo dell’aggiunta dei nuovo test a quelli vecchi ha impeditoper lungo tempo una politica di pulizia degli esami obsoletie di disinvestimento strategico, divenuta più importante neitempi più recenti di scarsità di risorse e di riorganizzazio-ni forzate. Il disinvestimento esplicito [19] prevede, vice-versa, il definanziamento di specifici interventi e tecnologie,sulla base di comprovata scarsità di benefici rispetto ai costi

con metodologia HTA, che costituiscono un’inefficiente al-locazione di risorse, e la riallocazione delle risorse liberatein altri interventi strategici. Il NICE (National Institute forHealth and Clinical Excellence) lavora in questo campo daun decennio, ma negli ultimi anni diversi Paesi sono entratiin questa logica, affidandosi ampiamente a metodi e struttureHTA da un lato e metodi KT dall’altro.

Secondo una visione ottimistica, il flusso dell’“evidence”si trasferisce lungo un “continuum di informazioni sintetiz-zate” [20] che comprende metodi diversi in quanto le evi-denze sono generate da numerose fonti quali database, ri-cerche basate sulla pratica, modelli e simulazioni, tecnolo-gie emergenti e contributi dei pazienti, e in quanto molte-plici sono gli attori coinvolti, come ricercatori accademici edell’industria farmaceutica e del diagnostico, ricercatori dicomunità, operatori sanitari, pazienti, gestori, consumatori eindustria ITC che ha un ruolo strategico centrale nella fluidi-tà e adozione delle evidenze. Il continuum, infatti, è pensatodall’AMIA (American Medical Informatics Association) co-me dinamico e collaborativo e reso possibile da robuste tec-nologie di informatica sanitaria. Piuttosto che a una correntelineare di informazioni, si deve però pensare a un movimen-to circolare con un ritorno bedside-to-bench e un ruolo atti-vo dell’end-user [21]. Ma soprattutto si deve aver chiaro cheil processo è caotico, presidiato a macchia di leopardo dal-le metodologie descritte e difficilmente riportabile a unità,in modo da rispondere adeguatamente alle tre grandi que-stioni che pone un’innovazione in sanità—Può funzionare?(efficacy), Funziona nella pratica? (effectiveness), È preferi-bile? (value)—che incrociano ortogonalmente le aree dellagenerazione delle evidenze (evidence generation), della lorosintesi (evidence synthesis) e dell’applicazione di innovazio-ni ed evidenze alle decisioni cliniche individuali e collettive(decision making).

Luce et al [14], a nome di The International WorkingGroup for HTA Advancement, hanno cercato di ridefinire irapporti tra le metodologie. In sintesi tutte rispondono alladomanda di effectiveness, ma a livello di decision making so-lo l’EBM; nessuna al tema efficiency, se non indirettamentel’EBM tramite RCT (randomized clinical trial), SRE (syste-matic review of evidence) e linee guida; e per il tema delvalore, sicuramente l’HTA a livello di generazione e sintesidi evidenze, con minore forza l’EBM a livello di decisionmaking. Tuttavia, molte questioni restano aperte: il rapportotra HTA e linee guida, in particolare rispetto al costo; il rap-porto tra HTA ed EBM, rispetto al tema del costo nel singo-lo paziente; le caratteristiche degli studi CER, con specificoriferimento ai costi (Fig. 1).

La traslazione in Medicina ha a che fare, in particola-re nella fase T2 “campus-to-clinic”, con la traslazione diconoscenza (generazione, condivisione e applicazione diconoscenza). Il legame fra le teorie economiche e sociolo-giche dell’innovazione e il mondo della Medicina di Labo-ratorio è stato illustrato bene, in ambito italiano, da Romolo

182 Riv Ital Med Lab (2013) 9:177–184

Fig. 1 Relazioni tra le metodologie di generazione, sintesi e applica-zione clinica delle “evidenze” in relazione all’efficacia (può funziona-re?), all’effectiveness (funzione nel singolo paziente?) e al valore (èpreferibile ai trattamenti in uso?). Le frecce intere indicano rappor-ti acclarati, quelle tratteggiate relazioni in discussione. CED: cove-rage with evidence development; CER: comparative effectiveness re-search; EBM: evidence-based medicine; HTA: health technology as-sessment; PCT: pragmatic clinical trial; RCT: randomized controlledtrial; SRE: systematic review of evidence; SRT: systematic review oftrials. Modificata da Luce et al 2010 [14]

M. Dorizzi ancora qualche anno fa a proposito di un mo-mento emblematico della professione: la consulenza [22].La Knowledge Translation (KT), secondo il CIHR (Cana-dian Institutes of Health Research) [5] che ha introdotto ilconcetto nel 2000, è la sintesi, scambio, disseminazione eapplicazione in modo eticamente corretto di conoscenza daparte di stakeholder rilevanti entro un sistema complesso diinterazioni tra ricercatori e utenti che consenta di accelerareil trasferimento dei benefici della ricerca ai cittadini, in duefondamentali modi: End of Grant KT, un piano informati-vo e formativo in cui i destinatari sono coinvolti al terminedel processo, e Integrated KT, in cui utilizzatori, stakehol-ders e ricercatori condividono in tutte le fasi il processo ditrasmissione delle conoscenze. Anche secondo l’Organizza-zione Mondiale della Sanità (OMS) [23], che ha adottatoil concetto nel 2005, è la sintesi, scambio e applicazionedi conoscenza da parte di stakeholders rilevanti per acce-lerare i benefici dell’innovazione locale e globale nel raf-forzare i sistemi sanitari e migliorare la salute dei cittadini.Come una KT di successo in T1 dipende da fattori “sup-ply” o “push” (scoperte e invenzioni industriali) e da fattori“demand” o “pull” (bisogni di salute), così in fase T2 es-sa dipende da fattori “push” (evidenze disponibili, messaggiappropriati, opinion leader) e “pull” (rappresentanti locali,supporto politico, presenza strategica nelle aree decisionali).

La necessità di modi strutturati per la traslazione della co-noscenza nasce dalla consapevolezza della complessità deifenomeni di diffusione, disseminazione e implementazionedelle innovazioni specialmente nelle organizzazioni di ser-vizio. Trisha Greenhalgh et al [24] hanno prodotto, ancora

nel 2004, un monumentale lavoro di ricerca sistematica sul-la diffusione delle innovazioni nelle organizzazioni di servi-zi, identificando la complessa rete di attori e di condizioniper la diffusione, disseminazione, implementazione e soste-nibilità di un’innovazione. Barriere importanti sono legate aifattori individuali, sociali e di contesto. Per il successo del-l’innovazione in Medicina molteplici, dunque, sono i fattori,scientifici e culturali. Nel caso specifico dell’EBM, l’appli-cazione delle linee guida richiede cambiamenti organizzativioltre che individuali e le tecnologie evidence-based devonoessere continuamente reinterpretate e riformulate per esse-re coerenti con il contesto e le priorità locali, in continuoconfronto critico con specialisti, discipline e organizzazione.

I principi sottostanti KT esistono da molti anni sotto for-me differenti, e parzialmente diverse, come scienza dell’im-plementazione, knowledge management, disseminazione emiglioramento della qualità. Tuttavia, il termine “conoscen-za” è un costrutto elusivo e un trasferimento efficace di co-noscenza richiede che accanto ai dati quantitativi e alla co-noscenza tacita di ricercatori e provider vadano integrati idati qualitativi derivanti dall’applicazione e le esperienze deipazienti per costruire un contenuto di “saggezza” [25]. Piùcompiutamente Greenhalgh e Wieringa [26] hanno esamina-to i limiti della metafora di KT per la quale un flusso conti-nuo lega KT e TM e due processi separati, l’incorporamentodelle innovazioni delle scienze di base nel disegno di nuovitest e trattamenti e l’assunzione di test e trattamenti validatinella pratica clinica, attraverso le linee guida, e le politichesanitarie, attraverso misure amministrative ed educaziona-li. Questa metafora poggia su tre convinzioni: la conoscen-za come oggetto trasmissibile (episteme), la separazione trafatti scientifici e pratica (“know-do gap”) e la pratica comesuccessione di decisioni razionali. In realtà, nessuno degliassunti è (totalmente) vero, né per la Medicina, né per lagestione organizzativa, né per la politica sanitaria. Altre me-tafore sono probabilmente più utili come quelle della “kno-wledge intermediation”, delle “mindlines” e della “saggezzapratica”, che sono le basi del movimento “Choosing Wisely”.

Innovazione e Medicina di Laboratorio

Secondo alcune visioni [27], l’HTA e la KT riguardanoaspetti diversi del governo dell’innovazione, l’uno quellodelle tecnologie sanitarie, l’altro quello del governo delle in-novazioni clinico-organizzative. In Medicina di Laboratorioi due aspetti sono difficilmente separabili, una volta accetta-ta la teoria della Medicina di Laboratorio come scambio diinformazioni all’interfaccia clinica-laboratorio.

L’esempio tecnologico più facile è quello dei biomar-catori [28]. La definizione di biomarcatore del NIH è “acharacteristic that is objectively measured and evaluated as

Riv Ital Med Lab (2013) 9:177–184 183

an indicator of normal biologic processes, pathogenic pro-cesses, or pharmacologic responses to a therapeutic inter-vention” a scopi di screening, diagnosi, stratificazione delrischio, monitoraggio o come endpoint surrogato. Il ciclo vi-tale dei biomarcatori è complesso e, in qualche modo, stan-dardizzato [29]. Il modello di nascita e sviluppo è più fre-quentemente, nelle condizioni odierne di struttura della ri-cerca scientifica e industriale, “bench-to-bedside” che pro-cede dalle scienze di base alla pre-clinica e all’applicazionee disseminazione clinica. Tuttavia è presente anche il tra-gitto invero “bedside-to-bench”, quando associazioni clini-che non prevedibili stimolano l’affinamento del marcatore.Marshall e Reinhart [30] hanno raccontato qualche anno facome i marcatori di sepsi siano nati dalla ricerca biologicapatogenetica (l’endotossina nell’infezione da germi Gram-negativi) o macromolecolare (trascritti e profili proteomicinelle risposte infiammatorie sistemiche), ma anche dall’as-sociazione non prevista fisiopatologicamente (procalcitoni-na in sepsi e sepsi severa). Il flusso della traslazione passa at-traverso i passaggi della qualificazione, verifica, validazionee disseminazione che vedono all’opera figure professionalidiverse, tra le quali un ruolo importante assume la Medici-na di Laboratorio, per le sue caratteristiche di ponte tra ilversante “scientifico” e quello “pratico” della Medicina. Unruolo stimolante di generazione, verifica e diffusione del-le evidenze coinvolge il patologo clinico [31]. Nel campodella Medicina Personalizzata, i patologi americani hannoindicato in un apposito incontro nel 2011 l’agenda della di-sciplina [32]. È stata proposta da Romolo M. Dorizzi [33]un’integrazione del ciclo traslazionale dei biomarcatori conil modello della diffusione dell’innovazione di Rogers, chetiene conto dell’idea originaria, dei canali di comunicazione,del tempo e del sistema sociale.

In un quadro più generale tecnologico, strumentale eorganizzativo, Clayton Christensen [34] ha suggerito chela miniaturizzazione (POCT) e l’information and commu-nication technology (ICT) sono due esempi di innovazio-ne dirompente/distruttiva nell’ambito del Laboratorio per-ché consentono (obbligano) a una Medicina più “precisa”,sia diagnosticamente sia organizzativamente, sconvolgendoi modi tradizionali di fornitura del servizio e i ruoli e compitidei suoi operatori. Per quanto riguarda le tecnologie diagno-stiche gli incentivi allo sviluppo di ricerche traslazionali e dievidenza sono deboli, sia per l’oggettiva difficoltà di esse siaperché l’atteggiamento politico è ancora impregnato da unavisione a “silo” dell’assistenza, fortemente compartimentatae focalizzata per la diagnostica quasi unicamente sul costodei test piuttosto che al loro valore nei percorsi assistenzialie nell’economia sanitaria globale [35]. Tuttavia da riflessio-ni simili, Christopher Price [36] trae spunto per indicare icompiti chiave per il futuro della Medicina di Laboratorio:la garanzia della qualità; la generazione di “evidenze” uti-li all’uso dei nuovi test, all’impatto assistenziale del nuovo

Laboratorio e alla strutturazione e finanziamento delle or-ganizzazioni; knowledge translation and management e laricerca “trasformazionale” quale applicazione delle innova-zioni ed evidenze in pratica per la formazione di un nuovomodo di fare Medicina e Medicina di Laboratorio.

In conclusione, innovazione, “evidenze”, traslazione diconoscenza e diagnostica clinica in Medicina di Laboratoriosi intrecciano indissolubilmente: alla disciplina il compito ditessere un filo unitario dagli stimoli diversi spesso arruffatie confondenti.

Conflitto di interesse Nessuno.

Bibliografia

1. Schumpeter J (2001) Capitalismo, socialismo e democrazia.ETAS, Milano

2. Roncaglia A (2006) La ricchezza delle idee. Storia del pensieroeconomico. Laterza, Roma-Bari

3. Von Hippel E (1988) Sources of innovation. Oxford UniversityPress, Oxford

4. Roger EM (1995) Diffusion of innovations, 5th edn. Free Press,New York

5. http://www.cihr-irsc.gc.ca/e/29418.html [Accesso 9 settembre2013]

6. Committee on quality of healthcare in America, Institute ofMedicine (2001) Crossing the quality chasm: a new health sys-tem for the 21th century. National Academy Press, Washington,DC

7. Zerhouni EA (2005) Translational and clinical science—time fora new vision. N Engl J Med 353:1621–1623

8. Drolet BC, Lorenzi NM (2011) Translational research: under-standing the continuum from bench to bedside. Transl Res 157:1–5

9. Khoury MJ, Gwinn M, Yoon PW et al (2007) The continuum oftranslational research in genomic medicine: how can we acceler-ate the appropriate integration of human genome discoveries intohealth care and disease prevention. Genet Med 9:665–674

10. Woolf SH (2008) The meaning of translational research and whyit matters. JAMA 299:211–213

11. Rajan A, Sullivan R, Bakker S, van Harten WH (2012) Criticalappraisal of translational research models for suitability in perfor-mance assessment of cancer centers. The Oncologist 17:e48–e57

12. Trochim W, Kane C, Graham M et al (2011) Evaluating translationresearch: a process marker model. Clin Transl Sci 14:153–162

13. Schweikhart SA, Dembe AE (2009) The applicability of lean andsix sigma techniques to clinical and translational research. J Inves-tig Med 57:748–755

14. Luce BR, Drummond MF, Jönsson B et al (2010) EBM, HTA, andCER: clearing the confusion. Milbank Q 88:256–276

15. Sackett DL, Straus S, Richardson SR et al (2000) Evidence-basedmedicine: how to practice and teach EBM. Churchill Livingstone,London

16. Institute of Medicine (2009) Initial National Priorities for Com-parative Effectiveness Research. National Academy of Sciences.http://www.iom.edu/en/Reports/2009/ComparativeEffectivenessResearchPriorities.aspx [Accesso 9 settembre 2013]

17. Morgan S, Lopert R, Greyson D (2008) Toward a definition ofpharmaceutical innovation. Open Med 2:E4–E7

18. INAHTA International Network of Agencies for Health Technol-ogy Assessment (2009) HTA Resources. Technology assessment.http://www.inahta.org/HTA/ [Accesso 9 settembre 2013]

184 Riv Ital Med Lab (2013) 9:177–184

19. Frønsdal KB, Facey K, Klemp M et al (2010) Health technologyassessment to optimize health technology utilisation: using imple-mentation initiatives and monitoring processes. Int J Technol As-sess Health Care 26:310–316

20. Bakken S (2001) An informatics infrastructure is essential forevidence-based practice. J Am Med Inform Assoc 8:199–201

21. Bloomrosen M, Detmer DE (2010) Informatics, evidence-basedcare, and research; implications for national policy: a report of anAmerican medical informatics association health policy confer-ence. J Am Med Inform Assoc 17:115–123

22. Dorizzi RM (2005) La consulenza e la knowledge translation inMedicina di Laboratorio. RIMeL/IJLaM 1(Suppl):60–71

23. World, Organization H (2005) Knowledge translation in globalhealth. http://www.who.int/bulletin/volumes/83/10/723pdf [Ac-cesso 9 settembre 2013]

24. Greenhalgh T, Robert G, MacFarlane F et al (2004) Diffusion ofinnovations in service organizations: systematic review and rec-ommendations. Milbank Q 82:581–624

25. O’Grady L (2012) What is knowledge and when should it be im-plemented? J Eval Clin Pract 18:951–953

26. Greenhalgh T, Wieringa S (2011) Is it time to drop the “knwoledgetranslation” metaphor? A critical literature review. J R Soc Med104:501–509

27. Ministero della Salute (2012) Manuale di formazione per ilgoverno clinico: Il governo dell’innovazione nei sistemi sanitari.

http://www.salute.gov.it/imgs/C_17_pubblicazioni_1982_allegato.pdf [Accesso 9 settembre 2013]

28. Biomarkers Definition Working Group (2001) Biomarkers andsurrogate endpoints: preferred definitions and conceptual frame-work. Clin Pharmacol Ther 69:89–95

29. Cappelletti P (2009) La Medicina Personalizzata fra ricerca e prat-ica clinica: il ruolo della Medicina di Laboratorio. RIMeL/IJLaM5(Suppl):26–32

30. Marshall JC, Reinhart K (2009) Biomarkers of sepsis. Crit CareMed 37:2290–2298

31. Plebani M, Laposata M (2006) Translational research involvingnew biomarkers of disease. A leading role for pathologists. Am JClin Pathol 126:169–171

32. Tonellato PJ, Crawford JM, Boguski MS, Saffitz JE (2011) A na-tional agenda for the future of pathology in personalized medicine.Am J Clin Pathol 135:668–672

33. Dorizzi RM (2007) The diffusion of innovation theory could helplaboratorians in research translation. Clin Chem Lab Med 45:553–554

34. Christensen CM, Overdorf M (2000) Meeting the challenge of dis-ruptive change. Harv Bus Rev 2:66–76

35. Cappelletti P (2008) Come cambia la Medicina di Laboratorio.RIMeL/IJLaM 4(Suppl):26–30

36. Price CP (2010) Roots, development and future directions of lab-oratory medicine. Clin Chem Lab Med 48:903–909