Secondo stime recenti, la stragrande maggioranza delle big pharma europee aumenterà gli investimenti in Real World Evidence nei prossimi anni, mentre in Italia i professionisti RWE davvero formati restano poche centinaia. In parallelo, report internazionali mostrano che oltre il 60% delle organizzazioni healthcare ha già potenziato competenze analitiche e piattaforme per lavorare in modo sistematico con RWD e RWE.
Mentre l’IA generativa occupa le timeline (chatbot, copy, marketing), la vera rivoluzione non è quella dei prompt: è quella del dato vero. Quella che trasforma il paziente reale, il medico reale, il mondo reale in evidenza che può pesare nelle decisioni di EMA, AIFA e FDA tanto quanto — e in certi casi più — di un RCT perfetto ma lontano dalla pratica clinica.
La domanda è semplice: vuoi continuare a competere in ruoli che tra 5 anni rischiano di essere meno necessari, o vuoi investire ora in una competenza — RWE & Digital Health — che sarà una delle spine dorsali della pharma 2030?
RWE e Digital Health nel Pharma: definizione e contesto strategico
Real World Data vs Real World Evidence
La European Patients’ Academy (EUPATI) definisce i Real World Data (RWD) come dati relativi allo stato di salute dei pazienti e all’erogazione delle cure, raccolti di routine fuori dai trial controllati: cartelle cliniche elettroniche, registri di malattia, database di prescrizioni/rimborsi, dati da app e dispositivi, ecc. La Real World Evidence (RWE) è l’evidenza clinica generata analizzando questi dati con metodi appropriati.
In pratica:
- Real World Data è la materia prima: EMR disordinati, valori di laboratorio mancanti, prescrizioni nel mondo reale, dati da wearables e telemonitoraggio.
- Real World Evidence è il risultato di un processo metodologicamente rigoroso (studi di coorte, case‑control, causal inference, propensity score, modelli di regressione) che risponde a domande cliniche in modo difendibile anche in sede regolatoria.
La distinzione è critica: RWE non è “trial leggero”, né “analytics di marketing”. È ricerca osservazionale di qualità clinica, con standard sempre più formali sia per FDA che per EMA.
Perché è strategico
Un RCT di fase III su un nuovo farmaco per diabete tipo 2 può richiedere 3–4 anni, migliaia di pazienti e decine/centinaia di milioni di euro. Le pianificazioni regolatorie storiche si basano su questo paradigma.
Con un set‑up RWE solido, puoi:
- usare dati che già esistono in ospedali, registri o database nazionali;
- costruire evidenza su sicurezza, effectiveness e uso appropriato in 6–12 mesi;
- ridurre costi e tempi di molteplici ordini di grandezza rispetto a un nuovo RCT, soprattutto per label extension, rare disease, pediatria, popolazioni molto anziane.
FDA e EMA vedono RWE come complemento, non sostituto degli RCT, ma hanno iniziato a codificare i contesti in cui RWE può supportare decisioni di efficacia/sicurezza (es. nuove indicazioni, studi post‑autorizzativi, comparative effectiveness quando un RCT non è fattibile).
L’ecosistema RWE
Dentro “RWE” entrano:
- patient registries (database di pazienti con specifiche condizioni, spesso nazionali o multi‑istituzionali);
- EHR / EMR data (cartelle cliniche elettroniche ospedaliere e di MMG);
- claims data (rimborsi, SDO, dati amministrativi di ospedali e payers);
- genomic data (sequenziamento e profili omici, incrociati con outcome);
- wearables & digital monitoring (sensori, app, dispositivi connessi che forniscono dati continui);
- digital therapeutics, ovvero soluzioni software clinicamente validate che sono esse stesse parte del trattamento.
Un’analisi del 2025 mostra che, in media, circa il 45% degli studi RWE utilizza EHR, il 30% database di claims, il 15% registri pazienti e il 10% dati da wearables e digital health.
Il vantaggio potenziale dell’Italia
L’Italia, con un SSN universalistico e diversi flussi informativi nazionali/ regionali, ha un potenziale enorme: i Registri di Monitoraggio AIFA hanno raccolto oltre 5,6 milioni di trattamenti e 4,3 milioni di pazienti, con quasi 13,8 milioni di somministrazioni, diventando una delle principali fonti censuarie di RWD a livello europeo.
Uno studio basato su 129 registri oncologici AIFA ha mostrato che oltre 420.000 trattamenti in real‑world differivano significativamente dalle popolazioni arruolate nei trial registrativi sugli stessi farmaci (più anzianità, più comorbidità), evidenziando quanto il mondo reale si discosti dal “paziente da trial”.
Il paradosso: la miniera di dati c’è, ma mancano abbastanza professionisti che sappiano trasformarla in evidenza.
“Itrial randomizzati ci insegnano cosa potrebbe funzionare. Il Real World Evidence ci mostra cosa funziona davvero.”
Perché la domanda di RWE Specialist è esplosa (e continuerà)
Tre forze stanno trasformando la RWE da nicchia accademica a competenza core per ogni pharma che voglia restare competitiva.
1. Pressione regolatoria
- FDA: ha pubblicato un framework RWE nel 2018 e continua ad aggiornare linee guida su come usare RWD/RWE per nuove indicazioni, modifiche di etichetta e studi post‑marketing, riconoscendo il potenziale di RWE per decisioni regolatorie quando un RCT non è fattibile.
- EMA: ha attivato DARWIN EU, una rete europea per utilizzare RWD/RWE a supporto delle decisioni su sicurezza ed efficacia, e sta pubblicando linee guida dedicate per integrare RWE nel decision‑making.
- AIFA: oltre al ruolo tradizionale, sta esplicitando sempre di più l’uso dei dati dei registri e di altre fonti real‑world per valutare appropriatezza prescrittiva, esiti e sostenibilità delle terapie nel SSN.
Il risultato: RWE diventa un pezzo strutturale del dossier regolatorio, soprattutto per label extension, piani di gestione del rischio e monitoraggio post‑marketing, non più un “nice to have”.
2. Payer demand
Payers (SSN, regioni, assicurazioni, ospedali) chiedono RWE per rispondere a domande tipo:
- “Questo farmaco da 5.000 € a ciclo migliora davvero sopravvivenza/qualità di vita nei nostri pazienti?”
- “Qual è il valore aggiunto rispetto alle alternative, con le nostre comorbidità, la nostra aderenza, i nostri percorsi di cura?”
Un trial condotto in contesti molto diversi può non essere percepito come sufficiente; RWE basata su dati nazionali o regionali può essere molto più convincente per payers locali.
3. Safety, label expansion e lifecycle management
- Farmacovigilanza attiva: RWE permette di identificare segnali di sicurezza, pattern di uso e interazioni in tempi più rapidi e con basi dati più ampie rispetto alla sola segnalazione spontanea.
- Nuove indicazioni & repositioning: per farmaci già in commercio, RWE può supportare ragionevolmente nuove indicazioni o sottopopolazioni, evitando di ripetere trial enormi quando non è necessario.
Tutto questo genera un fabbisogno crescente di figure che sappiano progettare, eseguire e interpretare studi RWE secondo standard accettabili per regolatori e payers.
Digital Health: la fabbrica (e il motore) dei RWD
La salute digitale non è solo “app e telemedicina”: è una pipeline continua di RWD.
A livello globale il mercato della digital health è stato stimato a circa 241,6 miliardi di dollari nel 2024, con una crescita annua attesa intorno al 26,3% tra 2025 e 2033.
In Italia:
- gli investimenti in sanità digitale hanno raggiunto circa 2,47 miliardi di euro, con una crescita del 12%;
- oltre il 50% dei Medici di Medicina Generale ha utilizzato la telemedicina almeno una volta;
- circa il 41% dei cittadini utilizza il Fascicolo Sanitario Elettronico;
- una quota crescente di clinici ha già sperimentato strumenti di IA generativa per supportare attività cliniche o gestionali.
Il PNRR destina oltre 15 miliardi di euro a digitalizzazione e innovazione del SSN (e‑prescrizioni, FSE, telemedicina, reti di prossimità). Ogni nuova soluzione digitale — piattaforme di telemonitoraggio, app di supporto terapeutico, device connessi — genera RWD che, se governati e analizzati, si trasformano in RWE.
Per questo sempre più pharma cercano figure capaci di muoversi a cavallo tra RWE e Digital Health: progettare studi che sfruttano i dati generati da soluzioni digitali e, al contempo, usare RWE per dimostrare il valore clinico ed economico di quelle soluzioni.
Tre strade per diventare RWE Specialist
Non esiste un solo ingresso nel mondo RWE. Ne esistono almeno tre, ognuno con i suoi punti forti.
Path 1 — Data Science → RWE (per i “tecnici puri”)
Se arrivi da data science / statistica / ingegneria dei dati, con solide basi in Python/R e probabilità, hai già gran parte della cassetta degli attrezzi tecnica. Ti mancano:
- contesto pharma (trial, endpoint, safety vs efficacy);
- standard di dati (CDISC SDTM/ADaM, terminologie);
- regolatorio (guidance FDA/EMA, ruoli di AIFA, aspettative di qualità dei dati).
Con 6–12 mesi di “pharma upskilling” mirato (linee guida, qualche corso CDISC, un progetto pilota su dati reali in collaborazione con clinici) puoi diventare competitivo per ruoli di RWE Analyst in CRO o big pharma.
Path 2 — Clinical Research (CRA/CTM) → RWE
Se hai 2–3 anni in clinical research (CRA, CTM, data manager):
- conosci già GCP, protocolli, endpoints, gestione siti;
- hai dimestichezza con il life cycle di uno studio clinico.
Quello che ti serve è:
- approfondire epidemiologia e metodi osservazionali (coorti, case‑control, bias);
- entrare nel mondo dei big healthcare data (claims, EHR, registri).
È uno dei percorsi più veloci (3–6 mesi di formazione mirata), perché il mindset regolatorio e clinico è già lì.
Path 3 — Epidemiologia / HEOR / Healthcare Analytics → RWE
Se vieni da epidemiologia, health economics, outcome research, analisi di database sanitari:
- sei già abituato a ragionare su popolazioni, confondimento, bias;
- ti manca soprattutto l’allineamento alle logiche di drug development e ai requisiti specifici di dossier e submission.
Con 6–9 mesi di approfondimento su standard dati pharma, fasi di sviluppo, esigenze regolatorie, puoi posizionarti su ruoli RWE/HEOR in pharma, CRO o consultancy.
Prompt AI utile
“Profilo: [background, anni di esperienza, linguaggi che usi]. Voglio diventare RWE Specialist. Suggeriscimi: (1) quale dei tre percorsi è più realistico per me, (2) quali 5 concetti chiave devo padroneggiare entro 6 mesi, (3) un mini‑piano di studio (risorse, progetti) per arrivarci.”
Skill tecnici e soft skill richieste
Hard skill (non negoziabili)
- Metodologie statistiche per studi osservazionali
Causal inference, propensity score matching, inverse probability weighting, modelli “doubly robust”: sono il cuore della RWE credibile. - Data manipulation su grandi dataset sanitari
SQL avanzato, R/Python per data wrangling, familiarità con standard CDISC per l’integrazione con dati di trial. - Study design osservazionale
Definire coorti, esposizione, comparatori, outcome, finestra temporale, criteri di inclusione/esclusione, identificare e gestire bias (selection bias, immortal time bias, misclassification). - Conoscenza del contesto regolatorio
Capire che cosa chiedono FDA/EMA quando parlano di “fit‑for‑purpose RWE”, cosa si intende per data quality framework e come differiscono i requisiti per label extension vs safety studies. - Strumenti
SAS (ancora molto usato in pharma), R (tidyverse, survival, causal inference packages), Python (pandas, scikit‑learn), strumenti di BI (Tableau, Power BI) per la comunicazione interna dei risultati.
Soft skill (il vero differenziale)
- Traduzione tra mondi diversi
Devi saper spiegare un’analisi di causal inference a un clinico che non è statistico, e allo stesso tempo spiegare limiti del dato a manager che vogliono un “sì/no” deciso. - Stakeholder management
RWE implica lavorare con ospedali (che detengono i dati), comitati etici, legal/privacy (GDPR), pazienti, payers, regulator. Tenere insieme esigenze diverse è parte centrale del lavoro. - Comfort con l’ambiguità
I RWD sono incompleti, rumorosi, a volte contraddittori. Non esiste dataset perfetto; esiste l’equilibrio migliore tra rigore e fattibilità. - Critical thinking
Saper dire “questa domanda non è adatta alla RWE” prima di buttare mesi su uno studio che non potrà produrre evidenza credibile.
RWE specialist non è un puro tecnico: è un problem solver che usa statistiche e metodi osservazionali per rispondere a domande cliniche e regolatorie reali.
Carriera, stipendi, prospettive
I dati puntuali per ruoli “RWE” in Italia sono ancora limitati; molti annunci inquadrano questi profili sotto titoli come Clinical Manager, Epidemiologist, HEOR Analyst. Ad esempio, Indeed riporta per un Clinical Manager in Italia una media intorno ai 41.120 € lordi annui, con variazioni legate a seniority e azienda. Analisi generali sulle retribuzioni in pharma mostrano range da 30.000 a oltre 120.000 € lordi annui, con crescita significativa per i profili altamente specialistici e manageriali.
In pratica, gli ordini di grandezza che si vedono per ruoli RWE (a parità di contesto) sono spesso superiori a quelli di ruoli puramente operativi in clinical research, proprio perché la competenza è più rara e direttamente legata a decisioni regolatorie e di accesso.
La parte interessante è la scalabilità della competenza:
- puoi restare nel pharma (Head of RWE, Evidence Strategy Lead);
- puoi spostarti nel biotech, device, digital therapeutics;
- puoi lavorare lato payer, HTA, istituzioni;
- puoi, a seniority avanzata, creare una tua boutique di consulenza RWE.
Dove un ruolo come ISF è molto ancorato al contesto normativo italiano, RWE lavora su linguaggi e metodologie globali: ciò che impari è trasferibile su più mercati e sistemi regolatori.
Come candidarsi: segnali forti (e red flag) nel CV
Segnali forti:
- formazione quantitativa (statistica, data science, epidemiologia, bioinformatica);
- esperienza, anche breve, con dati sanitari real‑world (progetti su registri, flussi amministrativi, EHR);
- conoscenza, almeno di base, di linee guida RWE (FDA, EMA) o di iniziative come DARWIN EU;
- menzione esplicita di strumenti (SAS, R, Python, SQL) e, meglio ancora, esempi concreti di progetti.
Red flag tipici:
- solo corsi generici online senza alcun progetto concreto su dati reali;
- nessuna traccia di comprensione del contesto regolatorio/clinico;
- presentarsi come “data scientist qualsiasi” senza alcun riferimento a RWD/RWE/healthcare.
Prompt AI per il tuo prossimo step
“Questo è il mio CV [incolla]. Voglio posizionarmi per ruoli in Real World Evidence & Digital Health. Riscrivimi: (1) il riepilogo iniziale del CV, (2) il summary LinkedIn, mettendo in evidenza esperienza con dati, comprensione del contesto sanitario e interesse specifico per RWE.”
In sintesi: RWE & Digital Health non sono l’ennesima buzzword. Sono il modo in cui il pharma imparerà, nei prossimi anni, a rispondere alla domanda che conta davvero: cosa succede quando il mio farmaco esce dal trial perfetto e incontra il paziente reale, nel sistema reale, con tutti i suoi vincoli?
Se impari a lavorare su questa frontiera adesso, ti stai posizionando in una delle pochissime aree dove la domanda di competenze crescerà più velocemente dell’offerta.
