Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving

Il protocollo REVELIO delinea uno studio pilota randomizzato e controllato su una pista di prova chiusa, progettato per valutare la fattibilità di un sistema multimodale a bordo veicolo per rilevare la guida sotto l'influenza della cannabis in utenti ricreativi sani, correlando dati veicolari, del conducente e biologici dopo somministrazione controllata di THC.

L'essenziale

Immagina di dover insegnare al "cervello" di un'auto come capire se un conducente sta avendo una "giornata pessima" al volante, non perché è stanco o distratto, ma specificamente perché ha recentemente assunto cannabis.

Lo studio REVELIO è un esperimento attentamente pianificato progettato per creare il "manuale" di cui il cervello dell'auto ha bisogno per apprendere questa abilità. Ecco come funziona lo studio, scomposto in concetti semplici:

Il Grande Problema: La "Scatola Nera" della Guida sotto Cannabis

Sappiamo che l'alcol rende la guida pericolosa e disponiamo di semplici etilometri per rilevarlo. Ma la cannabis è più insidiosa. Colpisce le persone in modo diverso e, a differenza dell'alcol, non esiste un semplice test "taglia unica" che ti dica se una persona è attualmente troppo compromessa per guidare, guardando solo il suo sangue o il suo respiro.

Attualmente, la polizia può controllare la presenza di cannabis solo dopo un incidente o durante un fermo, cercando la presenza della sostanza, non necessariamente quanto bene la persona stia effettivamente guidando in quel momento. Il team di REVELIO vuole cambiare questo creando un sistema che osserva l'auto e il conducente in tempo reale per individuare il compromesso mentre avviene.

L'Esperimento: Una "Scuola Guida" per l'Intelligenza Artificiale

Pensa a questo studio come a una scuola guida ad alta tecnologia, ma invece di insegnare agli umani come guidare, stanno insegnando a un computer come individuare un conducente "sotto l'effetto di droghe".

1. Gli Studenti (I Partecipanti)
Stanno reclutando 45 adulti sani che già usano cannabis ricreativamente (come qualcuno che beve occasionalmente un bicchiere di vino). Sono divisi in due gruppi:

• Il Gruppo "Test" (33 persone): Questi partecipanti fumeranno una quantità specifica e misurata di cannabis (come una dose precisa di medicina) subito prima di iniziare a guidare.
• Il Gruppo "Controllo" (12 persone): Questi partecipanti vivono la giornata esatta ma non fumano nulla. Fungono da "baseline" o esempio "pulito" da cui confrontare.

2. L'Aula (La Pista di Prova)
Per mantenere tutti al sicuro, nessuno guida su strade pubbliche reali. Si trovano su una pista di prova privata e chiusa.

• L'Auto: Guidano un furgone standard a 7 posti, ma ha un sedile da "co-pilota" con un istruttore di guida certificato seduto proprio accanto al conducente. Se il conducente inizia a sbandare o andare in panico, l'istruttore può premere i freni istantaneamente.
• La Programmazione: Tutti iniziano con una guida "sobria" per vedere come guidano normalmente. Poi, il gruppo "Test" fuma la sua canna. Successivamente, tutti guidano altre tre volte nelle sei ore successive. Questo permette ai ricercatori di vedere come cambia la guida mentre la cannabis svanisce, ora per ora.

3. I Sensori (Gli "Occhi" e le "Orecchie")
Questa è la parte più high-tech. L'auto e i conducenti sono coperti di sensori, che agiscono come una gigantesca rete di raccolta dati:

• Il Sistema Nervoso dell'Auto (Dati CAN): Il computer registra esattamente come il conducente tocca il volante, quanto preme forte l'acceleratore o il freno e come mantiene la corsia.
• Il Volto del Conducente (Telecamere): Le telecamere osservano gli occhi e i movimenti della testa del conducente per vedere se sta guardando intorno o assente.
• Il Corpo (Dispositivi Indossabili): I conducenti indossano smartwatch che tracciano la frequenza cardiaca e la respirazione.
• Il Laboratorio di Chimica: Per tutto il giorno, i ricercatori prelevano piccoli campioni di sangue, saliva e respiro per misurare esattamente quanto THC (la parte attiva della cannabis) c'è nel loro sistema in ogni momento.

L'Obiettivo: Insegnare al Computer

I ricercatori non stanno solo raccogliendo dati; li stanno inserendo nel Machine Learning (un tipo di programma informatico che impara per esempi).

Immagina di insegnare a un bambino a identificare una mela "rossa". Gli mostri molte mele rosse e molte mele verdi. Alla fine, il bambino impara il modello.

• Le Mele Rosse: I dati dei conducenti che hanno fumato cannabis.
• Le Mele Verdi: I dati dei conducenti sobri.

Il compito del computer è guardare i movimenti del volante, il tracciamento oculare e la frequenza cardiaca, e dire: "Ah, questo modello assomiglia al gruppo 'Mela Rossa' (compromesso)", oppure "Questo assomiglia al gruppo 'Mela Verde' (sobrio)".

Perché Questo Conta (Secondo il Documento)

Il documento afferma che l'obiettivo principale è vedere se questo "insegnante informatico" può effettivamente imparare la differenza tra un conducente sobrio e uno compromesso utilizzando solo i dati provenienti dall'auto e dal corpo del conducente.

• È un Progetto Pilota: Questo è un "prova generale". I ricercatori sanno che questo è solo il primo passo. Stanno verificando se il metodo funziona e se i dati sono sufficienti per costruire un sistema reale in seguito.
• Sicurezza Prima di Tutto: Poiché sono su una pista chiusa con un istruttore di sicurezza, possono testare questo senza rischiare incidenti stradali reali.
• Visione Futura: La speranza ultima (menzionata nel documento) è costruire eventualmente un sistema "Abile alla Guida". Questo non cercherebbe solo la cannabis; cercherebbe qualsiasi compromissione (che derivi da alcol, glicemia bassa o cannabis) e avviserebbe l'auto se il conducente non è sicuro di operare il veicolo.

Cosa il Documento Non Dice

È importante attenersi a ciò che il documento afferma effettivamente:

• Questo studio non ha un prodotto funzionante pronto per essere venduto alle case automobilistiche.
• Non afferma che il rilevamento della guida compromessa dalla cannabis sia attualmente possibile nel traffico reale.
• Non comporta conseguenze legali per i partecipanti; è puramente un esperimento di ricerca.
• I partecipanti non vengono testati per l'applicazione della legge; stanno aiutando a costruire i dati necessari per comprendere meglio il problema.

In breve, lo studio REVELIO è come costruire una mappa dettagliata di un passo di montagna pericoloso. Non stanno ancora guidando le auto sul passo; stanno raccogliendo i dati per vedere se il computer di un'auto a guida autonoma può alla fine imparare a navigare quel passo in sicurezza da solo.

Sommario tecnico

Sulla base del documento di protocollo fornito, segue un riassunto tecnico dettagliato dello studio pilota REVELIO su pista di prova.

1. Enunciato del Problema

Guidare sotto l'influenza della cannabis rappresenta una crescente sfida globale per la sicurezza, legata a un deterioramento delle prestazioni cognitive e psicomotorie e a un aumento del rischio di incidenti. A differenza dell'alcol, dove il deterioramento funzionale correla relativamente bene con la concentrazione di alcol nel sangue (BAC), la cannabis presenta sfide uniche per il rilevamento:

• Complessità Farmacocinetica: La relazione tra le concentrazioni biologiche di THC (nel sangue, nel respiro o nel fluido orale) e il deterioramento funzionale alla guida è incoerente e altamente variabile tra gli individui.
• Mancanza di Sistemi in Tempo Reale: I metodi di rilevamento attuali si basano su test stradali retrospettivi o sull'analisi di laboratorio di campioni biologici, che valutano la presenza della sostanza piuttosto che il deterioramento funzionale in tempo reale.
• Lacuna Tecnologica: Sebbene esistano sistemi a bordo veicolo per rilevare la sonnolenza o il deterioramento da alcol, non è stato sviluppato o valutato in modo sistematico alcun sistema scalabile, in tempo reale e a bordo veicolo specificamente progettato per rilevare la guida sotto l'influenza della cannabis utilizzando dati multimodali dei sensori.

2. Metodologia

Lo studio REVELIO è una prova pilota randomizzata, controllata, in aperto, monocentrica progettata per generare dati multimodali standardizzati per l'addestramento di modelli di apprendimento automatico.

• Disegno dello Studio e Partecipanti:

  • Popolazione: 45 consumatori ricreativi sani di cannabis (definiti come utilizzatori >1 volta/mese, punteggio CUDIT-R ≤7) con patente di guida valida.
  • Assegnazione: I partecipanti sono assegnati casualmente a un Gruppo di Intervento ($n=33$) o a un Gruppo di Controllo di Riferimento ($n=12$) in un rapporto 3:1.
  • Setting: Una pista di prova chiusa e sicura a Thun, in Svizzera, utilizzando un Volkswagen Touran 2020 a doppio pedale con un istruttore di guida certificato presente.

• Intervento:

  • Gruppo di Intervento: Riceve una singola dose inalatoria controllata di cannabis (obiettivo: 0,67 mg di THC per kg di peso corporeo) tramite una canna standardizzata (contenuto di THC 15–18%).
  • Gruppo di Controllo: Sottoposto a procedure identiche senza esposizione alla cannabis.
  • Cronologia: Tutti i partecipanti completano una sessione di guida di base da sobri, seguita da tre ulteriori sessioni di guida standardizzate di 50 minuti a 1–2, 3–4 e 5–6 ore dopo la somministrazione.

• Raccolta Dati (Multimodale):
  Lo studio cattura flussi di dati sincronizzati per distinguere gli stati da sobri da quelli deteriorati:

  1. Dati Veicolari: Segnali della Controller Area Network (CAN) (sterzo, frenata, accelerazione, velocità, posizione nella corsia).
  2. Monitoraggio del Conducente: Dati della Camera di Monitoraggio del Conducente (DMC) (sguardo, movimento della testa, frequenza di ammiccamento).
  3. Segnali Fisiologici: Sensori indossabili (frequenza cardiaca, HRV, saturazione di ossigeno, respirazione).
  4. Campioni Biologici: Campioni di sangue capillare, fluido orale e respiro raccolti in più punti temporali per misurare THC e metaboliti.
  5. Valutazioni Funzionali: Test medico-legali/psicologici, pupillografia e livelli auto-dichiarati di sonnolenza/intossicazione.

• Approccio Statistico e Analitico:

  • Obiettivo Primario: Sviluppare e valutare modelli di apprendimento automatico (ML) per classificare gli stati di guida (sobri vs. deteriorati dalla cannabis).
  • Modelli: Una Regressione Logistica con LASSO di base sarà confrontata con classificatori flessibili (Random Forests, SVM, Gradient Boosting, Reti Bayesiane) e approcci di deep learning (CNN, RNN).
  • Validazione: Rigorose divisioni dei dati a livello di partecipante per prevenire la fuoriuscita di informazioni; convalida incrociata nidificata per la regolazione degli iperparametri.
  • Metriche: L'esito primario è l'AUROC (Area Under the Receiver Operating Characteristic Curve), supportata da accuratezza, sensibilità, specificità e precisione.

3. Contributi Chiave

• Dataset Multimodale Standardizzato: Creazione di un dataset ad alta fedeltà e sincronizzato temporalmente che collega i dati dei sensori a bordo veicolo, il comportamento del conducente, gli stati fisiologici e le concentrazioni biologiche di THC in condizioni controllate.
• Quadro Metodologico per il Rilevamento della Cannabis: Stabilire un protocollo per superare le leggi "per se" (basate sulla concentrazione) verso il rilevamento del deterioramento funzionale utilizzando dati veicolari in tempo reale.
• Fondamento per Modelli "Idonei alla Guida": Lo studio è progettato per essere aggregato con dataset precedenti dello stesso gruppo (studi sul deterioramento da alcol e ipoglicemia) per sviluppare un modello di rilevamento indipendente dalla causa che identifichi il deterioramento funzionale indipendentemente dalla causa sottostante.
• Pilotaggio con Priorità alla Sicurezza: Dimostrazione di un rigoroso quadro di sicurezza (pista chiusa, veicolo a doppio controllo, screening medico) per condurre studi di somministrazione controllata di cannabis in un contesto di guida.

4. Risultati

• Nota: Poiché si tratta di un protocollo di studio (pubblicato come preprint), non sono ancora riportati risultati empirici o metriche di prestazione (ad es. valori specifici di AUROC).
• Il documento delinea l'analisi pianificata e la motivazione per la dimensione del campione (basata su precedenti studi su ipoglicemia e alcol che suggeriscono che $n=25$ è sufficiente per la discriminazione iniziale del modello).
• Lo studio è attualmente nella fase di reclutamento e raccolta dati (completamento previsto: giugno 2026).

5. Significato

• Innovazione nella Sicurezza Stradale: Se di successo, questa ricerca potrebbe portare allo sviluppo di sistemi di avviso in tempo reale a bordo veicolo che rilevano il deterioramento da cannabis prima che si verifichi un incidente, offrendo una misura di sicurezza proattiva superiore ai test di polizia retrospettivi.
• Implicazioni Politiche: Fornisce prove a supporto di un passaggio da rigide soglie di concentrazione di THC (che potrebbero non correlarsi con il deterioramento) a valutazioni della capacità funzionale di guida.
• Avanzamento Scientifico: Colma la lacuna critica nella comprensione della dinamica temporale del deterioramento da cannabis (fasi iniziale, intermedia e tardiva) e di come queste si manifestino in specifici comportamenti di guida e segnali fisiologici.
• Scalabilità: La metodologia è progettata per essere adattabile a futuri studi di validazione su larga scala e nel mondo reale, potenzialmente aprendo la strada a restrizioni o sistemi di intervento automatizzati nella guida per veicoli commerciali e privati.

Contesto Etico e Normativo:
Lo studio è approvato dal Comitato Etico Cantonale di Berna (ID BASEC: 2025-01590) e registrato su ClinicalTrials.gov (NCT07401628). Rispetta le normative ICH-GCP e la Legge svizzera sulla ricerca umana, garantendo la sicurezza dei partecipanti attraverso rigorosi criteri di esclusione, monitoraggio medico e l'assenza di conseguenze legali automatizzate per i partecipanti durante lo studio.