Al Congresso nazionale ISDE Italia, Fabrizio Bianchi ha richiamato il ruolo del ragionamento epidemiologico: gli algoritmi possono accelerare le analisi, ma interpretare le evidenze e decidere quando agire resta una responsabilità umana.
L’intelligenza artificiale offre nuove possibilità alla ricerca, ma la disponibilità di quantità crescenti di dati non si traduce automaticamente in una maggiore conoscenza dei rischi per la salute. È stato questo il tema dell’intervento di Fabrizio Bianchi, IFC-CNR e componente del Comitato scientifico ISDE Italia, al Congresso nazionale dell’associazione a Sansepolcro.
Nella relazione, dedicata al rischio della «supremazia dei dati», Bianchi ha riconosciuto le opportunità offerte da archivi sanitari, biobanche e informazioni sull’esposoma, cioè sull’insieme delle esposizioni che possono influenzare la salute nel corso della vita. Il machine learning può individuare configurazioni difficili da riconoscere con i metodi tradizionali; l’intelligenza artificiale amplia la velocità, la scala e la capacità esplorativa delle analisi. Queste possibilità, però, richiedono domande scientifiche chiare e una solida interpretazione dei risultati.
Moltiplicare le associazioni statistiche non equivale a comprendere le cause delle malattie. Quando si analizzano centinaia di variabili attraverso migliaia di confronti, una parte dei risultati apparentemente significativi può dipendere dal caso. Le correzioni statistiche riducono questo problema, ma non lo eliminano e non sostituiscono la domanda da cui deve partire la ricerca.
Bianchi ha quindi richiamato l’intera catena del metodo epidemiologico: domanda, disegno dello studio, dati, analisi, valutazione della causalità e decisione. L’intelligenza artificiale può accelerare enormemente alcune fasi, ma è il ragionamento epidemiologico a tenerle insieme, considerando meccanismi biologici, contesto, successione temporale, distorsioni e fattori di confondimento, plausibilità e confronto tra evidenze ottenute con approcci diversi.
Le malattie, ha ricordato, si verificano nei corpi, nei luoghi e nel tempo. Per interpretare un’associazione occorre ricostruire i meccanismi biologici, gli ambienti e le condizioni sociali, le storie di esposizione e i periodi di latenza. Una correlazione acquista significato epidemiologico quando trova posto in una spiegazione causale plausibile.
Un passaggio centrale dell’intervento ha riguardato i due errori che la ricerca deve considerare: segnalare un rischio che non esiste, il falso positivo, oppure non riconoscere un rischio presente, il falso negativo. La cautela metodologica deve valutare le conseguenze di entrambi.
I casi di Taranto e della Terra dei Fuochi hanno illustrato un ulteriore paradosso: i dati possono sembrare insufficienti anche quando le conoscenze si sono accumulate. A Taranto, ogni nuova evidenza può generare un’altra richiesta di conferma; nella Terra dei Fuochi, la difficoltà di misurare esposizioni diffuse può trasformare l’incertezza in un argomento per attendere. Il rischio è che il rumore prodotto dalle informazioni e la persistenza dell’incertezza alimentino l’inazione.
Il passaggio dalla ricerca alla tutela della salute richiede allora una domanda ulteriore: sappiamo abbastanza per agire? Il peso delle prove va valutato anche in relazione allo scopo della conoscenza, alle alternative disponibili e alle conseguenze dell’intervento o della sua mancata attuazione. Decidere comporta una presa di responsabilità.
Formulare le domande, giudicare la qualità delle evidenze, integrare biologia, ambiente e società e stabilire quando le conoscenze siano sufficienti sono rimasti, nella riflessione di Bianchi, i compiti essenziali del ragionamento epidemiologico. L’intelligenza artificiale può assisterli, ma non può trasformare automaticamente una correlazione in una decisione di salute pubblica.
Il percorso indicato è stato quello che conduce dai dati alle evidenze, dalle evidenze al giudizio e dal giudizio all’azione: l’epidemiologia è una scienza orientata alla tutela della salute pubblica.