Pazienti fatti a pezzi

Dissezionare corpi è una pratica comune a molte culture. Ma nella “medicina dei big data” l’arte di fare a pezzi il corpo umano è diventata una vera e propria ossessione. Le moderne biotecnologie ci permettono infatti di vedere e misurare i componenti molecolari di ogni singola cellula. Ma come possiamo rimettere insieme questo numero immenso di pezzettini e tornare a rivedere il paziente nella sua interezza? Il primo punto di svolta è stato proposto da René Descartes, il quale, ispirato da sogni e visioni, ha concepito l’idea di unificare tutte le discipline scientifiche attraverso l’applicazione pervasiva della matematica. Descartes formula quattro regole fondamentali, di cui la seconda (metodo top-down) e la terza (metodo bottom-up) diventano cruciali nella moderna analisi dei dati. Un caso di studio istruttivo che viene qui considerato è quello della tubercolosi polmonare, dove l’approccio cartesiano di decomporre i problemi in “pezzi” sempre più piccoli – dall’organismo all’organo e dalla lesione cellulare al livello microscopico – ha portato alla cura della malattia attraverso gli antibiotici. Questa storia di successo ha ispirato Paul Ehrlich il quale, con il concetto di “proiettile magico”, ha definito la farmacologia moderna. Questo paradigma è però oggi messo in crisi dalle malattie multifattoriali e dalla medicina dei big data, dove l’enorme disponibilità di dati clinici e molecolari deve essere integrata per arrivare a una decisione terapeutica. L’approccio cartesiano mostra oggi i suoi limiti, come testimoniato dall’analoga difficoltà in settori diversi dalla medicina, qui illustrato dal caso della scelta di produrre una serie televisiva di successo sulla base della profilazione degli utenti. Il messaggio da portare a casa è che la quantità di dati raccolti non garantisce automaticamente il successo ma che, invece di farsi guidare dai dati, sia inevitabile una visione d’insieme e una valutazione “umana” collettiva. È necessaria, cioè, una collaborazione stretta tra medici e analisti dei dati, integrando le competenze, per affrontare le sfide nella diagnosi e cura delle malattie complesse attraverso l’immaginazione e non la semplice estrapolazione.