(foto: Kirill KukhmarTass via Getty Images)

Un paio di persone a letto con la febbre non fanno certo un’epidemia. Ma è così che inizia: un paziente zero, un paio di contagi tra conoscenti, amici e familiari. Poi i primi morti. E quindi la preoccupazione: prima che l’agente patogeno sia identificato e vengano messe in moto le dovute contromisure, la malattia si comincia a diffondere. C’è poco da fare, specie con un virus come quello cinese, con sintomi simili a una normale influenza e lunghi tempi di incubazione. Per governi e autorità sanitarie è difficile reagire per tempo, e disinnescare il pericolo prima che si diffonda (anche se per il coronavirus i tempi di reazione sono stati veloci). Ma che dire di un computer? O meglio, di un’intelligenza artificiale? Con la sufficiente potenza di calcolo, in effetti, la questione è molto diversa. A dimostrarcelo ci ha pensato BlueDot, una piattaforma di monitoraggio sanitario canadese basata su un potente algoritmo di intelligenza artificiale, che ha identificato la nuova epidemia di Wuhan già a fine dicembre, ben prima dell’annuncio dell’Oms, arrivato solamente il 9 gennaio scorso, e delle prime indiscrezioni dei Cdc americani del 6 gennaio.

Se abbiamo detto che identificare un’epidemia sul nascere non è certo facile, in casi come quello del coronavirus di Wuhan la risposta internazionale spesso è complicata anche da un altro problema: la reticenza del governo cinese quando si tratta di divulgare informazioni potenzialmente imbarazzanti. È quanto accaduto nel caso dell’ultima grande epidemia scoppiata nel territorio colosso asiatico, ma che, secondo quanto dichiarato dal direttore generale dell’Oms Tedros Adhanom, per il nuovo coronavirus non è accaduto. La Sars, invece, a cavallo tra 2002 e 2003 contagiò più di ottomila persone in 17 nazioni prima di essere finalmente neutralizzata, quando ormai, complici le resistenze del governo cinese, il conto dei morti aveva raggiunto quota 774.

Un precedente che l’infettivologo canadese Kamran Khan conosce bene, visto che all’epoca lavorava in un ospedale di Toronto, una città in cui la Sars uccise 44 persone. “La situazione attuale sembra quasi un deja vuha confidato il medico a Wired.comnel 2003 ho assistito impotente mentre il virus sopraffaceva la città e mandava in tilt il mio ospedale. Lo stress fisico e mentale fu quasi soverchiante, e mi trovai a pensare: ‘evitiamo che capiti di nuovo’.

La soluzione di Kan? BlueDot, ovviamente, azienda di cui è Ceo e fondatore, nata grazie a oltre 9 milioni di dollari di finanziamenti privati raccolti al momento del lancio, nel 2014. Oggi l’azienda ha oltre 40 dipendenti, e un algoritmo capace di passare in rassegna i notiziari internazionali, incrociare i dati con quelli relativi a voli aerei e bollettini sulle epidemie veterinarie, per identificare ogni segno di una possibile, nuova, epidemia. Il tutto grazie a un programma di machine learning ed elaborazione del linguaggio naturale che ha permesso all’Ai di allenarsi leggendo notizie e documenti pubblicati in 65 lingue. E imparare così a riconoscere un’epidemia alle primissime avvisaglie, evitando al contempo imbarazzanti passi falsi.

Addestrando il nostro programma grazie machine learning e elaborazione del linguaggio naturale – sottolinea Kan – ora è in grado di distinguere un’epidemia di antrace [in inglese anthrax, ndr] in Mongolia da una reunion degli Anthrax, il noto gruppo metal”.

Quando BlueDot identifica un potenziale pericolo, la palla passa a un operatore umano. Gli epidemiologi che lavorano per l’azienda verificano i sospetti del programma, e se li ritengono scientificamente validi parte l’allerta destinata ai clienti, che per ora comprendono governi, agenzie sanitarie pubbliche e imprenditori con interessi nel settore. Non privati cittadini, quindi, anche se da BlueDot assicurano che presto le cose cambieranno.

Nel caso della nuova epidemia legata al coronavirus cinese, l’alert di BlueDot ha raggiunto i clienti dell’azienda il 31 dicembre, cioè sei giorni prima rispetto ai primi sospetti dei Cdc americani. E nelle prossime settimana continuerà a lavorare, cercando di prevedere con precisione la diffusione del virus al di fuori dei confini cinesi. Se il passato ci insegna qualcosa, probabilmente continuerà ad azzeccarci: nel 2016 un paper su Lancet ha descritto il successo dell’Ai canadese nel prevedere con ben 6 mesi di anticipo in quali città della Florida sarebbe sbarcata l’epidemia di Zika scoppiata l’anno precedente in Brasile.

Ovviamente, l’azienda canadese non è la sola nel mercato delle Ai per il monitoraggio delle epidemie. Uno dei principali competitor, l’azienda americana Metabiota, offre servizi simili, e sta valutando l’aggiunta di un monitoraggio dei social media per migliorare l’accuratezza delle sue previsioni. Qualcosa a cui a BlueDot ha invece rinunciato, ammettendo che attualmente i dati che si possono estrarre dalle piattaforme social sono troppi e troppo confusi per risultare utili.

Al pari di BlueDot, comunque, anche Metabiota ha avuto i suoi cinque minuti di fama grazie al coronavirus cinese, prevedendo con quasi una settimana di anticipo che Thailandia, Corea del Sud, Giappone e Taiwan sarebbero stati i primi paesi raggiunti dalla malattia, al di fuori della Cina continentale. E stando alle informazioni riportate sul suoi sito, l’azienda ritiene anche di poter prevedere quanta instabilità politica e sociale provocherà un’epidemia, basandosi su caratteristiche come i sintomi, la mortalità, e la disponibilità di terapie efficaci.

Epidemiologia e lotta alle epidemie, insomma, sembrano destinate a fare sempre più affidamento all’aiuto delle intelligenze artificiali. Come rivendica lo stesso Kan: “Da un lato abbiamo un mondo in rapida evoluzione, in cui le malattie emergono e si diffondo con velocità crescente”, ha raccontato alla Canadian Press. “Dall’altro, ci troviamo ad avere un accesso sempre maggiore a dati che possiamo utilizzare per generare informazioni e diffonderle più velocemente di quanto non facciano le malattie”.

The post Come l’intelligenza artificiale ci può aiutare a prevedere l’epidemia di coronavirus appeared first on Wired.



Leggi l’articolo su wired.it