Salute
West Nile, da Sassari un modello di intelligenza artificiale che prevede i focolai con il 99% di precisione
Il modello è stato realizzato da un team di ricerca a cui ha partecipato anche Fabio Scarpa, professore associato di Genetica dell'università turritana
2 MINUTI DI LETTURA
Sassari Un modello di intelligenza artificiale in grado di prevedere con grande precisione i focolai del virus West Nile in Italia. A svilupparlo è stato il gruppo 'Gabie' (Genomics, AI, Bioinformatics, Infectious diseases, Epidemiology) creato da Massimo Ciccozzi, ordinario di Statistica medica e Francesco Branda ricercatore dell'unità di ricerca di Statistica medica ed epidemiologia molecolare dell'università Campus Bio-Medico di Roma, insieme a Fabio Scarpa, professore associato di Genetica dell'università di Sassari. Lo studio, pubblicato sulla rivista 'Tropical Medicine and Infectious Disease', ha integrato oltre dieci anni di dati di sorveglianza sanitaria con informazioni climatiche giornaliere ad alta risoluzione, come temperatura, precipitazioni e umidità, provenienti da archivi meteorologici 'open source'. Per costruire il modello, il team ha utilizzato un algoritmo di 'machine learning' supervisionato. Il modello è stato addestrato su serie temporali di dati epidemiologici e climatici, adottando una procedura di validazione temporale incrociata per testare la sua capacità di previsione su anni non inclusi nell'addestramento.
«I risultati sono stati notevoli: il sistema ha raggiunto una capacità predittiva del 99%, dimostrando un'elevata affidabilità anche a livello provinciale - si legge nello studio - Un aspetto importante dello studio è l'uso di tecniche di interpretabilità del modello, che hanno permesso di capire quali fattori climatici influenzano maggiormente le previsioni. Tra le variabili considerate, la temperatura minima giornaliera è risultata il principale predittore: quando le notti restano sopra i 20 gradi centigradi, le zanzare sopravvivono più a lungo e la trasmissione del virus accelera, mentre piogge e temperature massime incidono in misura minore. Questo approccio consente di mantenere trasparenza e riproducibilità, due elementi fondamentali per l'applicazione operativa in sanità pubblica. Il modello può essere integrato nei sistemi di sorveglianza italiani per attivare allerte preventive, individuare le aree prioritarie di intervento e ottimizzare le risorse per la disinfestazione e la comunicazione del rischio. Il gruppo Gabie sta già ampliando la metodologia ad altre malattie trasmesse da vettori, come dengue, e chikungunya, e la sta collegando alle proiezioni climatiche future per stimare come il riscaldamento globale possa modificare la distribuzione dei virus in Europa. «Il cambiamento climatico - afferma Massimo Ciccozzi - sta ridisegnando la geografia delle infezioni: zone un tempo considerate sicure stanno diventando favorevoli alla diffusione delle zanzare e dei patogeni che trasmettono. Disporre di strumenti predittivi come questo significa poter agire prima, proteggendo la salute delle persone e del territorio».
