Quando si parla di intelligenza artificiale in sanità pubblica, il pensiero corre spesso ai grandi ospedali dotati di infrastrutture digitali avanzate. Ma la sfida più interessante, e più urgente, si gioca altrove: nelle piccole strutture dove i dati non vengono informatizzati, nei social media sempre meno presidiati dalle autorità sanitarie, nei comportamenti quotidiani della popolazione che nessun modello matematico ha mai saputo davvero catturare. È qui che lavora il gruppo di ricerca coordinato da Caterina Rizzo, professoressa ordinaria di Igiene all’Università di Pisa e anima del Pisa Public Health Research Lab.

Incontrarla significa capire come l’epidemiologia digitale stia ridisegnando il modo in cui pensiamo alla prevenzione.

Il suo gruppo – composto da dottorandi, specializzandi, ricercatrici e ricercatori che lavorano in collaborazione con l’ospedale pisano – ha iniziato questo percorso tra il 2017 e il 2018, ben prima che la pandemia rendesse il tema mainstream. «Siamo stati tra i primi in Italia a lavorare in questo ambito», racconta con la soddisfazione di chi ha scommesso su qualcosa quando ancora non era ovvio farlo. Un’altra realtà di riferimento è il gruppo della professoressa Anna Odone a Pavia, con cui collaborano.

Sorveglianza delle infezioni: insegnare alle macchine a leggere le cartelle cliniche

Il primo filone di ricerca nasce da una domanda pratica: come migliorare la sorveglianza delle infezioni correlate all’assistenza e dell’antimicrobico-resistenza in contesti dove i dati digitali scarseggiano? Nelle piccole strutture ospedaliere, i sintomi non vengono informatizzati giorno per giorno dal personale medico, e raccogliere dati per il monitoraggio rimane un ostacolo enorme.

La risposta del gruppo pisano è stata addestrare i sistemi di intelligenza artificiale non a estrarre semplici parole chiave, ma a classificare. «Abbiamo classificato più di 40mila lettere di dimissione, individuando quelle più collegate a infezioni insorte durante il ricovero», racconta Rizzo. Quella classificazione manuale è diventata il materiale di addestramento: il sistema ha imparato a replicarla in autonomia, raggiungendo livelli di sensibilità e specificità molto soddisfacenti. Per un’ospedale, avere una stima affidabile del carico infettivo nella propria struttura «significa tantissimo». Il metodo è stato poi descritto in un lavoro pubblicato su Recenti Progressi in Medicina.

I social media: un presidio sanitario svuotato

Il secondo filone è quello che oggi appare più urgente, e più sorprendente. Emerge con chiarezza dai dati raccolti dal laboratorio pisano un fenomeno che dovrebbe far riflettere chi si occupa di comunicazione istituzionale: i social media che – spiega Rizzo – sono ormai largamente abbandonati dalle autorità sanitarie rispetto a qualche anno fa, ma le persone continuano ad abitarli e a cercarvi risposte.

Il paradosso è evidente: «la gente c’è ugualmente». Le persone aprono i social per cercare risposte su influenza, West Nile, vaccini. Trovano poco o nulla di ufficiale.

Per capire cosa davvero circola e cosa manca, il gruppo ha sviluppato strumenti sofisticati di analisi. È partito da un’analisi dei dati di Twitter – all’epoca, era il 2021, ancora accessibile per il download dei dati – con l’obiettivo di studiare le posizioni nei confronti dei vaccini. Non il sentiment generico, ma qualcosa di più strutturato: «la posizione è a favore, contraria o neutra, mentre il sentiment è qualcosa che viene raccolto automaticamente dal sistema». Una distinzione fondamentale per chi vuole capire davvero l’opinione pubblica e non solo il tono emotivo.

Per farlo, il gruppo ha usato il sistema BERT (un modello linguistico di grandi dimensioni) per classificare enormi moli di dati dopo aver effettuato manualmente il labelling dei tweet. I risultati hanno permesso anche analisi longitudinali: «avevamo già molti dati prima della pandemia, e abbiamo potuto osservare come è cambiata la percezione dei vaccini». L’andamento è stato emblematico: grande attesa iniziale per i vaccini anti-Covid, poi scivolamento verso posizioni più negative. I risultati sono stati pubblicati nel 2022 su Frontiers.

Poi il lavoro si è evoluto nel tempo. Il gruppo ha collaborato con fornitori internazionali di dati da social media, sempre nell’ambito di finanziamenti europei e universitari, «mai dati provenienti dall’industria, per evitare conflitti di interesse sui vaccini». Dal 2023, grazie a un finanziamento del Ministero della Salute, è operativa una piattaforma che produce report mensili sulle domande più frequenti che circolano sui social in tema vaccinale – influenza, West Nile, e altro ancora. Un osservatorio permanente che fotografa non solo cosa si dice, ma cosa manca nelle risposte istituzionali.

Come cambiano i comportamenti delle persone?

Il terzo filone affronta un limite strutturale della modellistica epidemiologica: i modelli matematici per la diffusione delle malattie infettive incorporano parametri come le coperture vaccinali, le modalità di trasmissione, le matrici di contatto, ma nessuno ha mai davvero introdotto «quali siano i livelli di comportamento, cioè come le persone reagiscono» alle indicazioni delle autorità.

Quante persone si isolano davvero quando viene loro chiesto? E nella normalità, non solo durante un’emergenza come il Covid?

Per rispondere, il gruppo ha costruito (grazie a un progetto finanziato dal PNRR) una piattaforma partecipativa, nella quale cittadini e cittadine che si iscrivono ricevono contenuti di promozione della salute e, in cambio, rispondono periodicamente a questionari sui propri comportamenti, prima e dopo le raccomandazioni sanitarie. «Serve per capire quali messaggi di comunicazione e prevenzione dare alle persone», spiega Rizzo. La piattaforma è ancora in fase di test, e la sfida principale è evitare il bias di selezione: intercettare non solo i già sensibili al tema, ma persone rappresentative della popolazione generale.

L’obiettivo a lungo termine è integrare questi dati comportamentali nei modelli matematici, usando il machine learning per rendere le simulazioni epidemiologiche più aderenti alla realtà. Un cantiere aperto, come quasi tutto in questo campo.

Un laboratorio pionieristico, un lavoro collettivo

Quello che emerge dal racconto di Caterina Rizzo è l’immagine di un laboratorio che ha scelto di muoversi in anticipo, accettando le difficoltà di chi apre strade nuove, ed è diventato un punto di riferimento nazionale per chi vuole capire come l’intelligenza artificiale possa entrare concretamente nella pratica della salute pubblica. «Servono tante persone per costruire lavori del genere»: team con all’interno competenze diverse, capacità di lavorare su dati eterogenei, pazienza per costruire collaborazioni istituzionali durature. E questo oggi è il Pisa Public Health Research Lab.