All'ultimo giro degli ERC Starting Grants, un riconoscimento economico che l'European Research Council assegna ai giovani ricercatori, l'Italia ha fatto incetta di premi. Dei 436 progetti che si sono aggiudicati il finanziamento, 53 erano firmati da ricercatori del nostro Paese. La nota di cui andare meno orgogliosi? Ben 20 di questi verranno realizzati al di fuori dei confini della Penisola. E tra loro, anche quello a cura del dottor Andrea Ganna, che all'Università di Helsinki, in Finlandia, guida un team per la messa a punto di una metodologia che permetta di predire il rischio di soffrire di malattie cardiovascolari attraverso un algoritmo e il ricorso ai big data. Il progetto si chiama "AI-PREVENT" e ci siamo fatti spiegare come funzioni nel dettaglio.

Dottor Ganna, ci può spiegare come funziona questo meccanismo?

Le malattie cardiovascolari sono caratterizzate da fattori che sono sia genetici che ambientali. Mi riferisco ad esempio al comportamento, allo stile di vita, alla dieta che una persona segue. E queste situazioni richiedono che si effettui una visita dal medico di famiglia che valuta il livello di colesterolo, misura la pressione, chiede al paziente se fuma. Alla fine inserisce tutti questi dati all'interno di un algoritmo che può predire il rischio cardiovascolare. Si può così iniziare subito i trattamenti che aiutino a prevenire queste malattie.

Il problema però è che una grossa parte della popolazione rimane scoperta. Magari perché si tratta di persone giovani, oppure perché appartengono a minoranze e non sono educate all'idea di andare dal medico per fare prevenzione. La soluzione che proponiamo noi quindi è quella di utilizzare dati che sono raccolti a livello nazionale e sono disponibili attraverso molti registri. Un'abitudine diffusa soprattutto nei Paesi nordici, ma anche in alcune regioni d'Italia come la Lombardia.

Come mai è stato possibile realizzare questo progetto in Finlandia?

In Finlandia, in particolare, abbiamo informazioni sulla situazione socio-economico, su tutte le patologie di cui una persona ha sofferto, le ospedalizzazioni e le medicine che ha comprato. Per circa un 10% della popolazione possediamo anche informazioni di tipo genetico, che in futuro saranno disponibili anche per tutti gli altri. In questo modo si può prevedere il rischio cardiovascolare anche per chi si è recato dal medico per altri motivi e intervenire in tempo con la giusta terapia.

Che differenze ci sono con l'Italia?

Ci sono due vantaggi presenti in Finlandia, che non sono sicuro si trovino anche in Italia. Prima di tutto, le informazioni genetiche. Mi aspetto che entro i prossimi 10 anni ogni persona abbia questi dati disponibili e registrati. Il genoma non è un elemento predittivo al 100%, ma contiene una certa dimensione di predittività del rischio di ammalarsi. E questo aspetto è importante soprattutto per le persone giovani, che ancora non percepiscono questa possibilità. Un secondo vantaggio sono poi le informazioni familiari: sapendo quali patologie hanno riportato il padre, la madre, un fratello e così via si può valutare meglio il rischio di una persona, sia dal punto di vista genetico che ambientale. Se i genitori soffrono di obesità è probabile che in quella famiglia non si mangi in modo corretto e che quindi anche i figli possano sviluppare questa condizione.

Ed è questa la ragione per cui ha scelto di trasferirsi all'estero?

Questa è una delle ragioni e soprattutto per prendere parte al progetto FinnGen, che è uno dei più ampi in Europa. Aver ricevuto il finanziamento significa che si possono assumere altre persone che lavorino a questo progetto.

Sarebbe possibile introdurre questo metodo anche in Italia, secondo lei?

Sono sicuro che alcuni ragioni Italiane, come la Lombardia, durante la crisi del Covid-19 abbiano usato i registri sanitari elettronici in maniera molto avanzata. Ci sono pubblicazioni interessanti, ad esempio da parte dell'Università Bicocca di Milano, dove sono state registrate le prescrizioni di farmaci a livello dell'intera Lombardia e altri studi influenti. Quindi esiste la possibilità di riproporre lo stesso metodo anche in Italia.

Quali ostacoli potrebbe incontrare?

Ci sono due aspetti che rendono più difficile l'applicazione di questa metodologia in Italia. Il primo è quello computazionale: questi dati sono inseriti in un sistema informatico che permette di usare un algoritmo che sfrutta il deep learning. Bisognerebbe quindi creare un sistema informatico un po' diverso rispetto a quello che esiste ora. Il secondo aspetto invece è la tendenza dei ricercatori che hanno avuto accesso a questi dati di tenerli per sé. Un atteggiamento che si trova ovunque, ma che in alcuni Paesi è un po' più marcato.