PITTSBURGH — C’è un momento, nella vita di una persona, in cui una parola cambia tutto: tumore. È una diagnosi che arriva spesso all’improvviso, anche quando i segnali c’erano ma nessuno li aveva letti nel modo giusto. È proprio su quel “prima”, su quel tempo silenzioso che precede la malattia conclamata, che sta lavorando Xlue Inc., una startup nata dall’ecosistema di ricerca della Carnegie Mellon University. L’obiettivo è ambizioso quanto delicato: utilizzare l’intelligenza artificiale per individuare, tra milioni di cartelle cliniche, i segnali deboli che potrebbero anticipare lo sviluppo di tumori aggressivi come quelli al polmone, al fegato e al pancreas. Il progetto si chiama CATCH-FM, un modello di apprendimento automatico che analizza la storia sanitaria dei pazienti, visite, diagnosi pregresse, farmaci prescritti, accessi in pronto soccorso, per riconoscere combinazioni ricorrenti che, nel tempo, si sono rivelate precursori di un tumore. Non si tratta di una diagnosi automatica, ma di un sistema di allerta precoce: uno strumento pensato per segnalare ai medici quali pazienti meritino controlli più approfonditi. Nei test iniziali, condotti su circa 30.000 pazienti a Taiwan, il modello è riuscito a identificare con anticipo una quota significativa di persone che in seguito hanno ricevuto una diagnosi oncologica. Un risultato che, se confermato su larga scala, potrebbe cambiare il modo in cui la medicina affronta alcune delle forme più letali di cancro. Il contesto in cui nasce questa ricerca è chiaro: nella lotta ai tumori, il tempo è la variabile più preziosa. Una diagnosi precoce può fare la differenza tra un intervento curativo e un percorso terapeutico lungo e incerto. Per questo Xlue sta dialogando con grandi sistemi sanitari statunitensi, tra cui l’UPMC (University of Pittsburgh Medical Center), per accedere in forma anonimizzata ai dati clinici necessari a perfezionare l’algoritmo. È qui che la sfida si fa più complessa: protezione della privacy, qualità e omogeneità dei dati, integrazione con i sistemi informatici ospedalieri. La tecnologia, da sola, non basta. Serve fiducia, rigore scientifico, controllo umano. Dietro le righe di questa innovazione, però, non ci sono solo numeri e modelli matematici. Ci sono storie. Ci sono famiglie che hanno vissuto il peso di una diagnosi tardiva. Ci sono pazienti che, guardando indietro, si chiedono se qualcosa avrebbe potuto essere fatto prima. L’idea di trasformare la cartella clinica da archivio del passato a strumento di previsione del futuro rappresenta un cambio di paradigma: la medicina non più solo reattiva, ma proattiva, capace di intercettare il rischio prima che si trasformi in malattia. Resta, naturalmente, una questione etica e culturale. Un algoritmo che segnala un rischio non è una sentenza, ma un’indicazione. Deve essere interpretato da medici, spiegato ai pazienti, contestualizzato. Il pericolo di creare ansia o sovradiagnosi è reale quanto la possibilità di salvare vite. Ed è proprio in questo equilibrio che si gioca la credibilità del progetto.
A cura di Christian Apadula
