Per descrivere la sfida epocale che oggi la medicina si trova ad affrontare, l’epidemiologo del Campus biomedico di Roma Massimo Ciccozzi non esita a definire l’antibiotico-resistenza come la vera «pandemia nascosta». Mentre il mondo era impegnato a combattere virus emergenti come il Covid 19, il silenzioso e rapido rafforzamento dei batteri contro gli antibiotici che dovrebbero eliminarli minaccia di riportare la sanità indietro di decenni. È una realtà che sta già bussando alle nostre porte: oggi sono circa 1,14 milioni i morti su scala planetaria.Gli scenari futuri sono inquietanti: secondo le proiezioni più allarmistiche entro il 2050 questo fenomeno potrebbe provocare fino a dieci milioni di morti l’anno su scala globale. Anche adottando stime più prudenti, si parla di almeno due milioni di decessi direttamente indotti da batteri resistenti. Ma si sale a 8,2 milioni di casi, considerando i decessi di pazienti con un’infezione resistente, anche se non causa diretta della morte. Se la situazione globale preoccupa, quella italiana è drammatica: ogni anno nel nostro Paese si stimano circa 11mila decessi legati all’antibiotico-resistenza, una cifra che rappresenta poco meno di un terzo delle morti stimate nell’Unione europea. L’Italia è fanalino di coda per il corretto uso degli antibiotici e capacità di contenimento della diffusione batterica.In questo contesto, l’intelligenza artificiale emerge come un alleato indispensabile, un acceleratore strategico in una corsa contro il tempo che non possiamo perdere: dall’analisi di enormi quantità di dati per trovare molecole potenzialmente efficaci al design di nuovi farmaci, dal “docking molecolare” – la capacità di analizzare in tempi brevissimi l’affinità di un antibiotico con le proteine bersaglio dei batteri – all’identificazione dei “punti deboli” nel metabolismo batterico, al supporto che potrebbe dare ai medici ospedalieri per identificare terapie corrette o prevenire possibili focolai di infezioni resistenti. Restano ostacoli, normativi e statistici, che potrebbero rallentare e addirittura compromettere la corsa delle nuove tecnologie.Perché siamo arrivati a questo punto? Le ragioni sono molteplici e intrecciano biologia e comportamenti umani. Da un lato i batteri possiedono una capacità intrinseca di mutare e scambiare geni, selezionando ceppi più resistenti. Dall’altro l’uso eccessivo e spesso improprio degli antibiotici in medicina umana e veterinaria ha accelerato drasticamente questo processo. «In Italia il problema è aggravato da una popolazione particolarmente anziana e fragile oltre che da una gestione delle infezioni ospedaliere meno efficace», spiega Paolo D’Ancona, dirigente ricercatore dell’Istituto superiore di sanità. Per D’Ancona, uno dei referenti per l’Iss del Piano nazionale di contrasto all’antibiotico-resistenza, la causa principale rimane l’uso improprio di antibiotici, anche in età pediatrica: «Li usiamo male, quindi induciamo nuove resistenze che richiedono trattamenti più aggressivi, alimentando ulteriormente il fenomeno. È un cane che si morde la coda».La sorveglianza si concentra sugli otto patogeni più pericolosi monitorati a livello europeo e considerati la «punta dell’iceberg» delle infezioni, quelle del sangue in particolare. D’Ancona identifica i “nemici principali” nei batteri Gram-negativi. Tra i 92mila patogeni isolati in Italia da una rete di 210 laboratori, la Klebsiella pneumoniae è risultata resistente in un caso su 4 ai carbapenemi ed è considerata il “nemico numero uno”, seguita dall’Acinetobacter baumannii, tra i patogeni considerati più “cattivi” e pericolosi (resistente ai carbapenemi nel 73 per cento dei casi). A cui si aggiungono gli enterococchi, la cui capacità di opporsi alla vancomicina è triplicata nel giro di poco tempo e riguarda un caso su tre. Sette infezioni su dieci interessano gli over 65.In questa battaglia, la potenza senza precedenti dell’intelligenza artificiale offre nuove armi alla medicina. «Laddove la ricerca tradizionale per la sintesi chimica di una molecola può richiedere circa un anno, l’Ia è in grado di completare lo stesso processo in pochi giorni o una settimana, risultando circa trenta volte più veloce», spiega Ciccozzi. Un esempio è la scoperta del “super antibiotico” alicina (efficace contro l’Acinetobacter), scovato tra oltre settemila farmaci “candidati”, da un gruppo di ricerca del Mit di Boston, addestrando algoritmi su enormi database. Per Francesco Branda, esperto di Ia nell’equipe di Statistica medica ed epidemiologia molecolare del Campus, «gli algoritmi riescono a individuare dei pattern che a occhio umano non riusciremo a individuare a causa dell’enorme numero di variabili e combinazioni». Ciccozzi sottolinea inoltre le nuove frontiere tracciate dai Genomic language models (come Evo 1 ed Evo 2), modelli che “leggono” i genomi anziché le parole. Questi strumenti sono stati utilizzati per creare varianti di batteriofagi — virus naturali capaci di “mangiare” i batteri — progettati per colpire ceppi di Escherichia coli che i virus originali non riuscivano a scalfire. Resta il “collo di bottiglia” della sperimentazione clinica: se l’Ia trova una molecola in pochi giorni, sono comunque necessari 4-6 anni di test prima della commercializzazione. E rimane in Italia la difficoltà di reperire, aggiunge Branda, dati «granulari e puliti».La sfida più immediata si gioca però negli ospedali, dove circa il 40 per cento delle infezioni sono antibiotico-resistenti, contro una media europea del 28 per cento. A fare paura sono in particolare la Klebsiella pneumoniae e l’Acinetobacter baumannii: trovano nei reparti e nelle terapie intensive un ambiente ideale per diffondersi. Secondo D’Ancona, l’intelligenza artificiale può fare la differenza sia nella scelta della terapia, supportando l’identificazione della molecola corretta e del dosaggio adeguato, sia per prevenire e controllare la diffusione di infezioni prima che circolino in maniera incontrollata. «I sistemi Large language models (Llm) – spiega – possono analizzare le cartelle cliniche digitalizzate ricostruendo le caratteristiche del paziente e le dinamiche di trasmissione dei patogeni e intercettare molto più velocemente e con minore sforzo epidemie all’interno delle strutture, evitando controlli cartella per cartella». Ciò consentirebbe di applicare immediatamente misure di isolamento per bloccare il contagio. L’adozione di queste tecnologie si scontra però con la realtà di molti ospedali che utilizzano ancora cartelle cliniche cartacee, rendendo impossibile l’analisi automatizzata. Inoltre, la privacy rappresenta un ostacolo imponente. «Le norme non permettono di incrociare i dati dei pazienti, andrebbero cambiate per trovare il giusto equilibrio tra privacy e salute pubblica», osserva D’Ancona. Una preoccupazione condivisa da Caterina Rizzo, ordinaria di Igiene e Medicina preventiva dell’Università di Pisa. Rizzo è coordinatrice di un gruppo di lavoro presso l’Azienda universitaria pisana che utilizza linguaggi come “UmBerto”, un Large language model, per monitorare e identificare rapidamente infezioni di una ferita chirurgica che potrebbero manifestarsi anche a 30, 60 o 90 giorni dall’intervento. Il sistema è stato addestrato su oltre 40mila lettere di dimissione ospedaliera con l’intera storia clinica del paziente. UmBerto è in grado di scansionare automaticamente questi testi, anche in Pdf, per identificare infezioni del sito chirurgico che altrimenti richiederebbero monitoraggi lenti e costosi.Per superare i limiti normativi, in vista di un estensione della sperimentazione ad altre aziende ospedaliere, il progetto utilizza il “Federated learning”, una tecnica innovativa che permette di condividere l’algoritmo, ma non i dati sensibili e le informazioni cliniche dei pazienti che non lasciano mai la struttura di origine.La frontiera futura indicata dalla professoressa Rizzo è ora la profilazione del rischio per i pazienti. «L’idea è creare modelli predittivi capaci di analizzare la storia clinica pregressa di un paziente per identificare i soggetti più vulnerabili prima che sviluppino un’infezione». Tuttavia, la legge impedisce di raccogliere la storia dei ricoveri precedenti per questo scopo. Rizzo definisce questa situazione come «una limitazione incomprensibile», poiché non permette di proteggere adeguatamente i pazienti più fragili attraverso una medicina preventiva mirata.