L’intelligenza artificiale è l’ultimo sviluppo rivoluzionario che sconvolgerà il nostro mondo, detto sconvolgimento considerato senza commenti un bene per tutti e per tutto. Forse, ma la disgregazione – muoviti velocemente (incautamente) e rompi le cose – ha avuto un passato incerto e un futuro sconosciuto e la sua utilità varia a seconda delle vite di chi viene sconvolta. Ad esempio: la deindustrializzazione, una correlazione obbligata della quale è stata la perdita quasi totale del controllo dell’economia reale, nonostante un’impennata dei profitti cartacei che ha portato a una distribuzione del reddito che imita quella della fine degli anni ’20. Sappiamo tutti come è andata a finire in un mondo che non era ancora pieno. Per quanto riguarda il futuro della multinazionale attualmente nota come Meta, chi lo sa? L’hype raramente corrisponde alla realtà, tranne a volte nello sport, dove il tabellone dei punteggi non è nascosto e regnano gli statistici.
L’intelligenza artificiale (AI) è naturalmente un argomento di conversazione attuale in medicina. Quando ChatGPT è caduto (l’uso corrente appropriato di quella parola) all’inizio di quest’anno, gli studenti di medicina sono rimasti affascinati, in particolare la piccola coorte alla continua ricerca della “polvere magica delle fate” che fornirà la mitica scorciatoia alle molte competenze richieste a un medico. Tuttavia, l’IA in medicina è arrivata da molto tempo e questo è ben trattato nel leggibile e ottimista Virtual You: How Building Your Digital Twin Will Revolutionize Medicine and Change Your Life (marzo 2023) di Peter Coveney e Roger Highfield.
C’è molto da considerare in questo libro, e una revisione completa richiederebbe un commento di accompagnamento in scala quasi 1:1, non troppo diverso dall’argomento del racconto (molto) breve “On Exactitude in Science” (145 parole) di Jorge Luis Borges, che è l’epigrafe del capitolo 1 [1]. Per ora, non c’è posto da cui iniziare se non l’introduzione, in cui gli autori scrivono: “A lungo termine, cellule virtuali, organi ed esseri umani — insieme a popolazioni di esseri umani virtuali — contribuiranno a far evolvere l’attuale generazione di esseri umani di taglia unica”. La medicina adatta a tutti in una medicina veramente personalizzata. Il modo in cui ciò deve essere realizzato è trattato in dieci capitoli succinti e coinvolgenti. Come delineato nei capitoli 1-6, che sono ben focalizzati e possono essere autonomi, tutto ciò che dobbiamo fare per creare il nostro Digital Twin [2] e Virtual You è:
- Raccogli diversi dati sul corpo
- Teoria artigianale per dare un senso a tutti questi dati e utilizzare la matematica per comprendere i limiti fondamentali delle simulazioni
- Sfrutta i computer per mettere la “scintilla della vita” nella comprensione matematica del corpo umano
- Unisci intuizioni di intelligenza naturale e artificiale per interpretare i dati e plasmare la nostra comprensione
- Inizia a costruire cellule gemelle digitali, organi, mappe metaboliche, corpi
- Unisci diversi modelli matematici di diversi processi fisici che operano attraverso diversi domini di spazio e tempo all’interno del corpo
Per quanto riguarda i dati, i requisiti sono davvero “colossali”. Il corpo umano contiene circa 37 trilioni di cellule (37e12, 37 seguito da 12 zeri), più o meno. Il numero di diversi tipi di cellule arriva a diverse centinaia. Queste cellule contengono un numero incalcolabile di molecole, ma un’ipotesi ragionevole è 10e26. La descrizione matematica di questi dati richiede l’uso di equazioni differenziali, parziali e ordinarie, insieme a una descrizione completa delle condizioni al contorno essenziali. Sebbene questo libro sia autocontenuto, almeno una di queste equazioni sarebbe stata piacevole da vedere senza fare riferimento all’ottima bibliografia [3]. Il modo in cui i computer gestiranno questi dati è ampiamente trattato, tenendo conto delle potenziali limitazioni. Si prende atto dello stato dei dati clinici richiesti – diffusi, incompleti, raccolti e conservati in formati incompatibili.
Il capitolo 3 inizia con Richard Feynman: “Se dovessimo nominare il presupposto più potente di tutti, che porta uno ancora e ancora e ancora a tentare di capire la vita, è che tutte le cose sono fatte di atomi, e che tutto ciò che vive le cose possono essere comprese in termini di oscillazione e oscillazione degli atomi (corsivo aggiunto).” Rimando agli autori su informatica e ingegneria:
Le possibilità che si aprono in questa nuova era del calcolo sono limitate solo dall’immaginazione… i cieli si apriranno con l’aiuto di macchine exascale “, che sono, dall’eccezionale Glossario, “Sistemi di calcolo capaci di un milione di milioni di milioni (10e18) operazioni in virgola mobile o flop (operazioni in virgola mobile al secondo).
Da questa potenza del computer derivano l’intelligenza artificiale e l’apprendimento automatico [4], e una “IA (che) è più potente quando lavora a braccetto con la comprensione meccanicistica basata sulle leggi della natura, dove le ipotesi dell’IA possono essere testate in simulazioni basate sulla fisica e i risultati dei metodi basati sulla fisica vengono utilizzati per addestrare l’IA. Questo è ciò che intendiamo per Big AI” (Capitolo 4).
Diversi esempi includono l’ identificazione delle lesioni del cancro della pelle sulla base di un’intelligenza artificiale molto ben addestrata (non inclusa) e l’analisi dei vetrini istopatologici (inclusi). L’analisi delle immagini è adatta all’apprendimento automatico perché i set di addestramento sono ampi e in gran parte completi. Un altro successo per l’IA in biomedicina (vale a dire, scienze biomediche, medicina, Big Pharma) è stata la previsione (in realtà retrodizione) di strutture proteiche tridimensionali utilizzando AlphaFold basato su un training set di quasi 200.000 strutture proteiche conosciute [5]. La progettazione razionale dei farmaci dipende da dati strutturali accurati e AlphaFold è spesso il punto di partenza necessario ma raramente sufficiente. Per inciso, le deduzioni pubblicate del mio primo studente laureato sull’interazione di due proteine essenziali per la motilità cellulare sono state ampiamente confermate da AlphaFold.
L’uso di Big Data e Big AI per gestire il “colossale set di dati” costituito da oltre 200 tipi di cellule tra 37 trilioni di cellule che variano nel tempo e nello spazio durante la vita di un essere umano ha portato a sentori della Cellula Virtuale (Capitolo 6 ). In un primo approccio alla moderna biologia cellulare sintetica, la ricerca di Craig Venter e soci sul piccolo batterio Mycoplasma genitalium e suo cugino M. mycoides ha identificato l’insieme centrale di geni essenziali per la vita (batterica). Inserimento del cromosoma di M. mycoides nel “guscio” di M. capricolumha portato a batteri che avevano il fenotipo M. mycoides invece di M. capricolum al momento della replicazione. Dal micoplasma al batterio intestinale (e modello sperimentale del cavallo di battaglia) Escherichia coli, che è un batterio a vita libera molto più complicato, è il passo successivo nella creazione di una cellula batterica virtuale.
Questa ricerca può portare alla progettazione razionale dei microrganismi. Sottolinea certamente l’importanza dell’informazione nei sistemi biologici. In questo caso la sostituzione di un genoma con quello di un piccolo batterio strettamente imparentato è stata notevole, ma non sembra essere il progresso che si era propagandato. Questa analogia è alquanto tesa, ma la trasmissione di una Oldsmobile 98 del 1968 avrebbe funzionato molto bene nella Buick Electra 225 del 1968.
L’informazione era una preoccupazione primaria dei biologi dalla mentalità teorica durante i primi giorni dell’istituzione della moderna biologia molecolare , che consisteva principalmente nell’elaborazione sperimentale della teoria del gene. La Teoria dell’Informazione sarà una componente essenziale della Cellula Virtuale e, con essa, del Tu Virtuale. E con ciò verrebbe l’uso di “moduli logici” nella costruzione di Virtual You:
Questo tipo di descrizione di livello superiore ci libererebbe dal dover comprendere tutti i processi chimici all’interno delle cellule, proprio come uno schema circuitale di resistori, transistor e così via ci libera dal dover sapere cosa stanno effettivamente facendo tutti gli elettroni in un circuito elettrico. O come dice Paul Nurse , “Dobbiamo concentrarci di più su come le informazioni vengono gestite nei sistemi viventi e su come questo porti a fenomeni biologici di livello superiore”… Il più grande ostacolo (sul percorso di Virtual You) è lo sviluppo della teoria necessaria per mettere a nudo i processi emergenti della vita.
Il cuore virtuale è trattato nel capitolo 7. Il cuore è probabilmente il singolo organo più adatto alla medicina computazionale perché la sua funzione è principalmente un problema di ingegneria elettrica e meccanica e di dinamica dei fluidi. I componenti e le condizioni al contorno sono noti nel modo più completo possibile. Il modo in cui il cuore si sviluppa e funziona, dall’elettrofisiologia del pacemaker e la propagazione della segnalazione elettrica durante i cicli di contrazione e rilassamento alla dinamica dei fluidi, è ben compreso. La base cellulare della contrazione è un problema meccanico mediato da proteine ancora ben caratterizzate e contrattili del citoscheletro. Questa base può essere utilizzata per comprendere le risposte del cuore durante il recupero da un infortunio, vale a dire il rimodellamento adattativo e disadattivo del tessuto danneggiato.
Il Corpo Virtuale è descritto nel Capitolo 8 ed è sorto compiendo i quattro passaggi fondamentali che portano alla creazione del Tu Virtuale: (1) raccogliere dati, (2) sviluppare la teoria, (3) usare con giudizio l’intelligenza artificiale e (4) poi elaborare “come combinare e fondere teorie che modellano le interazioni delle molecole nelle cellule e nei tessuti, che dipendono da tutti i tipi di fisica – meccanica, elettrica, flusso dei fluidi, trasferimento di calore e così via – che agiscono su più scale, spaziali e temporali”. Il quinto e ultimo passo (5) è “animare questi modelli multiscala e multifisici nelle simulazioni al computer in modo da poter prevedere come si comporta Virtual You in circostanze diverse”. Sono stati compiuti progressi su muscoli e scheletri virtuali, polmoni virtuali, fegato virtuale, intestino virtuale e metabolismo virtuale. In considerazione delle possibilità di un cervello virtuale, Julian Jaynes e Iain McGilchrist .
L’uso “giudizioso” della Big AI rimarrà indefinito.
Allora, dove ci lascia questo? Sarebbe ridicolo negare i progressi della medicina computazionale da quando Alan Hodgkin e Andrew Huxley (sì, di quella famiglia Huxley ) hanno descritto il potenziale d’azione nell’assone gigante del calamaro e modellato le correnti ioniche attraverso la membrana plasmatica utilizzando equazioni differenziali. Ora possiamo simulare il flusso metabolico attraverso le cellule del fegato. L’anatomia computazionale prevede dove le sollecitazioni potrebbero portare a fratture ossee a seguito di osteoporosi o lesioni metastatiche nelle ossa portanti. L’oncologia delle radiazioni è diventata una tecnica di precisione poiché sia gli acceleratori di particelle cliniche che il software di controllo sono migliorati. La ventilazione delle vie respiratorie è stata descritta in dettaglio e questo può essere utile per modellare l’infezione aerea, qualcosa di molto importante in questi giorni e l’IA è stata utilizzata nella ricerca COVID-19 (362.575 pubblicazioni e oltre).
Tuttavia, altre considerazioni giustificano la discussione, in primo luogo il ruolo della teoria in biologia e medicina. Il lamento che la biologia non sia una scienza teorica è forse il tema centrale di questo libro. Questo è vero. La teoria in biologia include la teoria dell’evoluzione e la teoria del gene e poco altro. Vari scienziati hanno sviluppato teorie sull’origine della vita, dal russo AI Oparin a Fred Hoyle , che negli anni ’70 scrisse che la vita sulla terra proveniva dallo spazio. Non è chiaro come gli sforzi attuali aggiungeranno molto qui. La vita è accaduta e le parti interessanti sono ciò che è venuto dopo. In ogni caso, non esiste un Modello Standard di biologia che includa un componente chiave che Leon Lederman chiamò “Particella di Dio .”
La seguente glossa sulla teoria nella scienza è eccessivamente semplificata e basata sul punto di vista di un biologo attivo. Nella fisica moderna (e in chimica in misura minore) la progressione standard è stata Teoria-Predizione-Pratica. In biologia la progressione è Pratica-Teoria-Predizione-Pratica. Questo ovviamente porta a complicazioni per una medicina concepita per avere le Quattro P nella concezione di Leroy Hood dell’Institute for Systems Biology di Seattle: predittiva, preventiva, personalizzata e partecipativa. Come citato, Hood parla di “benessere scientifico (che) sfrutta nuvole di dati personali, dense e dinamiche per quantificare e definire il benessere e identificare le deviazioni dallo stato di buona salute verso la malattia”.
La medicina, ben praticata, è già preventiva, personalizzata e partecipata. Anche la medicina è un perpetuo lavoro in corso e, sebbene la pratica medica non abbia sempre avuto questi tre attributi, questi termini non hanno bisogno di definizione. Che ci manchi di default un sistema sanitario preventivo, personalizzato e partecipativo è un problema di economia politica invece che di biomedicina [6]. Se la medicina può essere predittiva dipende dalla definizione.
La previsione nella scienza può essere temporale o logica. La previsione temporale richiede una conoscenza (quasi) completa delle variabili di stato di un sistema. Un esempio significativo in Virtual You è l’uso di potenti modelli predittivi per prevedere il tempo: “L’ottimismo sul potenziale dei gemelli digitali in medicina è rafforzato dalla nostra attuale capacità di prevedere il tempo”. È vero per il tempo, ma è anche vero che negli ultimi 100 anni abbiamo sviluppato la conoscenza delle variabili di stato rilevanti che ci permettono di prevedere il tempo. La modellazione di questi in tempo reale ha avuto molto successo su computer veloci. Eppure a volte piove quando Weather Channel prevede cieli sereni. È probabile che le variabili di stato necessarie per prevedere quando una persona contrarrà il cancro o avrà un infarto a causa dell’aterosclerosi rimarranno sconosciute, per quanto robusti diventino i nostri Digital Twin e Virtual You, per gentile concessione di Big AI, Big Data e Big Theory.
La previsione logica è un’altra questione ed è la base della previsione in biologia e medicina. Come notato nell’Introduzione:
La teoria, cioè la rappresentazione matematica delle leggi della natura, gioca un ruolo relativamente ridotto in medicina e biologia. Anche la teoria dell’evoluzione di Darwin-Wallace [7], considerata da alcuni come la più grande teoria scientifica di tutte, non ammette una descrizione matematica. Potrebbe sembrare scioccante, ma la realtà è che, mentre le previsioni di base sui modelli di ereditarietà sono state fatte da quando Gregor Mendel ha studiato i piselli nel diciannovesimo secolo, il corso dell’evoluzione non è possibile prevedere in alcun modo quantitativo.
Non è necessariamente vero che una teoria scientifica richieda una rappresentazione matematica, al di fuori delle scienze fisiche. Questo passaggio fonde anche le due teorie biologiche correlate che esistono, la Teoria dell’Evoluzione e la Teoria del Gene. L’effettivo corso dell’evoluzione non può essere previsto con qualcosa che si avvicini alla certezza matematica, ma ciò non è vero per l’ereditarietà dei tratti specificati dai geni. [8] Ciò che si può prevedere è che quando una popolazione sperimentale, proprio come una popolazione naturale , è sottoposta a pressione selettiva, quella popolazione evolverà, per esempio, qui e più recentemente qui. In medicina, si può logicamente prevedere che non tutti i fumatori contrarranno il cancro ai polmoni, ma che il 90% di coloro che lo contraggono in uno qualsiasi dei suoi vari tipi sono o erano fumatori. Molti di coloro che non erano fumatori sono stati esposti a tossine nell’aria come il radon.
La mancanza di una teoria globale della biologia che ammetta un approccio fisico/ingegneristico è vista come una carenza quasi fatale tra coloro che sono innamorati della teoria della fisica classica e moderna. Questa invidia fisica ha degli antecedenti. All’inizio del XX secolo , uno dei principali biologi sperimentali del suo tempo, Jacques Loeb , vedeva esplicitamente e militantemente la biologia come un problema ingegneristico (Controlling Life: Jacques Loeb and the Engineering Ideal in Biology, 1987; il titolo è particolarmente appropriato e rilevante Oggi). Il punto di vista di Loeb non ha prevalso, ma la sua ricerca sulla rigenerazione negli invertebrati marini come quelli trovati vicino al Marine Biological Laboratory in Woods Hole è stato visto come una prefigurazione della medicina rigenerativa (cioè, la biologia delle cellule staminali). Le cellule staminali mediano la rigenerazione in Hydractinia , ma Loeb non aveva modo di saperlo.
Non molto tempo dopo Loeb, JH Woodger pubblicò Axiomatic Biology (1937), che tentava di porre la biologia su un fondamento teorico come quello della matematica. Il suo lavoro è stato modellato sui Principia Mathematica (1910-1913) di Alfred North Whitehead e Bertrand Russell. Questo è trattato in The Life Organic: The Theoretical Biology Club and the Roots of Epigenetics (2016). La biologia assiomatica non è utile.
Il che ci riporta a Virtual You. Uno degli obiettivi principali dell’intelligenza artificiale in biomedicina è la consilienza, descritta in Virtual You semplicemente come “una potente unificazione della conoscenza”. La consilienza è stata parte della radiazione di fondo delle scienze naturali da quando il poliedrico certificato William Whewell [9] pubblicò The Philosophy of the Inductive Sciences nel 1847. Un’esposizione popolare fu pubblicata da EO Wilson nel 1998, seguita da una controreplica di Wendell Berry in Life è un miracolo: un saggio contro la superstizione moderna nel 2001. Wilson e Berry, entrambi giganti nei rispettivi campi, erano in disaccordo ma l’argomento è illuminante per coloro che sono così inclini. La tesi di Berry contro il riduzionismo radicale che motiva molti scienziati è convincente.
Mentre la consilienza è un obiettivo nobile, l’unificazione teorica della biomedicina rischia di essere illusoria se non superstiziosa. La fisica è il modello scientifico per la biomedicina in Virtual You, e questo ci riporta alla sostanza della citazione di Feynman sopra: il presupposto più potente nel tentativo di comprendere la vita è che tutte le cose sono fatte di atomi, e tutto ciò che fanno gli esseri viventi può essere inteso in termini di oscillazione e dimenamento degli atomi. Questa è un’ipotesi ingiustificata, qual era il punto di Feynman? Come notato in Virtual You in riferimento a un articolo fondamentale (paywall) pubblicato da Alex B. Novikoff nel 1945 [10], non esiste una prospettiva privilegiata da cui comprendere la biologia e, per estensione, la medicina. Da Novikoff:
Ogni livello di organizzazione possiede proprietà uniche di struttura e comportamento… che appaiono solo quando questi elementi sono combinati nel nuovo sistema. La conoscenza delle leggi del livello inferiore è necessaria per una piena comprensione del livello superiore; tuttavia le proprietà uniche dei fenomeni al livello superiore non possono essere previste, a priori , dalle leggi del livello inferiore. Le leggi che descrivono le proprietà uniche (in corsivo nell’originale) di ogni livello sono qualitativamente distinte, e la loro scoperta richiede metodi di ricerca e analisi adeguati al particolare livello.
Tornando al “jiggling e dimenamento degli atomi”, i singoli atomi di carbonio, azoto e fosforo non hanno avuto una storia significativa dai primi tre minuti . Questo non è vero per le biomolecole fatte di questi atomi che sono la sostanza di ogni organismo vivente. Non esiste teoria o pratica che ci consenta di progredire da questi atomi alla funzione di molecole e cellule biologiche che hanno una storia comune di cambiamento evolutivo dall’antenato comune originario di tutti gli esseri viventi, più di 2,5 miliardi di anni fa. Siamo pieni di bosoni di Higgs, ma non c’è nulla in essi che possa spiegare come un enzima è regolato nel metabolismo di lipidi, proteine o carboidrati, con più di due articoli che ho letto nella preparazione di questa recensione.
La logica combinatoria dipendente dal contesto della segnalazione BMP mostra che la segnalazione attraverso la proteina morfogenetica ossea è molto complessa a livello cellulare e dipende da condizioni quasi imperscrutabili, forse casuali, che probabilmente non possono essere conosciute a priori. Un altro esempio di Virtual You è la simulazione di dinamica molecolare dell’interazione delle proteine RAS con le membrane biologiche . Sì, RAS è un oncogene comunemente mutato nel cancro. La chiave per capire come i mutanti RAS portano al cancro è come rimangono bloccati in una modalità “feed-forward”, non necessariamente ciò che potrebbero rivelare “100.000 simulazioni microscopiche per modellare il comportamento delle proteine in soli 200 millisecondi”. [11]
Un approccio diverso per una comprensione più profonda della biologia a livello cellulare e oltre è stato presentato in una lettura complementare che consiglio vivamente a chi è interessato a scavare più a fondo: Alla ricerca della storia cellulare: l’evoluzione degli elementi costitutivi della vita di Franklin M. Harold . Harold ha un dono, molto simile a quello degli autori di Virtual You, per spiegare “come funzionano le cose”. È certamente uno dei pochissimi biologi a considerare come “l’ereditarietà cellulare trasmetta il modello di organizzazione globale del sistema vivente. Se quella struttura dovesse essere persa, non può essere ricostituita”. [12] L’ereditarietà cellulare spiega anche come il cromosoma di un micoplasma può impossessarsi della cellula di una specie affine e riprodursi, cosa che non potrebbe fare da solo o nel guscio di un altro batterio non imparentato.
Né sembra probabile che i Big Data conducano alla Big Theory che spiega tutto, anche con l’avvento dell’informatica quantistica (Capitolo 8). Non è chiaro come potremmo “elaborare la teoria per dare un senso a tutti questi dati e usare la matematica per comprendere i limiti fondamentali delle simulazioni”, poiché la Big AI viene usata con giudizio per passare dagli atomi alle molecole, alle cellule, ai tessuti, agli organi, agli individui. AB Novikoff ha spiegato le proprietà emergenti dei sistemi biologici 78 anni fa. Gli autori di Virtual You comprendono anche che “l’emergenza” è un precipizio teorico che deve essere ridimensionato. Ma i “moduli logici” precedentemente menzionati che faciliterebbero “questo tipo di descrizione di livello superiore e ci libererebbero dal dover comprendere tutti i processi chimici all’interno delle cellule, proprio come uno schema circuitale di resistori.
Non sono un fisico, ma ho studiato fisica e, se ricordo bene, sappiamo cosa fanno gli elettroni in un circuito elettrico. E che il loro “scopo” ultimo dipende dall’organizzazione dei circuiti, non dal flusso degli elettroni. Sono un biologo, tuttavia, e so che affinché la medicina venga praticata correttamente, l’affidamento alle scatole nere come strumenti esplicativi nella comprensione della fisiologia normale e anormale rischia di fallire a un certo punto. Gli input devono essere compresi così come gli output e come questi ultimi sono apparsi. Gli ultimi tre anni lo hanno ricordato nei termini più forti.
Dove andiamo da qui? Secondo te virtuale:
In futuro, la medicina sarà sempre più guidata da approfondimenti scientifici sulla salute e trattamenti che, simili all’ingegneria, si basano su teoria, dati, modelli e approfondimenti su come funziona il proprio corpo. Piuttosto che guardare sempre indietro ai risultati degli studi clinici, la medicina diventerà veramente predittiva… possiamo accelerare la diagnosi fornendo un aggiornamento regolare sullo stato fisiologico di una persona (utilizzando) dispositivi indossabili e smartphone. L’apprendimento automatico può essere addestrato per cercare segnali di allarme di problemi di salute.
Tutto bene, ma la teoria alla base di questa ingegneria deve essere diversa da qualsiasi cosa sembri possibile. Per quanto riguarda l’accumulo dei dati richiesti, nell’era del capitalismo della sorveglianza è improbabile che vengano utilizzati poiché i sostenitori di Virtual You (principalmente) presumono che verrà utilizzato. Questo è considerato nel capitolo 10 finale: Healthcasts to Posthuman Futures, come dovrebbe essere. Ma le conclusioni sono preoccupanti:
Virtuale Offuscherai ulteriormente i confini tra uomo e macchina… Eppure i gemelli virtuali trasformeranno la condizione umana aumentando la fiducia nei metodi che possiamo usare per migliorare l’intelletto e la fisiologia umana, sia mediante impianti, farmaci o editing genetico… Il tuo gemello offrirà ai medici un mezzo privo di rischi per testare trattamenti sperimentali… Man mano che diventa più facile aumentare la nostra mente e il nostro corpo, proprio come un ingegnere può mettere il turbo a un’auto, il concetto di cosa significhi essere umani potrebbe gradualmente cambiare… gli umani virtuali ci permetteranno di pianificare per un futuro postumano… la natura simile a Giano se la tecnologia è evidente da più di un milione di anni: da quando abbiamo sfruttato il fuoco, sapevamo di poterlo usare per stare al caldo e cucinare, ma anche per bruciare le case e i campi dei nostri vicini.
Ingegneria, ancora una volta, e l’uso di Prometeo fa schifo francamente. Né il “futuro postumano” è particolarmente interessante. Non c’è dubbio che la medicina computazionale porterà a progressi incrementali ai margini della biomedicina. La cardiologia computazionale lo ha già fatto. Il biologo e il medico sono naturalmente entusiasti dei progressi incrementali. Sono generalmente l’unico tipo di progresso nella biomedicina e alcuni di loro saranno rivoluzionari. Raramente sappiamo quale in anticipo, però. Piuttosto che dipendere dalla Big AI per costruire il nostro Digital Twin e Virtual You sulla base di teorie che escono dai Big Data in sé e per sé, potremmo trasformare l’assistenza sanitaria in modo che sia veramente universale, focalizzata sulla prevenzione, personalizzata e partecipativa. La medicina, correttamente praticata oggi, non è uguale per tutti né deve esserlo, qualunque sia il destino del nostro gemello digitale e di te virtuale. Le tre P saranno sufficienti, e “predittivo” sarà utile all’estremo margine dove previsione logica e temporale coincidono.
Tuttavia, possiamo guardare avanti alla rivoluzione gestita con giudizio nella biomedicina che è ampiamente trattata in questo straordinario libro. Sarà interessante stare al passo con lo sviluppo dei nostri gemelli digitali. Non vivrò abbastanza per incontrare i miei, ma le possibilità sono intriganti. Sono, tuttavia, vincolati da qualcosa di più del nostro immaginario collettivo, per ragioni scientifiche, teoriche, politiche e culturali.
Nel frattempo, dovremmo ricordare le parole di TS Eliot che sono rilevanti per la pratica della medicina come scienza e arte curativa:
Tutta la nostra conoscenza ci porta vicino alla nostra ignoranza,
Tutta la nostra ignoranza ci porta più vicino alla morte,
Ma la vicinanza alla morte, non più vicino a Dio.
Dov’è la Vita che abbiamo perso vivendo?
Dov’è la saggezza che abbiamo perso nella conoscenza?
Dov’è la conoscenza che abbiamo perso nelle informazioni?
I cicli del Cielo in venti secoli
ci portano più lontano da Dio e più vicino alla polvere.
La roccia, 1934
[1] “Sull’esattezza nella scienza” (1946). Testo qui (pdf); registrazione di Will Self qui (6:19 inclusi quattro minuti di commento del Guardian).
[2] Un gemello digitale può essere visto come un utile simulacro di un oggetto o sistema effettivamente esistente e può essere utilizzato per simulare caratteristiche di progettazione ingegneristica e cambiamenti nelle catene di approvvigionamento e nelle fabbriche. L’obiettivo qui è estendere efficacemente questo concetto ingegneristico alla biologia umana e alla medicina.
[3] Ho usato una prima edizione di questo libro di testo mentre ero totalmente surclassato in una stanza piena di laureati in matematica, chimica e fisica. Non abbiamo modellato nulla che non fosse un semplice problema di ingegneria, ma l’unico computer che era (non così) disponibile per uno studente universitario era un mainframe IBM 370 che richiedeva schede perforate.
[4] Dal glossario, che è eccezionale: l’apprendimento automatico è un approccio basato sull’inferenza per trovare relazioni tra dati di input e output all’interno di computer digitali mediante un processo algoritmico noto come “addestramento” in cui le correlazioni vengono rilevate e affinate attraverso l’adeguamento iterativo di grandi numeri liberi da parametri. Spesso usato in modo intercambiabile con l’intelligenza artificiale. Esempi per eccellenza sono le reti neurali artificiali. Deep learning è un termine usato per descrivere tale apprendimento nelle reti neurali artificiali che hanno più di tre livelli.
[5] Per approfondire le erbacce, la storia del problema del ripiegamento delle proteine è lunga e complessa a cominciare dal paradosso di Levinthal . Questa voce di Wikipedia copre bene la storia di AlphaFold , sulla base di discussioni tra esperti a cui ho partecipato quando ero un borsista post-dottorato. Questo Clash of Titans regolarmente programmato era spesso tanto divertente quanto illuminante.
[6] E sta diventando chiaro che queste “nuvole di dati” che esistono nelle server farm da qualche parte là fuori non vengono utilizzate per migliorare l’assistenza sanitaria. Piuttosto, insieme alle cartelle cliniche elettroniche, vengono utilizzati per mettere a punto le operazioni estrattive di una biomedicina a scopo di lucro estremamente redditizia.
[7] Alfred Russel Wallace non è stato ignorato, ma non è stato nemmeno apprezzato come avrebbe dovuto. Sebbene sia morto 110 anni fa, è stato uno scienziato per tutti i tempi, compreso il nostro tempo, come qualsiasi altro: Radical by Nature: The Revolutionary Life of Alfred Russel Wallace di James T. Costa.
[8] Gregor Mendel è stato accusato di riportare risultati che erano “troppo belli per essere veri”, ma va notato che la disciplina della statistica frequentista convenzionale non esisteva quando fece i suoi esperimenti sui piselli nell’orto del monastero di Brno. Man mano che il suo lavoro si sviluppava, aveva delle aspettative e un pisello con una piega o giallo-verde poteva essere contato in qualsiasi categoria avesse più senso per lui, rugoso o giallo o verde. Tutti gli scienziati devono sempre guardarsi da questo.
[9] Da Wikipedia: Uno dei più grandi doni di Whewell alla scienza è stato il suo modo di forgiare le parole. Ha corrisposto a molti nel suo campo e li ha aiutati a inventare neologismi per le loro scoperte. Whewell ha coniato, tra gli altri termini, scienziato, fisico, linguistica, consilienza, catastrofismo, uniformitarismo e astigmatismo; suggerì a Michael Faraday i termini elettrodo, ione, dielettrico, anodo e catodo.
[10] AB Novikoff era un biologo cellulare pioniere prima che il campo avesse un nome. Ho incluso questo riferimento in una proposta di ricerca a un’agenzia di finanziamento pubblico e un revisore si è opposto con veemenza perché (parafrasando) “assolutamente nulla del 1945 potrebbe essere rilevante nel 2015”. Sembra divertente ora, ma non era in tempo reale.
[11] Paolo Infermiere, p. 8-9: Paul Nurse, direttore del Francis Crick Institute di Londra ed ex assistente redattore del Journal of Theoretical Biology (est. 1961), ci ha raccontato come fosse stanco di leggere articoli che utilizzavano una tecnologia intelligente per effettuare misurazioni che arrivano a “quasi nessuna conclusione significativa.” Nel mio campo questa sarebbe la misurazione del “legame di scorrimento pico-newton (1e-12) tra due proteine coinvolte nella motilità cellulare”, un tour de force tecnico con un significato molto poco significativo.
[12] Questo ricorda il problema del ripiegamento delle proteine della Nota 5. Christian Anfinsen è stato insignito del Premio Nobel per la Chimica per aver dimostrato che la sequenza amminoacidica di una proteina determina la sua struttura attiva finale. Ma il suo lavoro ha anche dimostrato che ciò è vero solo quando l’esperimento con il piccolo enzima RNasi è stato condotto in un ambiente che imita l’interno della cellula (riducendosi piuttosto che ossidandosi). Pertanto, mentre la sequenza amminoacidica è sufficiente, l’ereditarietà cellulare è essenziale per un corretto ripiegamento.
Autore
KLG, che dal 1995 ha ricoperto incarichi accademici e di ricerca in tre scuole di medicina statunitensi ed è attualmente Professore di Biochimica e Associate Dean. Ha svolto e diretto ricerche sulla struttura, funzione ed evoluzione delle proteine; adesione e motilità cellulare; il meccanismo delle proteine di fusione virale; e l’assemblaggio del cuore dei vertebrati. Ha fatto parte di comitati di revisione nazionali di agenzie di finanziamento pubbliche e private e la sua ricerca e quella dei suoi studenti è stata finanziata dall’American Heart Association, dall’American Cancer Society e dal National Institutes of Health.
__________________________________________________________________
Una novità di Asterios disponibile in tutte le Librerie, in IBS e Amazon e/o direttamente dal sito di Asterios con sconti ed omaggi!
https://www.asterios.it/catalogo/epimente