Il ruolo della matematica e dei Big Data nell’emergenza Coronavirus: intervista ad Alfio Quarteroni, presidente di Moxoff

13/03/2020

Matematica e Big Data possono aiutarci a superare l’emergenza Coronavirus prevedendo scenari futuri e ottimizzando le risorse a nostra disposizione

Qual è il ruolo dei dati in un’emergenza sanitaria come quella che stiamo vivendo in questi giorni? Per quanto possa sembrare incredibile ai più, la speranza di comprendere appieno il fenomeno, di anticiparne le mosse e gestirlo nel migliore dei modi poggia proprio sulla qualità e quantità di dati a nostra disposizione, nonché sulla capacità di interpretarli in modo tale da ottenere benefici concreti e misurabili. Grazie all’analisi dei dati è possibile comprendere come stia evolvendo la malattia, prevederne il picco, valutare l’efficacia delle misure di contenimento, favorire la ricerca di farmaci efficaci e, fattore tutt’altro che secondario, ottimizzare le risorse esistenti – macchinari, personale, attrezzature – per far fronte a un’emergenza inedita e che proprio per questo incute timore e richiede una risposta adeguata.

A questo proposito, Alfio Quarteroni, presidente di Moxoff, spiega in dettaglio quale sia la situazione attuale, cosa attendersi dal prossimo futuro, in che modo matematica e analisi dei dati possano essere utili in questo scenario e il ruolo dell’azienda.

Qual è il ruolo dell’analisi dei dati nel contesto dell’emergenza Coronavirus e che obiettivi si pone?

“In realtà ne ha diversi. Il primo è certamente quello di ‘fotografare’ la situazione ed estrarre informazioni utili per identificare la severità del processo in funzione delle tre principali categorie di persone: quelle suscettibili al virus, quelle infette e quelle guarite (gli indici S,I,R, ndr). Osservando dinamicamente questi dati otteniamo due indicazioni essenziali: la rapidità del contagio e il tasso di guarigione e mortalità. Da questi dati possiamo poi estrarre informazioni che ci permettono di confrontare la situazione attuale con quella di epidemie simili occorse in passato, così da elaborare le risposte più adeguate.

La seconda possibilità offerta dai dati è fare delle estrapolazioni predittive, calcolare cioè le curve delle tre categorie, valutare il loro comportamento e quindi formulare ipotesi di sviluppo del contagio, delle guarigioni, delle morti. Qui ovviamente bisogna avere dei modelli interpretativi di questi dati per poter ricavare in modo credibile curve che descrivano la legge sottostante.

Terza possibilità, un po’ più complicata da spiegare, consiste nell’usare dei modelli che cercano di interpretare il fenomeno attraverso delle leggi, delle equazioni, cioè senza guardare direttamente i dati. Per intenderci, ogni giorno vengono usati modelli che descrivono matematicamente il comportamento dell’atmosfera terrestre per fare le previsioni meteo. Nel nostro caso i modelli avrebbero potere predittivo per lo sviluppo della malattia. I modelli dipendono solo dal processo in esame (l’epidemia, nello specifico), non dalla sua localizzazione spaziale (Cina, Italia, o altrove): i dati che debbono alimentare il modello (il “carburante”) sono invece relativi al contesto (Lombardia, Italia, Iran, giusto per fare esempi). L’esistenza di modelli affidabili ci doterebbe di una grande capacità rappresentativa del processo e predittiva della sua evoluzione. Se si riuscisse ad avere un modello affidabile per il COVID-19 sarebbe di enorme aiuto”.

Ma adesso, a quanto pare, un modello affidabile non c’è

“Non ancora, trattandosi di un fenomeno completamente nuovo. Ci sono modelli “certificati” per le influenze stagionali ed in effetti ogni anno all’inizio dell’autunno si conoscono stime di quante persone verranno colpite, quando ci sarà il picco e quale sarà il tasso di mortalità. In realtà ci sono modelli anche per COVID-19, ma purtroppo non sono ancora adeguatamente validati”.

La necessità di rallentare la diffusione stando a casa dipende quindi anche dall’assenza di una previsione attendibile

“Esatto, ma soprattutto dal fatto che la curva dei contagi sta crescendo, è esponenziale. La grande incognita è quanto il  nostro sistema sarà in grado di rallentarla, ovvero di spostare in avanti la manifestazione del picco. In termini di funzione, adesso la curva forma una sorta di ‘campana gaussiana’ molto ripida, bisogna allargarne la base riducendone l’altezza. Questo rallenterebbe l’escalation e darebbe la possibilità al sistema sanitario di trattare i casi che richiedono respirazione assistita e nello stesso tempo far crescere progressivamente il cosiddetto “effetto gregge”, l’immunizzazione, un’ importante barriera da contrapporre al virus”.

Quindi questo famoso picco non è vicino

“Temo di no, ma lo scopriremo solo una volta compresa l’efficacia del contenimento: cioè, in pratica, quante persone rispetteranno le regole. Se non mettessimo in campo nessuna opera di contenimento, il virus si propagherebbe in modo esponenziale e arriverebbe probabilmente a contagiare fino all’80% delle persone: in quel caso, che ovviamente nessuno si augura, la sola barriera efficace sarebbe l’effetto gregge, ovvero la popolazione dei contagiati che sono usciti indenni dal contagio avendo sviluppato anticorpi e rendendo il virus meno virulento”.

Altro discorso che tiene banco è la ricerca del vaccino. L’analisi dei dati ha un ruolo centrale anche in quest’ambito? 

“Certamente. Una volta comprese a fondo le caratteristiche di questo virus, la Big Data Analysis permette di esplorare molto rapidamente le nuove molecole che possono fungere da base su cui sviluppare il vero e proprio vaccino. L’analisi dei dati e l’Intelligenza Artificiale possono avere un ruolo centrale per lo studio e l’individuazione di nuove terapie per i virus, ma soprattutto possono farlo in fretta, cosa che è fondamentale quando l’intervento deve essere – come in questo caso – molto rapido, essendo questo un virus con una dinamica infettiva rapidissima”.

Qual è il ruolo di Moxoff in questo scenario e in cosa potrebbe essere utile?

“Moxoff è straordinariamente attrezzata dal punto di vista delle competenze: in particolare, nell’analisi dei Big Data e nello sviluppo di modelli matematici sofisticati in tantissimi ambiti della fisica, dell’ingegneria, della medicina e del sociale. Per quanto riguarda la situazione che stiamo vivendo, premetto che non abbiamo bacchette magiche né pretendiamo di essere migliori di altri, però ci tengo a sottolineare che l’azienda è a disposizione per ogni forma di collaborazione finalizzata a gestire in modo efficiente questa crisi. Moxoff può mettere in campo una rete virtuosa che possa incrociare i dati di progressione del virus e la loro geolocalizzazione capillare, rendendoli accessibili in modo rapido e agile agli operatori sanitari, aiutandoli nel reperimento e nel coordinamento di risorse fisiche e umane (personale medico e paramedico, pazienti). La sfida è enorme, perché un’organizzazione del genere, peraltro in piena emergenza, è complicatissima da gestire e presuppone l’ottimizzazione delle risorse grazie alla scienza dei dati e alla modellizzazione matematica basata su algoritmi efficienti e rapidi”.

Moxoff, c’è

In linea col pensiero espresso da Alfio Quarteroni nell’intervista, Ottavio Crivaro, fondatore e amministratore delegato di Moxoff, ha anche pubblicato un post sui social poi ripreso e condiviso da moltissime persone. Non possiamo quindi che ribadire la disponibilità di Moxoff nel collaborare con chiunque si trovi a gestire l’emergenza che sta colpendo l’Italia ed il mondo intero.

Se c’è bisogno di matematici, Moxoff c’è!