«Il tasso di mutazione dell'H1N1 messicano mostra che il virus potrebbe circolare in incognita già da gennaio, se non da settembre» sostengono Nicholas Grassly, dell'Imperial College di London e Andrew Rambaut, dell'Università di Edinburgo. «E per evitare che queste stesse mutazioni portino a una resistenza ai farmaci» raccomanda Joseph Wu, dell'Università di Hong Kong, « bisogna contare su entrambe le armi a disposizione, non solo su oseltamivir». Pochi paesi, tra cui l'Italia, hanno infatti nel loro arsenale anche l'altro antivirale efficace contro l'infezione, lo zanamivir, che a differenza del primo deve essere assunto per via inalatoria e non è ancora stato approvato per i bambini più piccoli. Ma sulla base del modello matematico elaborato dal ricercatore asiatico anche questo dovrà fare la sua parte. Wu ha calcolato come potrebbe svilupparsi la resistenza ai farmaci in una popolazione di 6,8 milioni di abitanti come la città di Hong Kong. «Con l'uso di entrambi i prodotti si potrebbe limitare la probabilità che insorgano resistenze dal 38 al 2 per cento e il numero di persone infettate dal 68 al 58 per cento» dice. «Per ragioni di costo e di disponibilità dei farmaci, tuttavia, la strategia migliore potrebbe essere, piuttosto che una cura combinata per tutti, tenere da conto un farmaco senza utilizzarlo fino a che non insorga resistenza al primo».
H1N1: come cambia e cambierà
Primary tabs
prossimo articolo
La medicina di precisione non può fare a meno degli small data

I big data promettono di rivoluzionare la medicina, ma rischiano di nascondere più di quanto rivelino quando si tratta di curare il singolo paziente. Lorenzo Farina argomenta che gli small data - i dati «piccoli» abbastanza da essere compresi direttamente dal clinico - non sono un residuo del passato ma un elemento irrinunciabile della medicina di precisione. La vera sfida non è scegliere tra i due paradigmi, ma abbandonare l'approccio data-driven e tornare a ragionare per domande: prima la questione clinica, poi i dati necessari a rispondervi.
Gli small data sono definiti come quei dati di dimensione abbastanza «piccola» da poter essere immediatamente compresi da un essere umano, non tanto nella loro interpretazione che ovviamente ha sempre e necessariamente bisogno della analisi, ma nel loro significato biologico generale. Tipicamente, sono il risultato di esperimenti di laboratorio che non utilizzano macchine per l'analisi dei dati omici, bensì altre biotecnologie in grado di misurare relativamente «pochi» dati per provare a rispondere alla domanda che interessa.