fbpx AIFA: tanto danno per nulla | Scienza in rete

AIFA: tanto danno per nulla

Read time: 1 min

Nello Martini è innocente perché «il fatto non costituisce reato». Sono quindi prive di fondamento le imputazioni di disastro colposo che nel maggio del 2008 costarono il posto all’ex direttore dell’Agenzia italiana per il farmaco, l’AIFA. L’accusa si riferiva al ritardato aggiornamento dei foglietti illustrativi di una ventina di specialità medicinali (su oltre 13.000), peraltro in commercio in tutti i paesi europei da 20 anni. La notizia fece allora molto scalpore: da un lato parte della stampa che ipotizzava scenari di scandalo e corruzione, dall’altro il mondo scientifico che anche dalle pagine del British Medical Journal e di Nature difendeva Martini e l’operato dell’agenzia. Era infatti davanti agli occhi di tutti il successo del progetto innovativo dell’AIFA, che per la prima volta in Italia cercava di contenere i costi pubblici per i farmaci con criteri basati sull’appropriatezza invece che su tagli indiscriminati e che aveva favorito la ricerca no profit con i bandi per la ricerca indipendente. Per cercare di rimediare al danno compiuto, molti, come il senatore Ignazio Marino, chiedono ora la reintegrazione di Martini.

 

Autori: 
Sezioni: 
Farmaci

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

disegno di ricercatore al computer

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.