Dall'Università Sapienza un'IA per prevedere i virus zoonotici e prevenire le pandemie

ROMA\ aise\ - Un modello di intelligenza artificiale in grado di individuare con elevata accuratezza i legami ancora sconosciuti tra i virus animali e le specie di mammiferi che potrebbero ospitarli. È la scoperta realizzata dalla Sapienza Università di Roma, frutto della collaborazione tra il Dipartimento di Fisica e il Dipartimento di Biologia e Biotecnologie "Charles Darwin", pubblicata sulla rivista Nature Communications.
Lo studio affronta una delle maggiori sfide della prevenzione sanitaria globale: ad oggi si stima infatti che sia stato descritto meno dell’1% dei virus zoonotici dei mammiferi, mantenendo elevato il rischio di epidemie causate da patogeni ignoti. Per superare i limiti dei modelli tradizionali – spesso condizionati dalla mancanza di dati sulle specie meno studiate – i ricercatori della Sapienza hanno sviluppato una nuova tecnica di apprendimento automatico denominata Dynamic Positive-Unlabeled (DPU) learning.
"Il DPU distingue le reali assenze di un virus dai semplici vuoti di conoscenza e corregge le distorsioni presenti nei dati, migliorando così le proprie predizioni", ha spiegato Gabriele Pignalberi, primo autore dello studio. Integrando informazioni sull'evoluzione, la distribuzione geografica e le caratteristiche biologiche di mammiferi e virus, la tecnologia sviluppata – che ha già trovato conferme sperimentali – ha mostrato che le interazioni reali tra virus e mammiferi sono nettamente superiori a quelle attualmente note.
I risultati aprono scenari immediati per la tutela della salute pubblica, consentendo di ottimizzare le risorse e indirizzare le campagne di sorveglianza epidemiologica verso le specie e le aree geografiche a maggior rischio. Secondo Stefano Giagu, leader del Physics Informed Artificial Intelligence and Quantum Computation Lab, la piattaforma si dimostra capace di offrire stime affidabili anche in presenza di dati parziali, ponendosi come strumento innovativo non solo contro le zoonosi, ma per l'intera ricerca scientifica basata su dataset complessi o incompleti. (aise)