Come il sistema sanitario deve adattarsi alle nuove tecnologie e all’AI

Si auspica che scienze diverse si relazionino tra loro, ricerchino conoscenze comuni, lavorino per trasferire regole semplici per risolvere problemi complessi e mettano ordine nei processi diventati ridondanti, anarchici e caotici per il numero di dati. Processi di semplificazioni studiati dalle scienze matematiche-informatiche e l’osservazione di comportamenti in natura possono essere di supporto al miglioramento dell’efficacia del complesso sistema sanitario, anche con l’aiuto dell’AI.

La scienza della complessità

‘L’idea che un sistema descritto dalle leggi deterministiche della meccanica classica possa esibire genericamente un comportamento di fatto impredicibile è sicuramente uno dei punti di svolta più importanti nell’evoluzione del pensiero scientifico e nella vita sociale.

La meccanica statistica ha evidenziato le prime situazioni in cui la cooperazione fra una miriade di elementi microscopici dà luogo a comportamenti macroscopici collettivi qualitativamente diversi da quelli dei singoli componenti.

La descrizione macroscopica comporta sovente una perdita di informazioni microscopiche che porta alla rinuncia a conoscere la miriade di dettagli del livello microscopico limitandosi ad una rappresentazione più grossolana ma, proprio per questo, più significativa e talora più utile.

Se il ragionamento può sembrare oscuro, si pensi a un film e ai suoi fotogrammi. Cambiare qualche grano di colore qua e là, come accade ad una vecchia pellicola, non ne altera il messaggio, mentre esaminare attentamente i singoli fotogrammi o addirittura i singoli grani di colore di ciascun fotogramma risulta privo di significato. Nel passaggio dal micro al macro, la perdita di informazione è enorme e fa sì che innumerevoli sistemi microscopicamente diversi abbiano lo stesso comportamento macroscopico. Tuttavia, è difficile delineare un confine netto fra dettagli irrilevanti e informazioni essenziali. È altresì noto che trascurare una parte del dettaglio microscopico snatura in parte il fenomeno; per esempio, può comportare una perdita di determinismo e l’introduzione di un certo grado di stocasticità. Quali condizioni rendano opportuna una descrizione ridotta e quali descrizioni ridotte siano significative sono problemi aperti e di ardua trattazione, a cui solo l’esperienza può dare una risposta.

Se si vogliono applicare in ambiti scientifici diversi gli stessi modelli teorici mutuati dalla fisica è necessario siano estremamente semplici. Afferma Henri Poincaré: “Noi scopriremo il semplice sotto il complesso, poi il complesso sotto il semplice, poi di nuovo il semplice sotto il complesso, e così via, senza poter prevedere quale sarà l’ultimo termine. Ma dovremo pure fermarci da qualche parte e, perché la scienza sia possibile, occorre farlo quando si incontra la semplicità. È questo il solo terreno sul quale possiamo innalzare l’edificio delle nostre generalizzazioni.” [1] La descrizione probabilistica si è rivelata di grande utilità per caratterizzare quelle dinamiche che, pur essendo prevedibili in linea di principio perché deterministiche, non lo sono in pratica a causa della loro complicatezza. In questi casi, i valori istantanei delle diverse quantità che caratterizzano l’evoluzione non hanno alcun significato pratico, ma la nozione di probabilità permette di sostituirle con le loro medie e queste forniscono una descrizione comprensibile.

È credibile che all’età di 50 anni, io non abbia più neanche un atomo di quelli che avevo a cinque anni. Ma allora perché mi sento la stessa identità e mi ricordo anche di quando avevo cinque anni, se tutta la materia di cui ero fatto è cambiata? Dove sono stato registrato? Dov’è il disco rigido su cui è stato fatto il backup di me stesso? Non c’è. E allora perché ho memoria? E’ più probabile che la mia identità non sia fornita dalla mia struttura bio-materiale (che cambia continuamente) ma dalla funzione matematica che connette tutte le traiettorie di qualsiasi mio atomo. In altri termini: la mia identità è solo un’organizzazione di informazioni, un pensiero. Ampiamente condivisibile questa opinione nasconde delle insidie e può essere equivocata o spinta a eccessi criticabili, se la si vuol far prescindere totalmente dal substrato materiale che  immagazzina e media l’informazione’. [2]

I sistemi complessi

Il termine ‘complesso’ è attributo di qualcosa di scarsamente intelligibile, non descrivibile, di ardua trattazione, complicato e intricato, da renderne un’eventuale soluzione o comprensione improbabili. Ispirandosi a questa definizione, discipline come la biologia o le scienze sociali ritengono complesso un sistema contraddistinto da:

• interrelazioni fra elementi, azioni e individui
• interazione delle costituenti parti tra di loro
• varietà di componenti che possiedono delle funzioni specializzate e diverse
• organizzazione per livelli gerarchici interni tale che i diversi livelli e gli elementi individuali siano collegati da una quantità di legami
• comportamenti spesso legati a fenomeni casuali
• piccole variazioni nelle loro condizioni iniziali si evolvono in grandi differenze in stadi successivi.

I termini complessità, anarchia, ridondanza, confusione, decontestualizzazione e caos sono utilizzati nel linguaggio scientifico e socio-economico sempre più frequentemente, dunque è necessario e inevitabile confrontarsi con questa realtà. Il mondo ha raggiunto un tale livello di interrelazione tra le sue diverse componenti da renderlo sempre meno predicibile e controllabile, anche su scale di spazio e di tempo come quelle delle attività umane.

Non è una semplice coincidenza il fatto che, proprio in questi ultimi decenni, il mondo della scienza abbia spostato una parte rilevante della sua attenzione e delle sue risorse verso lo studio dei cosiddetti sistemi complessi. Si possono infatti evidenziare tratti comuni a problemi che sono sostanzialmente diversi; la speranza è che evidenziando questi tratti condivisi si possano comprendere le regole di fondo dei comportamenti dei diversi sistemi e le si possano tradurre in termini matematici. In tal modo, quei dati comportamenti diventerebbero relativamente prevedibili e, quindi, utilizzabili e migliorabili. [3]

Intelligenze umane e intelligenze artificiali

Le analisi e le risoluzioni di problemi complessi possono avvenire tramite:

• l’intelligenza naturale;
• i sistemi esperti;
• le reti neurali artificiali.

L’intelligenza naturale è la capacità innata d’intendere, pensare, giudicare, interpretare con abilità e prontezza, evolvere e cambiare le proprie abitudini in relazioni alle modificazioni delle conoscenze e degli ambienti.

I sistemi esperti sono applicazioni che rientrano nell’intelligenza artificiale perché riproducono artificialmente le prestazioni di una persona esperta di un determinato dominio di conoscenza o campo di attività. Sono programmi software capaci di conservare, organizzare e proporre all’utente la conoscenza di un preciso dominio ma, soprattutto, deducono da determinate azioni/domande la conoscenza utile anche se non espressamente richiesta.

Le reti neurali artificiali simulano il sistema nervoso centrale umano con lo scopo finale di realizzare l’apprendimento macchina. Sono modelli di calcoli matematici e informatici basati sul funzionamento delle reti neurali dell’encefalo costituiti da interconnessioni di informazioni. Le reti neurali artificiali deducono le regole e le attività in modo autonomo attraverso l’apprendimento automatico. Non è possibile risalire al processo induttivo o deduttivo che porta a un dato output sia questo un’azione o una decisione.

Differenze tra sistemi esperti e reti neurali artificiali

La differenza tra queste tecnologie è evidente quando si mettono a confronto le funzionalità:

• un sistema esperto può dedurre alcuni ragionamenti (esempio: tutti gli uomini sono mortali – Socrate è un uomo – Socrate è mortale); la rete neurale non può eseguire questo sillogismo; d’altra parte, la rete neurale è perfettamente in grado di riconoscere un volto umano in una immagine complessa, cosa che il sistema esperto non è in grado di fare;
• il sistema esperto è in grado di spiegare la soluzione presentata ripercorrendo dove e come ha applicato i connettivi logici sulla base di conoscenza di un dominio; il funzionamento delle reti neurali è molto complesso ed è impossibile risalire al procedimento logico che porta alla soluzione;
• i sistemi esperti necessitano di un primario intervento da parte dell’esperto di dominio che definisce le regole che alimentano il motore inferenziale, devono quindi essere programmati; le reti neurali invece ‘deducono’ regole e attività in modo automatico, attraverso l’autoapprendimento;
• una rete neurale è un sistema ‘adattativo’ che muta la propria struttura (i nodi e le interconnessioni) fondandosi sulle informazioni esterne e interne che attraversano la rete e i nodi nelle fasi di apprendimento e di ragionamento. L’integrazione automatica tra sistema esperti e reti neurali è necessaria.

Le nuove tecnologie

La tipologia dei mezzi e dei modi della comunicazione delle conoscenze è fondamentale.

Le conoscenze possono essere gestite e utilizzate con tre diverse modalità (Figura 1):

• centralizzate se un solo nodo è presente
• decentralizzate se i nodi sono multipli di dimensione diverse ma solo alcune connessioni collegano nodi diversi
• distribuite se tutti i nodi sono collegati tra di loro con tecnologia blockchain con registro unico distribuito.

Figura 1: Mauro Bellini. Blockchain4innovation.it, 7 febbraio, 2021.

La figura 1 rappresenta bene l’importanza e la differenza tra i diversi tipi di comunicazioni delle conoscenze, quelle distribuite hanno enormi possibilità capacità di sviluppo e condivisioni.

Nuove tecnologie sono disponibili alle intelligenze umane per aumentare lo scambio delle conoscenze.

Le blockchain basate su registri distribuiti sono le tecnologie e i protocolli informatici che usano un registro condiviso, distribuito, replicabile, accessibile simultaneamente, architetturalmente decentralizzato su basi crittografiche, tali da consentire la registrazione, la convalida, l’aggiornamento e l’archiviazione di dati, sia in chiaro che ulteriormente protetti da crittografia, verificabili da ciascun partecipante, non alterabili e non modificabili.

L’intelligenza artificiale è l’insieme di studi e tecniche che tendono alla realizzazione di macchine, specialmente calcolatori elettronici, in grado di risolvere problemi complessi in modo automatico, simulando o emulando attività proprie dell’intelligenza umana.

Gli algoritmi sono procedimenti che risolvono un determinato problema attraverso un numero finito di passi; eseguono istruzioni sequenziali semplici, che possono essere effettuata da un elaboratore. Per definizione nessun algoritmo è perfetto, anche se il problema affrontato è di facile risoluzione. Un problema risolvibile mediante un algoritmo è computabile. Gli algoritmi non sono regolati da modelli di logica o matematica; possono sbagliare e spesso sono di parte. Sono opinioni umane matematicamente strutturate viziate dalle pre-comprensioni di chi li progetta per cercare qualcosa (bias).

L’apprendimento automatico profondo è il campo di ricerca dell’intelligenza artificiale debole basato su diversi livelli di astrazione, dove i concetti di alto livello sono definiti sulla base di quelli di basso livello, secondo gerarchie di caratteristiche. L’apprendimento automatico è basato su algoritmi di estrazione prestabiliti, calcoli di statistica, probabilità, incidenza o frequenza di comparsa, lavorando su un numero enormi di dati: i big data.

Il volo dello stormo di uccelli e la teoria della complessità

La natura ha insegnato agli uccelli a volare in stormo con regole semplici e risultati straordinari.

Giorgio Parisi, premio Nobel 2021 per la fisica, nel libro ‘In un volo di storni’ edito da Rizzoli 2021 riporta gli studi eseguiti sugli stormi iniziati da M. Ballerini, N. Cabibbo, R. Candelier in ‘Interaction ruling animal collective behavior depends on topological rather than meter distance: evidence from a filed study’. PNAS. Proceeding of the National Academy of Sciences, 105 (4), 2008.

Gli scienziati hanno studiato il comportamento di uno stormo e il volo di ogni singolo uccello; la teoria della complessità ha compreso questo fenomeno legato alla tutela della maggiore sopravvivenza nel gruppo.

Il comportamento complessivo dello stormo di uccelli nasce dalla somma dei comportamenti dei singoli, senza un preventivo accordo e senza un leader riconosciuto che possa guidarli.

Ogni uccello segue poche semplici regole:

• imitare il comportamento dell’uccello più vicino;
• mantenere la sua direzione;
• conservare la stessa velocità;
• non urtare altri uccelli;
• non avere nozione della struttura globale dello stormo;
• non avere un leader;
• non seguire preventivi accordi.

Ogni uccello ha il limite di entrare in relazione e recepire segnali di un massimo di 7 uccelli. Questo numero di connessioni è importante perché, come emerge dalla teoria della complessità, troppe poche connessioni porterebbero il sistema a essere fermo e rigido (uno stormo che non riesce a cambiare direzione), mentre troppe lo renderebbero caotico e anarchico (non uno stormo ma un insieme disordinato di uccelli).

Le evoluzioni degli stormi sono ritenute comportamenti collettivi molto vari e impredicibili che emergono in virtù delle regole estremamente semplici seguite da ciascun uccello. I risultati di questa cooperazione di gruppo sono sorprendenti. Senza un governo centrale, emerge una struttura complessa, dotata di una specie di intelligenza distribuita, in grado di determinare evoluzioni imprevedibili e originali, con l’obiettivo d’individuare soluzioni sempre migliori per la sopravvivenza del gruppo. Si tratta di un’evoluzione che può essere modellizzata in uno spazio e codificata in sequenze di ‘0’ e di ‘1’ computabili.

Tutte le decisioni del gruppo avvengono tramite un meccanismo di amplificazione di una fluttuazione locale. Ogni uccello che sta ai bordi del gruppo e percepisce una minaccia o una opportunità si muove in una direzione diversa: se gli uccelli limitrofi lo seguono il movimento si amplifica e coinvolge tutto il gruppo, altrimenti l’uccello rischia di rimanere isolato e si riallinea al gruppo.

Quello che vediamo è quindi il risultato di tante piccole mutazioni locali, alcune delle quali guidano il movimento complessivo dello stormo. Questo coordinamento decentralizzato, basato sull’applicazione scrupolosa di regole di comportamento locali, è un fenomeno chiamato auto organizzazione.

Lo stormo è quindi un tipico caso di comportamento collettivo autorganizzato in quanto:

• un sistema autorganizzato è estremamente reattivo: la velocità con cui un sistema a rete si adatta ai cambiamenti del contesto è enormemente superiore rispetto a quanto può fare un sistema centralizzato, che deve prima ricevere un segnale, rielaborarlo e ritrasmetterlo per causare una reazione. La capacità di cambiare velocemente è una risorsa fondamentale;
• anche senza gerarchia le azioni si allineano verso un obiettivo comune: in realtà la mancanza di un leader riconosciuto non impedisce di avere una direzione, anche senza capi formali un sistema collettivo è in grado di organizzarsi per raggiungere i propri obiettivi, non perché forzato da imposizioni esterne, ma perché è nell’interesse dei singoli operare in sinergia verso un fine comune;
• chi guida il cambiamento deve trovarsi sulla frontiera: gli uccelli non hanno leader gerarchici e sono tutti uguali, ma assumono ruoli diversi. Gli uccelli all’esterno del gruppo percepiscono i cambiamenti del contesto e imprimono il movimento, mentre quelli in mezzo al gruppo seguono pedissequamente gli altri; la guida del cambiamento è collocata quindi sulla frontiera dell’organizzazione;
• la capacità più importante è quella di farsi seguire: un uccello che reagisce ai cambiamenti del contesto cambiando direzione, se non viene seguito dagli altri si stacca dallo stormo ed è più vulnerabile. Le organizzazioni del lavoro devono creare le condizioni perché chi propone il cambiamento non rimanga un ‘pazzo inascoltato’, ma possa essere un leader capace di comunicare, condividere, trainare gli altri nel miglioramento;
• senza la giusta dose di comunicazione non c’è cambiamento: come esiste un numero di connessioni che ogni uccello ha all’interno dello stormo per coordinarsi, così anche nelle comunità esiste un numero ottimale di connessioni: sotto quel numero si rischia che i cambiamenti locali siano inascoltati, sopra un certo livello c’è solo rumore. Connettere le persone all’interno di una attività è quindi fondamentale, ma il flusso di comunicazioni non deve diventare eccessivo, altrimenti i segnali non sono processati correttamente si perdono; il sistema diventa instabile e non indirizzabile;
• la semplicità delle regole genera velocità e adattamento: le sovrastrutture organizzative, la burocrazia, le stesse regole interne, tutto ciò che è complicato genera lentezza e rigidità. Come succede all’interno di uno stormo, poche regole di comportamento e processi semplici e snelli sono la condizione per essere più flessibili e adattabili. La natura funziona con poche regole molto chiare, così dovrebbero fare anche le attività dell’uomo’. [4]

La complessità del sistema sanitario

Il sistema sanitario ha le caratteristiche della complessità riportata in parte prima e qui ripresentata:

• interazione delle costituenti parti tra di loro
• grande varietà di componenti che possiedono delle funzioni specializzate e diverse
• organizzazione per gerarchie interne tale che i diversi livelli e gli elementi individuali siano collegati da una quantità di legami
• numero enorme di componenti
• comportamento spesso legato a fenomeni casuali
• piccole variazioni nelle condizioni iniziali si evolvono in grandi differenze in stadi successivi e provocano il caos.

Il ragionamento clinico strutturato in prevenzione, anamnesi, esame obiettivo, diagnosi, terapia, prognosi e riabilitazione, è stato trasformato in complessità. L’industria biomedica ha imposto agli operatori sanitari software proprietari creati da ingegneri privi di competenza medica. Sono stati diffusi migliaia di applicativi privi di standard, confusi e caotici ove il ‘taglia incolla’ è la tecnica per raccogliere informazioni che restano severamente decontestualizzate; la connessione e la trasmissione di conoscenze tra specialità mediche diverse è assente. L’applicazione dell’informatica in medicina, è stata priva del processo di elicitazione da parte degli ingegneri della conoscenza. La lingua italiana è diventata un insieme di sigle o acronimi privi di legenda, trascurando il fatto che la sanità ha semantica propria il cui valore è enorme.

I dati e le informazioni ‘microscopiche’ dei diversi applicativi sono in uno stato di confusione, di caos, di anarchia, incomprensibili ai cittadini ed agli operatori sanitari. Gli aspetti ultra specialistici, i dettagli privi di conclusioni, l’ingente numero di dati, la decontestualizzazione, le sigle, le abbreviazioni, gli acronimi prevalgono sulle diagnosi di certezza, sulle terapie in atto, insomma, sulle informazioni di ‘salute macroscopica dell’individuo’. Dove le conoscenze sono intelligibili, sovente queste sono ridondanti e diventano inutili.

Nella pratica la cartella clinica elettronica o la lettera di dimissione sovente non sono intelligibili né al paziente, né al medico di base, né ad altri specialisti.

Il tentativo di trarre conoscenze deterministiche in medicina dai big data tratti da campi testo, introdotti non strutturati intellettivamente è fallito. Nel sistema sanitario è necessaria l’integrazione tra le intelligenze umane delle associazioni scientifiche, i sistemi esperti e l’intelligenza artificiale, rendendo uniche, semplici e distribuite le conoscenze, similmente a quanto fa il singolo uccello alla periferia dello stormo: comunica solo con sette altri uccelli ma trascina tutto lo stormo. È necessario cambiare la filosofia, la modellizzazione, l’organizzazione, la tecnologia e la distribuzione delle conoscenze in sanità.

Il sistema binario di logica nel sistema sanitario

L’attuale distribuzione delle conoscenze nel sistema sanitario è centralizzata o decentralizzata; con manifesto impedimento alla diffusione e condivisione delle conoscenze stesse. Le conoscenze devono essere collocate in rete unica, con tecnologia blockchain e registri distribuiti stabiliti dalle associazioni scientifiche con blocco di genesi condiviso.

Il ragionamento naturale dell’operatore sanitario è proprio dell’esperto in medicina che utilizza memorie, conoscenze ed esperienze individuali in contesti, sociali, economici ed etici oggettivamente diversi; non ha l’attributo di unico. I ragionamenti degli operatori sanitari possono essere diversi o contradditori senza essere necessariamente errati.

Le conoscenze della scienza medica possono essere presentate su un sistema binario di logica. Il sistema binario è solitamente numerico, ma può essere un sistema logico binario su proposizioni o frasi, anziché trattare numeri il computer tratta informazioni.

Se il computer utilizza il sistema binario numerico e se il neurone formale esegue calcoli basati sulla logica binaria, si può dedurre che il ragionamento clinico può essere applicato a un sistema binario di logica computabile.

Se gli operatori sanitari vorranno continuare a ‘governare il computer’ dovranno introdurre informazioni con un sistema binario 0 1.

Presentare informazioni e conoscenze strutturate intellettivamente, facilmente computabili, sottoponibili ai sistemi informatici e ai calcoli matematici è oggi certamente possibile ed è esclusivo compito e dovere di tutti gli operatori sanitari secondo le proprie competenze.

La tipologia e l’accuratezza della presentazione di informazioni strutturate che costruiscono le basi della conoscenze per i sistemi esperti e per le reti neurali in sanità, sono elementi fondamentali per raggiungere conoscenze scientifiche corrette e complete.

La semplicità delle informazioni, la distribuzione condivisa, la comunicabilità delle conoscenze, l’assenza di leader, la comune proprietà del sistema, la collettività delle intelligenze, la continua aperta connessione e i registri distribuiti unici, sono essenziali.

Il sistema sanitario per definizione deve essere semplificato alla periferia in modo facile, poco oneroso, aperto e personalizzabile in grado di garantire la comunicabilità e l’utilizzo delle conoscenze. Non è necessario che il ‘leader’ introduca tutte le domande/risposte possibili in sanità, è necessario dare lo stesso semplice strumento informatico e matematico condiviso a gruppi di uomini perché lavorino con sistema domanda/risposte.

Questo strumento gestito non è altro che 1 binario unico di domande/risposte collocate nel blocco di genesi, 5 algoritmi, i connettivi logici e 1 rete neurale aperta e gestita senza governo. Lo strumento informatico a interfaccia unica ma multipla, deve essere sempre connesso, collettivo, collegabile all’insieme. L’insieme domanda 0 risposte 1 deve essere aperto all’intelligenza individuale e alle intelligenze collettive rappresentate dalle associazioni scientifiche multidisciplinari e multi specialistiche.

Il sistema garantisce siano osservati i 6 principi dell’Organizzazione mondiale della sanità per un uso etico e responsabile dell’intelligenza artificiale:

1. proteggere l’autonomia umana
2. promuovere il benessere e la sicurezza delle persone e l’interesse pubblico
3. garantire trasparenza, chiarezza e intelligibilità
4. promuovere responsabilità
5. garantire inclusività ed equità
6. promuovere un’intelligenza artificiale reattiva e sostenibile.

Le nuove tecnologie nel sistema sanitario

Il sistema sanitario è tenuto a utilizzare tutte le tecnologie disponibili:

• blockchain su registri distribuiti è la sola tecnologia proponibile per condividere conoscenze nel servizio sanitario. Le associazioni scientifiche devono lavorare in gruppi, i dettagli delle conoscenze siano depositate nei nodi, le conoscenze semplificate automaticamente siano condivise nella rete in multi strati; il lavoro sarà simile al volo dello stormo di uccelli.
• intelligenza artificiale deve mettere a disposizione apprendimenti automatici, droni, interfacce conversazionali, robot intelligenti e spazio di lavoro intelligente restando sempre intelligibile.
• algoritmi di ordinamento, di ricerca, di compressione, iterativi, ricorsivi, genetici, combinatori, devono trattare conoscenze strutturate intellettivamente e digitalmente sempre intelligibili. Vocabolari, tassonomie, thesauri, ontologie, liste di termini con definizioni non ambigue, devono aiutare nell’identificazione dei sinonimi e nella individuazione delle relazioni tra termini e concetti diversi.
• reti neurali devono trattare solo conoscenze deterministiche ottenute dai sistemi esperti e deducano conoscenze scientifiche certe.
• apprendimento automatico deve trascurare le informazioni acquisite dai big data in quanto non strutturate, ridondanti, caotiche e decontestualizzate; deve elaborare conoscenze deterministiche derivate dalla logica matematica, dai sistemi esperti e dall’intelligenza umana collettiva.

Per il solo fatto che l’uomo sia una creatura intelligente non comporta che comunichi conoscenze sempre corrette e certe; avere molti dati non comporta avere molte informazioni; avere molte informazioni non comporta disporre di molte conoscenze certe. Usare dati che non sono strutturati intellettivamente e digitalmente è stupidità artificiale, ove artificiale può essere artificio, raggiro, astuzia e inganno.

Conclusioni

La complessità nella fisica. E’ presente consenso nel definire complessi quei sistemi il cui comportamento non può essere direttamente determinato dall’analisi dei loro elementi costitutivi, come pure nel concludere che la scala d’osservazione influenza il grado di complessità che si può incontrare. Ciò in cui le diverse prospettive si differenziano maggiormente è la natura degli elementi considerati costitutivi. Se la loro numerosità e le loro interazioni, siano essi atomi o individui di una certa società, comportano un balzo qualitativo nel comportamento collettivo, si parla comunque di sistema complesso: il complesso emerge quando l’insieme non è semplicemente riducibile alla somma delle parti.

Perché questo possa avvenire, il sistema di interesse deve avere qualche interazione anche con l’esterno. La sfida della complessità è dunque la seguente: 1) studiare gli effetti della cooperazione fra molti individui; 2) esaminare le relazioni che si possono instaurare fra di loro e con l’ambiente circostante.

Sul piano sociologico, la scienza della complessità richiede nuovi modi di organizzazione nella ricerca, attraverso l’integrazione di diverse competenze disciplinari. Questo processo inevitabilmente determinerà la ridefinizione della figura di tutti gli operatori sanitari, delle loro competenze e delle loro attribuzioni delle loro responsabilità, preludendo ad un processo che può rivoluzionare profondamente anche il ruolo sociale della medicina e della sanità.

La scienza della complessità è la ricerca di metodi semplici per lo studio di una vasta moltitudine di fenomeni, pur con i limiti e le contraddizioni cui ogni attività umana va soggetta.

È altresì interessante osservare che questa scienza ha preso consapevolezza di sé nell’epoca della globalizzazione, quando ci si è accorti che il mondo è fortemente interrelato, in tutte le sue componenti, e che proprio le relazioni forniscono la materia d’indagine. E’ più opportuno e più corretto, chiamarla scienza delle relazioni, per evidenziarne il lato esplicativo, piuttosto che quello problematico. [2]

La complessità nel sistema sanitario richiede che gli operatori abbiano conoscenza che esistono miriadi di interconnessioni fra discipline diverse e che si è trovato nella modellizzazione matematica un terreno unificante indispensabile al progresso; si accorgano della rilevanza di un nuovo insieme di domande, alle quali si può cercare di trovare una risposta in termini comuni, una volta che siano state formalizzate nel linguaggio matematico. I metodi di formalizzazione non devono essere presi e utilizzati direttamente, come è stato fatto; prima devono essere adattati ai linguaggi e ai tipi di problemi dei singoli domini. Gli esperti rendano le conoscenze microscopiche, ultra specialistiche e ultra particolari disponibili a filtri e semplificazioni che portino le conoscenze macroscopiche utili e intelligibili a tutti gli operatori e non ultimo al paziente.

I fisici forniscano un unico, collettivo e connesso applicativo con catene a bocchi con registri distribuiti in grado di unire le intelligenze umane e le intelligenze artificiali.

L’insegnamento dello stormo degli uccelli è:

• avere un comportamento collettivo auto organizzato multiplo;
• allinearsi verso un obiettivo comune senza gerarchie;
• guidare il cambiamento dalla frontiera;
• avere la grande capacità di farsi seguire;
• comunicare rapidamente per cambiare rapidamente;
• godere della semplicità delle regole per ottenere adattamento alle necessità e velocità.

Il sistema sanitario è molto più complesso delle evoluzioni dello stormo degli uccelli, ma gli uomini hanno strumenti enormemente più potenti; gli uccelli insegnano che le informazioni debbono essere semplici, limitate, efficienti, distribuite. È possibile trasferire calcoli matematici studiati da ingegneri della conoscenza e fisici al sistema sanitario con l’obiettivo di uniformare la sanità e di rilevare dati macroscopici utili alla tutela della salute.

Bibliografia

[1] H. Poincaré, La scienza e l’ipotesi, Dedalo, Bari (1989)

[2] L. Rondoni. Sistemi complessi nella fisica odierna e cenni alla complessità nelle scienze contemporanee. Politecnico di Torino. Relazione letta a Roma 30 gennaio 2009. http://calvino.polito.it/~rondoni/Didattica/Complexity/SEFIR2009_Proceedings.pdf

[3] W.S. McCulloch e W. Pitts “A logical calculus of the ideas immanent in nervous activity”. 1943

[4] M. Mazzucco. La natura insegna: come uno stormo di uccelli può cambiare l’organizzazione della tua azienda.

https://www.google.com/search?q=marco+mazzucco+la+natura+insegna+&ei=Y7sLYt22Hf6Jxc8P8rK7gAo&ved=0ahUKEwid9Mqg-IH2AhX