La possibilità di sviluppare nuovi metodi per prevedere le condizioni di salute delle persone è lo strumento tramite il quale la finanza e le agenzie di assicurazioni possono massimizzare i profitti dagli investimenti nel settore delle prestazioni sanitarie.

Per esempio, un gruppo di ricercatori dell’Università di Nottingham ha sviluppato un algoritmo di machine-learning in grado di predire la probabilità di avere problemi relativi a infarti o ictus che ha una precisione uguale, se non migliore in alcuni casi, di quella di un medico.

Hanno elaborato degli algoritmi tramite i quali un computer è in grado di imparare a riconoscere i fattori di rischio e calcolarne l’incidenza. All’algoritmo sono stati forniti i dati di oltre 300mila pazienti del Regno Unito, la maggior parte utilizzata per fargli generare il modello predittivo mentre la restante parte è stata utilizzata per testarne l’accuratezza delle previsioni. Il risultato è che l’algoritmo fa predizioni migliori delle linee guida elaborate dall’American College of Cardiology/American Heart Association (ACC/AHA) nel 7,6% dei casi e lancia l’1,6% in meno di falsi allarmi.
Inoltre sembra che l’algoritmo di machine learning sia in grado di individuare dei fattori di rischio che non sono contemplati dalle linee guida esistenti.

Questo esempio non è l’unica applicazione che promette dei miglioramenti nel campo della medicina e nelle quali alcune attività svolte dai medici possono essere svolte da una macchina. Peraltro la disponibilità di dati e lo sviluppo di algoritmi possono produrre dei vantaggi, oltreché degli svantaggi, in molti campi della società.

In un’intervista su Wired Elena Bonfiglioli, a capo dell’Health Industry business di Microsoft, rispondendo alla domanda sui tempi previsti per una medicina predittiva applicata su scala massiccia ha rilasciato una dichiarazione che racchiude alcuni degli aspetti da tenere in conto:

«Tra i 3 e i 5 anni. Le tecnologie già ci sono. Ora sta ai cittadini-scienziati, come li chiamo, rendersi disponibili a condividere i propri dati. Sempre in forma aggregata, anonimizzata o semi-anonimizzata. Bisogna rendersi conto che come donare il sangue è un gesto di disponibilità alla sanità pubblica anche mettere a disposizione della comunità scientifica le informazioni personali e quelle che raccogliamo è oggi fondamentale. Li chiamo dati per il bene pubblico, dalla cui base nascono i diritti e le scoperte del domani, in tutti i settori, non solo nella sanità».

In generale, la richiesta di condivisione dei propri dati è ormai comune a qualunque aspetto della vita, spesso anche senza che l’individuo ne sia pienamente consapevole. Infatti questo tipo di informazioni sono direttamente ricchezza economica per chi ne risulta proprietario, per chi le manipola e le sa analizzare. Inoltre, nel vasto campo di applicazioni di una tale mole di risorse alcune possono essere potenzialmente a beneficio dell’intera società, come ricorda la dirigente Microsoft, ma in ogni caso, al momento, la progettazione e l’uso di queste risorse è totalmente opaco alla stragrande maggioranza delle persone ed è esclusivamente sotto il controllo di chi le sfrutta ai fini capitalistici.

Nel caso della applicazioni alla medicina predittiva, questa affermazione assume concretezza proprio alla luce delle trasformazioni che il governo Gentiloni-Renzi apporterà al sistema sanitario nazionale in favore del capitale finanziario: un avanzamento nelle possibilità della medicina, sarà in realtà lusso per pochi e strumento di profitto finanziario.