Tradotto da Jacopo Vanoli, modificato da Federica Mauro
Ogni giorno sulla stampa, ma anche nella letteratura medica, troviamo le promesse dei “Big Data”, “Medicina di Precisione”, e “Machine Learning” per la medicina. Questi proclami solitamente iniziano con frasi come: “La salute mentale (incluso l’abuso di sostanze) è il quinto contributore del carico mondiale di morbidità, con un costo economico di 2.5$ trillioni nel 2010, ed un raddoppio previsto entro il 2030”.1
Sicché, questi articoli denotano le infinite possibilità di digitalizzazione della medicina. “Big Data” è elogiato come soluzione a tutti i problemi della psichiatria: si sostiene che non solo migliori la diagnosi precoce dei disordini mentali, ma anche la terapia. Queste promesse appaiono paradisiache: “Il campo emergente delle ‘analisi predittive nella salute mentale’ ha recentemente generato un enorme interesse con la spavalda promessa di rivoluzionare la pratica clinica in psichiatria.”2 C’è qualcuno che veramente ci crede? Ed ancora più importante, è questo quello che vogliamo?
Nel mio recente post “Il tuo telefono ti conosce meglio del tuo terapeuta?“, ho descritto cosa significa “fenotipizzazione digitale” e quali grandi aspettative sono associate ad essa. Ho anche espresso il mio scetticisimo. I “Big Data” in psichiatria vanno ancora oltre. Il loro obiettivo è quello inferire il nostro stato mentale dalle foto che postiamo su Facebook o Instagram. Studi preliminari sono già stati pubblicati in cui algoritmi diagnosticavano “depressione” o “disordine da stress-post traumatico” basati sulle foto di Instagram o post su Twitter, a volte molto in anticipo rispetto alla diagnosi clinica. Tra non molto le macchine saranno in grado di analizzare un discorso e da lì derivare diagnosi come depressione o demenza incipiente. C’è anche chi sostiene che il genere di musica che ascoltiamo potrebbe permettere di trarre conclusioni circa il nostro stato emozionale. Alcuni seriamente sperano che tramite l’analisi di miniere di dati raccolti su di noi – e non parliamo solamente delle nostre tracce di dati digitali, ma anche dati biologici come i geni, pattern epigenetici, ormoni, valori generici e qualunque cosa si possa “misurare” – le malattie mentali possano essere “scoperte” così in anticipo che non accadranno nemmeno più.
Se volete farvi un’idea di dove porta questa visione, guardate il grande film di Steven Spielberg “Minority Report”, in cui i crimini sono prevenuti prima che siano commessi. Ma la visione futura dei “Big Data in Psichiatria” va molto oltre e solleva molte domande. Chi farà diagnosi mediche in futuro? Un dottore? O una macchina di Google ed Apple? E se il raccoglitore di dati trova evidenze che io sto soffrendo di depressione, a chi andrà questa informazione? Al sistema sanitario pubblico? Un’alta “autorità per la salute mentale”? Sarò contattato da questa autorità per ricevere un trattamento? E se non volessi, sarei “monitorato” per prevenire un mio possibile suicidio? Che succede a quel qualcuno i cui dati suggeriscono che sarà diagnosticato con psicosi a probabilità del 90% nei prossimi sei mesi? E se crediamo – come alcuni credono, considerando gli umani come macchine biologiche deterministiche – che questo accadrà con una probabilità del 100%, cosa si fa? Dovremo trattarli profilatticamente? Abbiamo il diritto di avvisarli?
Chi definirà cosa è “normale”? Quando la “depressione” necessita un trattamento nel caso in cui è la macchina a fare la “diagnosi”? In un articolo di riflessione, Manrai, Patel (entrambi dell’Università di Harvard) e Ioannidis (Università di Stanford) hanno recentemente posto la domanda, “Nell’era della Medicina di Precisione e dei Big Data, chi è normale?”3 Il concetto di Research Domain Criteria (RDoC, n.d.r. Criteri di Dominio di Ricerca), una struttura dimensionale per la ricerca integrata di (dis)funzioni mentali attraverso differenti livelli di informazione e organizzazione, suggerisce anche che in futuro – sebbene ciò possa essere un po’ esagerato – non si tratterà più la persona che soffre, bensì la sua funzione alterata del cervello. Ci saranno dei valori di soglia, come di solito in contesti di laboratorio, al di fuori dei quali si dovrebbe consigliare il trattamento?
Per finire, emozioni come depressione, paura o sconforto hanno il proprio significato evoluzionistico. Soprattutto le società occidentali industrializzate tendono a considerare queste come indesiderate e vogliono spegnerle ad ogni costo. Sono convinto che questa sia una delle ragioni per cui l’uso (e forse meglio – il consumo?) di antidepressivi è aumentato drammaticamente negli ultimi vent’anni e continua ad aumentare ogni anno. Siamo diventati più sani? La domanda può essere trovata nel primo paragrafo di questo post. I Big data in psichiatria sono la risposta agli sviluppi sociali. E tuttavia creano nelle persone disagio tanto quanto gli sviluppi stessi.
Dichiarazione di non responsabilità: questo post sul blog è stato tradotto e modificato da volontari. I contributori non rappresentano la MIND Foundation. Se noti errori o ambiguità nella traduzione, faccelo sapere – siamo grati per qualsiasi miglioramento. Se vuoi sostenere il nostro progetto sul multilinguismo, contattaci per entrare a far parte del MIND Blog Translation Group!
Conway M, O’Connor D. Social Media, Big Data, and Mental Health: Current Advances and Ethical Implications.CurrOpinPsychol.2016;9:77-82.doi:10.1016/j.copsyc.2016.01.004
Hahn T, Nierenberg AA, Whitfield-GabrieliS.Predictive analytics in mental health: applications, guidelines, challenges and perspectives. Molecular psychiatry. 2017;22(1);37–43.https://doi.org/10.1038/mp.2016.201
ManraiAK, Patel CJ, Ioannidis JPA. In the Era of Precision Medicine and Big Data, Who Is Normal? JAMA. 2018;319(19):1981-2.doi:10.1001/jama.2018.2009