Covid, il contributo dell'Università Mediterranea all'Oms e alla lotta contro la pandemia

REGGIO CALABRIA Il Prof. Massimiliano Ferrara, Direttore del Dipartimento di Giurisprudenza, Economia e Scienze Umane (Di.Gi.ES), Research Affiliate presso l’Università Bocconi e Delegato per l’Italia presso l’European Mathematical Society, è alla guida di un team di ricerca internazionale sotto l’egida dell’Organizzazione Mondiale della Sanità e avente come mission l’elaborazione di modelli matematici predittivi circa la diffusione del Covid-19 nei diversi Continenti. La ricerca, attraverso la realizzazione di tre modelli matematici ha individuato, sulla scorta di dati offerti dalla stessa OMS, 34 ceppi diversificati del Virus.
Due focus su tutti hanno acceso i riflettori internazionali sul Progetto: il caso pakistano e quello iraniano per i quali i modelli hanno fornito un concreto aiuto alla gestione della crisi in quei contesti territoriali. Altri componenti italiani del gruppo di ricerca, sono il Prof. Bruno Antonio Pansera afferente al Di.Gi.ES e Ricercatore di Matematica per l’Economia presso l’Ateneo reggino e le Dott.sse Tiziana Ciano, Mariangela Gangemi, Iside Rita Laganà e Tiziana Merenda, Dottorande di Ricerca del Dottorato in Diritto ed Economia.
I risultati scientifici – alcuni già in fase di stampa – hanno trovato collocazione editoriale in riviste ad alto impatto scientifico internazionale (Results in Physics, Communications in Nonlinear Science and Simulation, Advances in Difference Equations, Scientific Report – Nature, Nature Communications, ISA Transactions, Sustainable Cities and Society). Il gruppo di ricerca consta di 15 ricercatori provenienti dall’Italia, Iran, Malaysia, Pakistan, Turchia, Canada. Tra le Università partners del progetto ricordiamo la Bocconi, la National University of Malaysia, la Bahcesehir University (Turchia) con l’apporto di alcune aziende lombarde operanti nell’ambito dei Big Data.
Ai risultati già raggiunti e pubblicati in ambito “modelli previsionali” si aggiunge il recente risultato legato alla diagnosi del COVID-19.
Ad oggi gran parte delle diagnosi avviene attraverso il test RT-PCR (c.d. tampone). Pur tuttavia il test, non è scientificamente (sufficientemente) accurato ed indicativo.
Partendo da questa evidenza è stato sviluppato dal Gruppo del Prof. Ferrara, un modello “Machine Learning”, attraverso l’utilizzo di tecniche di apprendimento “Deep” (quindi attraverso l’intelligenza artificiale) e capace di definire un problema di classificazione bootstrap di tre modelli di apprendimento dei trasferimenti, nella fattispecie: Inception v3, ResNet34 e DenseNet201. Grazie a questo modello, ne beneficiano le immagini di CT-scan al torace, le quali – è stato provato – risultano molto più idonee e accurate per lo screening del COVID-19 attraverso un metodo di tecniche di apprendimento “Deep” da cui trae un sostanziale feed-back positivo la tomografia assiale. Quello del prof. Ferrara, uno studioso del Sud che ha deciso di rimanere, è un contributo alla ricerca che conta, un significativo messaggio di speranza che gli abbiamo chiesto di commentare per il Corriere della Calabria.
Come nasce questo progetto Dynamics on COVID-19?
«Sono alla guida di un team di ricerca internazionale sotto l’egida dell’Organizzazione Mondiale della Sanità, avente come mission l’elaborazione modelli matematici predittivi circa la diffusione del COVID-19 nei diversi Continenti. Altro componente italiano del gruppo di ricerca, è il Prof. Bruno Antonio Pansera afferente al Di.G.ES e Ricercatore della Cattedra di Matematica per l’Economia presso l’Ateneo reggino. Fanno parte del Gruppo anche le mie Dottorande di Ricerca: Tiziana Ciano, Mariangela Gangemi, Iside Laganà, Stefania Merenda. I risultati scientifici – alcuni già in fase di stampa – hanno trovato collocazione editoriale su riviste scientifiche ad alto impatto internazionale (Results in Physics, Communications in Nonlinear Science and Simulation, Advances in Difference Equations, Scientific Report – Nature, Nature Communications, ISA Transactions, Sustainable Cities and Society). Il gruppo di ricerca consta di 15 ricercatori provenienti dall’Italia, Iran, Malaysia, Pakistan, Turchia, Canada. Tra le Università partner del progetto ricordiamo la Bocconi, la National University of Malaysia, la Bahcesehir University (Turchia) con l’apporto di alcune aziende lombarde operanti nell’ambito dei Big Data».
Quali sono gli obiettivi della Ricerca?
«I tentativi di frenare la diffusione del COVID-19 introducendo rigide misure di quarantena hanno sortito effetti diversificati nei paesi in cui si è diffuso il virus: mentre il numero di nuovi casi è diminuito in Cina, Corea del Sud e Malesia, esso mostra una certa dinamica in Italia e in altri paesi Europei. Rifacendosi al classico modello SIR, l’obiettivo sarà l’elaborazione di un nuovo modello fuzzy di infezione e progressione della crescita partendo dal presupposto che tutti gli individui infetti vengono isolati dopo il periodo di incubazione in modo tale da non poter infettare altre persone. La progressione della malattia in questo modello fuzzy è determinata dal numero di riproduzione di base (il numero di individui appena infettati durante il periodo di incubazione), che è diverso rispetto a quello del modello SIR standard. Combinando un modello di trasmissione fuzzy con dati sui casi di COVID-19 a Wuhan e casi internazionali originati a Wuhan, si stimerà come la trasmissione vari nel tempo tra luglio 2020 e gennaio 2021. Sulla base di queste stime, si calcolerà quindi la probabilità che casi insorti possano generare focolai in altre aree. Per stimare le prime dinamiche della trasmissione nel resto del mondo, si adatterà un modello dinamico di trasmissione fuzzy a più set di dati disponibili relativi a casi conclamati. I set di dati a cui si riferiranno i ricercatori coinvolti, sono: numero giornaliero di nuovi casi esportati a livello internazionale (Italia, Turchia, Malesia e altri) e numero giornaliero di nuovi casi in Cina. Il modello in corso di definizione descrive i molteplici percorsi di trasmissione nella dinamica dell’infezione e sottolinea il ruolo del serbatoio ambientale nella trasmissione e diffusione di questa malattia. Il modello fuzzy proposto impiega anche velocità di trasmissione non costanti che cambiano con lo stato epidemiologico e le condizioni ambientali.
I modelli ad oggi pubblicati e presenti in letteratura non hanno tenuto conto del ruolo dell’ambiente nella trasmissione del COVID-19. Inoltre, tutti i modelli non hanno considerato l’importante ruolo dell’incertezza nella costruzione previsionale. I parametri definiti in questi modelli sono deterministici e finora non sono in grado di gestire il ruolo significativo di condizioni incerte nei dati reali. Come evidenziato dai fatti, la maggior parte delle persone infette non ha avuto alcun contatto con i mercati di Wuhan; il numero di infezioni mostra dinamiche eterogenee; la malattia si è diffusa in altre province della Cina e in oltre 80 altri paesi. L’obiettivo della Ricerca è presentare un nuovo modello matematico per il COVID-19 che incorpora molteplici percorsi di trasmissione, inclusi i percorsi da ambiente a uomo e da uomo a uomo; introdurre un compartimento ambientale che rappresenti la concentrazione di virus nel bacino ambientale; proporre un’efficace tecnica numerica per ottenere una soluzione altamente accurata del nuovo modello adattabile anche ad altre situazioni pandemiche».
La ricerca riguarda solo modelli predittivi o si articola anche su altri versanti?
«La ricerca, ad oggi, attraverso la realizzazione di tre modelli matematici ha individuato, sulla scorta di dati offerti dalla stessa OMS, 34 ceppi diversificati del Virus.Due focus su tutti hanno acceso i riflettori internazionali sul Progetto: il caso pakistano e quello iraniano per i quali i modelli hanno fornito un concreto aiuto alla gestione della crisi in quei contesti territoriali. Ai risultati già raggiunti e pubblicati in ambito “modelli previsionali” si aggiunge il recente risultato legato alla diagnosi del COVID-19. Ad oggi gran parte delle diagnosi avviene attraverso il test RT-PCR (c.d. tampone). Pur tuttavia il test, non è scientificamente (sufficientemente) accurato ed indicativo. Partendo da questa evidenza è stato sviluppato dal Gruppo del Prof. Ferrara, un modello “Machine Learning”, attraverso l’utilizzo di tecniche di apprendimento “Deep” (quindi attraverso l’intelligenza artificiale) e capace di definire un problema di classificazione bootstrap di tre modelli di apprendimento dei trasferimenti, nella fattispecie: Inception v3, ResNet34 e DenseNet201. Grazie a questo modello, ne beneficiano le immagini di CT-scan al torace, le quali – è stato provato – risultano molto più idonee e accurate per lo screening del COVID-19 attraverso un metodo di tecniche di apprendimento “Deep” da cui trae un sostanziale feed-back positivo la tomografia assiale».
Ritiene che ricerche con questo impatto internazionale possano produrre effetti positivi anche sul territorio?
«Francamente non nutro particolari speranze. Ho trovato e continuo a trovare molti ostacoli qui nella mia terra. Indifferenza, nella migliore delle circostanze. Di converso, ho ottenuto il finanziamento iniziale dall’Università Bocconi di cui sono Research Affiliate e gli effetti della ricerca andranno appannaggio della Business School tra le prime tre in ambito europeo. Ovviamente se dovessi essere interpellato, sempre e per qualsiasi ruolo, rimango a disposizione della mia Città e della mia Terra». (f.p.)