Una popolazione più sana? Meno spesa per l’assistenza sanitaria e di più per i servizi sociali

Reblogged from Oggiscienza

APPROFONDIMENTO – Michael Marmot, epidemiologo noto a livello mondiale, nel corso delle sue ricerche le ha dato addirittura un nome: “Status Syndrome”. Chi è più in alto nella scala sociale, percepisce una libertà di controllo sulle proprie azioni e nel concreto vive più a lungo rispetto a chi si trova a vivere uno status socio-economico peggiore nel corso della propria vita. Per citare un detto Newyorkese “Più piccola è la taglia del vestito, più grande l’appartamento”, ovvero – spiega Marmot – particolarmente fra le donne delle nazioni ad alto reddito, peggiore è lo stato sociale, maggiore è la prevalenza dell’obesità. La domanda da cui partì Marmot è la seguente: “Perché curare le persone e riportarle alle condizioni che le hanno fatte ammalare?” In altre parole, come eliminare lo svantaggio sociale, cioè la causa delle cause di anni persi in salute, se non addirittura di morte prematura?

Un anno fa esatto, uno studio pubblicato oggi sulla prestigiosa rivista The Lancet e condotto nell’ambito del progetto Lifepath dell’Unione Europea, mostrava che nei paesi “ricchi”, fra cui anche l’Italia, le scarse condizioni socioeconomiche si tradurrebbero in 2,1 anni di vita persi fra i 40 e gli 85 anni.

Oggi un nuovo studio, questa volta canadese, pubblicato sul Canadian Medical Association Journal, evidenzia come l’aumento della spesa sociale (parliamo dei determinanti sociali della salute come il reddito, l’accesso all’istruzione, la dieta e l’attività fisica) sia stato associato a miglioramenti della salute a livello di popolazione, mentre gli aumenti della spesa sanitaria non sortirebbero alla prova dei fatti lo stesso effetto. Non solo dunque investire di più sui servizi per ridurre le disuguaglianze sociali di partenza è altrettanto importante rispetto a investire nell’assistenza sanitaria, ma addirittura produrrebbe effetti migliori in termini di salute generale della popolazione.

Read More

IA: Come cambia lo sviluppo di farmaci

Reblogged from Forward – Recenti Progressi in Medicina

Il drug discovery con il machine learning: una strada percorribile o una scatola nera?

L’idea alla base dell’utilizzo dell’intelligenza artificiale in farmacologia è di semplificare la complessità e far emergere potenziali linee di ricerca che altrimenti “a occhio nudo” i ricercatori difficilmente sarebbero in grado di individuare. Come se l’universo di proteine nascondesse messaggi scritti con inchiostro simpatico, invisibili ai più, e che richiedono degli occhiali nuovi per essere interpretati.

Il primo bias nello sviluppo di un farmaco È proprio l’avvio della ricerca, l’idea di provare a lavorare su una certa proteina e non su un’altra. L’intuizione, seppure evidence based. Una volta selezionata la proteina da cui partire, si innesca quel noto processo a imbuto che, sfortunatamente solo in pochi casi, può tradursi in un medicinale vero e proprio. Un processo però lungo, anche fino a dieci anni, e che lascia dietro di sé numerose “vittime”, molecole cioè candidate a diventare un farmaco ma che per diverse ragioni si rivelano non adatte e quindi vengono scartate. Per citare una statistica nota, in media solo il 14 per cento delle molecole che supera la prima fase di test è adatta a diventare un farmaco.

Anche ai non addetti ai lavori risulta evidente che l’intero processo è condizionato dal limite umano nel gestire e setacciare grandi moli di dati. Nella fattispecie, capire fra miliardi di proteine esistenti qual è la candidata più adatta per bersagliare la malattia che vorremmo colpire. Il risultato è che siamo obbligati a utilizzare un processo top-down, quando invece a rigor di logica dovremmo procedere bottom-up.

Nel 2017 Jean Louis Reymond dell’Università di Berna ha pubblicato una “mappa” delle molecole note: un database di 166 miliardi di composti organici chimicamente realizzabili fino a 17 atomi che ha chiamato Gdb-17. È lapalissiano che la mente umana non riesca a confrontare nei tempi dettati dalla ricerca scientifica una mole così imponente di composti per individuare i migliori candidati sui quali puntare e investire a partire dalle caratteristiche del bersaglio terapeutico.

Read More