Alla fine di agosto, solo negli Stati Uniti, già 28 donne in gravidanza avevano perso la vita a causa della nuova influenza, e un centinaio aveva dovuto ricorrere alle cura di un'unità di terapia intensiva. I dati, comunicati ieri da Anne Schuchat, direttore del National Center for Immunization and Respiratory Diseases dei Centers for Disease Control and Prevention di Atlanta, non possono lasciare indifferenti. Alla luce dell'impatto del virus H1N1 in questa categoria ad alto rischio, è poco chiara la decisione del vice ministro italiano Ferruccio Fazio di restringere l'uso degli antivirali nelle future mamme: le ultime indicazioni che vengono dalle autorità italiane, infatti, suggeriscono l'uso dei farmaci solo nelle donne già portatrici di patologie croniche preesistenti alla gravidanza.
Mamme a rischio?
Primary tabs
prossimo articolo
La medicina di precisione non può fare a meno degli small data
I big data promettono di rivoluzionare la medicina, ma rischiano di nascondere più di quanto rivelino quando si tratta di curare il singolo paziente. Lorenzo Farina argomenta che gli small data - i dati «piccoli» abbastanza da essere compresi direttamente dal clinico - non sono un residuo del passato ma un elemento irrinunciabile della medicina di precisione. La vera sfida non è scegliere tra i due paradigmi, ma abbandonare l'approccio data-driven e tornare a ragionare per domande: prima la questione clinica, poi i dati necessari a rispondervi.
Gli small data sono definiti come quei dati di dimensione abbastanza «piccola» da poter essere immediatamente compresi da un essere umano, non tanto nella loro interpretazione che ovviamente ha sempre e necessariamente bisogno della analisi, ma nel loro significato biologico generale. Tipicamente, sono il risultato di esperimenti di laboratorio che non utilizzano macchine per l'analisi dei dati omici, bensì altre biotecnologie in grado di misurare relativamente «pochi» dati per provare a rispondere alla domanda che interessa.