Un software che legge un profilo metabolico urinario (OAT), lo incrocia con microbiota e pathway metabolici, e propone piante e nutrienti con un meccanismo tracciabile, piuttosto che una lista di integratori.
Il punto di partenza reale è il Profilo Metabolomico degli Acidi Organici (OAT), un esame urinario che misura fino a 70 metaboliti legati a mitocondri, neurotrasmettitori, disbiosi batterica e fungina, ossalati, folati e detossificazione. MetaPlantAI legge il referto originale (PDF o dati manuali), lo confronta con i range dichiarati dal laboratorio e costruisce, marker per marker, una lettura completa.
Ogni alterazione viene classificata lieve, moderata o marcata, spiegata nel suo significato clinico e collegata, quando pertinente, a un microrganismo probabile (disbiosi batterica o fungina).
Ogni pianta suggerita mostra il fitochimico attivo, la parte della pianta coinvolta (radice, foglia, seme...) e l'attività biologica documentata, via il database Dr. Duke's (USDA), 2.376 piante e oltre 100.000 relazioni tra pianta e composto.
Piano alimentare, fitoterapia prioritizzata per severità, note di sicurezza per l'età pediatrica ed evidenze PubMed richiamabili a schermo: tutto marcato come bozza da validare da un clinico.
L'idea centrale non è "un gene, un integratore", ma la convergenza metabolica funzionale: piante ed esseri umani, pur senza condividere le stesse vie biosintetiche, spesso convergono su molecole e funzioni simili per rispondere a stress ossidativo, infiammazione o squilibrio del microbiota (Pichersky & Lewinsohn, 2011). Il microbioma è il ponte: le stesse alterazioni che un OAT rivela nell'uomo trovano, nella letteratura, contropartite vegetali con un meccanismo d'azione descritto, non per analogia vaga, ma per composto e attività specifici.
Le evidenze PubMed mostrate nell'interfaccia non sono mai inventate: sono interrogazioni dal vivo al database della National Library of Medicine, richiamate on demand per ogni strategia e ogni organismo coinvolto.
Su una prima casistica pseudonimizzata di 7 profili OAT, due pattern ricorrono con una frequenza che merita di essere approfondita: indacano alterato in 7 casi su 7, e disregolazione del 5-HIAA (marker serotoninergico) in 6 casi su 7, un'ipotesi illustrativa di deviazione del metabolismo del triptofano legata al microbiota. Numeri troppo piccoli per una conclusione: sufficienti per giustificare una casistica più ampia e una validazione statistica vera, che è esattamente il passo successivo del progetto.
Pattern osservati su casistica pseudonimizzata reale, non simulata. Ipotizzati, non documentati: servono più referti per una lettura statistica solida.
Non un annuncio di funzionalità: la sequenza reale con cui il progetto è maturato, ogni tappa verificata sui dati prima di passare alla successiva.
Prima scelta metodologica: il matching tra pianta e metabolita avviene per pathway e database curati, non per generazione libera di un modello linguistico. La riproducibilità viene prima di tutto.
Il progetto cambia asse quando entra il primo referto OAT reale (Valsambro, Bologna): 70 metaboliti, 8 sezioni cliniche. Da lì in poi ogni sviluppo è verificato su quel dato, non su un esempio costruito a tavolino.
Un secondo caso pediatrico, con formattazione diversa dal primo, mostra i limiti del parser iniziale. Riscritto per leggere layout e range direttamente dal referto: verificato al 100% su entrambi i casi, senza perdere nulla del primo.
Integrazione del database Dr. Duke's (USDA) e degli organismi microbici associati ai marker OAT, con relativa letteratura VOC, perché un consiglio vegetale vale solo se si può risalire al composto e alla fonte.
Classificazione delle alterazioni per severità, avvertenze di sicurezza sui botanici per l'età pediatrica, e una proposta operativa finale sempre etichettata come bozza da validare, mai come prescrizione.
Il progetto, presentato dall'Associazione Virdimura, è candidato al programma AI for Science di Anthropic (attualmente in valutazione) per estendere la casistica e la validazione. Il prossimo stadio reale: più referti, un biostatistico nel team, e l'estensione del modello al genotipo.
MetaPlantAI nasce dentro Virdimura, associazione non profit di Palermo attiva nella promozione della salute, con un team che tiene insieme farmacologia, agronomia, patologia vegetale e supervisione clinica.
Vuoi saperne di più sul metodo con cui costruisco questo progetto, o sui vettori di ricerca ancora aperti?