Il modello Gene × Ambiente mi ha insegnato a dire con onestà cosa è documentato e cosa è solo ipotesi. Questa pagina racconta perché ho deciso di portare la stessa onestà oltre il referto, dentro un progetto di ricerca vero e proprio, e con quale metodo lo sto costruendo.
Negli anni ho letto centinaia di pannelli genomici e di profili metabolici, per famiglie preoccupate, per clinici che cercavano una seconda lettura, per tribunali che chiedevano una relazione tecnica di parte. In ogni caso il problema era lo stesso: un dato grezzo dice troppo poco da solo, e troppo se interpretato senza disciplina. Un'amoxicillina non è un rischio uguale per due bambini con PANDAS; un acido organico alterato nelle urine non significa la stessa cosa in due metabolismi diversi. Serve un metodo che tenga insieme il dato, il meccanismo biologico e il grado di certezza con cui si può davvero parlare, sempre, senza scorciatoie, anche quando la scorciatoia sarebbe più comoda da vendere.
MetaPlantAI nasce da qui, ma va un passo oltre il referto individuale: prova a chiedersi se un profilo metabolico urinario (un OAT) può essere letto insieme al microbiota, al genotipo e al mondo vegetale, non per inventare un integratore per ogni lettera dell'alfabeto, ma per restituire, con la stessa gradazione epistemica che uso nei referti, quali piante e quali nutrienti hanno un meccanismo plausibile e tracciabile rispetto a quello specifico profilo. È ricerca, dichiaratamente: un supporto decisionale sotto supervisione medica, non una diagnosi né una terapia sostitutiva.
Non mi interessa un software che sembra intelligente. Mi interessa un software che, come me in aula o al tavolo di un CTU, sappia dire "questo è provato" e "questo è ancora solo un'ipotesi", e non confondere mai le due cose.
Vincenzo PezzanoMetaPlantAI non lo scrivo da solo: lo costruisco insieme a Claude, il modello di Anthropic, usato come collaboratore di sviluppo e di ricerca, non come oracolo a cui delegare un giudizio clinico. In pratica questo significa alcune cose molto concrete, non uno slogan:
Prima di considerare completa una funzione, la verifichiamo su OAT reali di pazienti (dati pseudonimizzati): il parser deve estrarre i marker giusti, l'analisi deve coincidere con i flag del laboratorio, il matching con le piante deve avere un meccanismo citabile.
Ogni pianta suggerita è collegata a un fitochimico reale (database Dr. Duke's, USDA) e a un'attività biologica documentata; ogni strategia rimanda a una interrogazione PubMed dal vivo, non a citazioni inventate.
Un segnale preliminare resta dichiarato preliminare nell'interfaccia e nel PDF. La proposta finale è etichettata come bozza da validare da un professionista, non come prescrizione.
Il valore di questo metodo non è che l'intelligenza artificiale "sappia" qualcosa di clinico, non lo sa, e non deve fingere di saperlo. Il valore è che mi costringe a essere esplicito, verificabile e ripetibile ogni volta che costruisco qualcosa, alla stessa velocità con cui prima costruivo solo un referto alla volta.
Non tutti i fronti sono allo stesso punto. Questi sono i vettori aperti, con lo stato reale di avanzamento, non un elenco di buoni propositi.
Pipeline completa e verificata su referti reali: parsing multi-versione, 70 marker, matching Dr. Duke's, organismi/VOC, sicurezza pediatrica, piano alimentare, proposta operativa.
Software in uso su casi reali pseudonimizzati, con segnali preliminari coerenti. Serve casistica in crescita per passare da segnale preliminare a evidenza solida.
Prototipo di analisi di rete (marker, strategie, organismi, piante) già funzionante su singolo referto. Manca ancora la casistica multi-paziente per una lettura di rete significativa.
Integrare il genotipo nel matching pianta-metabolita, non solo il dato metabolico: pianificato, non ancora implementato. È il ponte naturale con il mio lavoro sui pannelli genomici.
Con l'agronomo del team: chiudere il cerchio tra profilo nutrizionale individuale e modo in cui quella pianta viene coltivata. In fase di ideazione.
La pagina MetaPlantAI entra nel dettaglio scientifico e tecnico: cosa fa davvero il software, quale evidenza preliminare abbiamo raccolto, con chi lo sto costruendo e a che punto siamo, passo dopo passo.