In Kenya, ogni giorno, centinaia di bambini si ammalano di malnutrizione infantile acuta. È una tragedia silenziosa che colpisce 350.000 piccoli sotto i cinque anni, trasformando famiglie intere in spettatori impotenti di un dramma che sembra inevitabile. Ma cosa succederebbe se potessimo sapere esattamente dove e quando la malnutrizione colpirà prima ancora che accada?
Un gruppo di ricercatori di USC, Microsoft, Amref Health Africa e Ministero della Salute keniano ha sviluppato un’intelligenza artificiale che fa proprio questo: predice le crisi nutrizionali con sei mesi di anticipo e una precisione dell’89%.
Un algoritmo che legge il futuro della malnutrizione
Il sistema, descritto nello studio pubblicato su PLOS One il 14 maggio 2025, rappresenta un cambio di paradigma nell’approccio alla malnutrizione infantile. Girmaw Abebe Tadesse, principal scientist del Microsoft AI for Good Lab di Nairobi, spiega l’importanza di questo progetto:
“La malnutrizione rappresenta una sfida significativa per i bambini in Africa, un continente che affronta una grave insicurezza alimentare aggravata dal cambiamento climatico”.
Il modello combina dati clinici provenienti da oltre 17.000 strutture sanitarie keniane con informazioni satellitari sulla salute delle coltivazioni e la produttività agricola. Questa fusione di informazioni permette di identificare le aree emergenti a rischio con una precisione molto superiore ai metodi tradizionali.
Quando i ricercatori testano le previsioni a un mese, l’accuratezza sale al 89%. A sei mesi di distanza, mantiene comunque un impressionante 86% di precisione. Per confronto, i metodi basati solo su trend storici della malnutrizione raggiungono appena il 73% di accuratezza.
Come funziona la predizione della malnutrizione infantile
La chiave del successo sta nell’integrazione di fonti dati diverse. Il sistema attinge dal District Health Information System 2 (DHIS2), una piattaforma che raccoglie dati sanitari da cliniche in tutto il Kenya. Contemporaneamente, analizza le immagini satellitari del MODIS della NASA per misurare la Gross Primary Productivity (GPP), un indicatore di quanto bene stiano crescendo le coltivazioni.
Laura Ferguson, direttrice della ricerca presso l’USC Institute on Inequalities in Global Health, sottolinea come “la malnutrizione è un’emergenza di salute pubblica in Kenya. I bambini si ammalano inutilmente. I bambini muoiono inutilmente”. I metodi attuali di previsione si basano principalmente su giudizio esperto e conoscenza storica, approcci che faticano ad anticipare nuovi focolai o cambiamenti rapidi.
Il modello di intelligenza artificiale invece riesce a individuare pattern nascosti nei dati, identificando correlazioni tra condizioni delle coltivazioni e tassi di malnutrizione che sfuggirebbero all’analisi umana. Regioni con scarsa salute delle colture spesso mostrano tassi più elevati di malnutrizione nei mesi successivi.
I satelliti che “vedono” la fame prima che arrivi
L’aspetto più innovativo riguarda l’uso dei dati satellitari. Le immagini dal Moderate Resolution Imaging Spectroradiometer della NASA (dite, dite: “ma a che servono le ricerche spaziali?”. Ditelo ora) forniscono misurazioni precise della produttività delle coltivazioni in tempo reale. Quando la GPP diminuisce in una regione, l’algoritmo può prevedere un aumento della malnutrizione infantile nei mesi seguenti.
Come abbiamo sottolineato in precedenti analisi, l’intelligenza artificiale sta trasformando radicalmente il settore sanitario, e questa applicazione ne è un esempio perfetto.
Bistra Dilkina, co-direttrice del USC Center for Artificial Intelligence in Society, definisce il modello “un punto di svolta”. Il sistema si rivela particolarmente efficace nel prevedere la malnutrizione in regioni dove la prevalenza fluttua e i picchi sono difficili da anticipare.
Dalla ricerca alla realtà sul campo
I ricercatori hanno sviluppato un prototipo di pannello che visualizza il rischio regionale di malnutrizione, permettendo risposte più rapide e mirate. Samuel Murage, del Ministero della Salute keniano, spiega che
“il modo migliore per prevedere il futuro è crearlo utilizzando i dati disponibili per una migliore pianificazione e pre-posizionamento nei paesi in via di sviluppo”.
Ferguson e Dilkina, come detto, stanno ora lavorando con il Ministero della Salute keniano e Amref Health Africa per integrare il modello e il pannello nei sistemi governativi e nei processi decisionali.
L’obiettivo è creare una risorsa pubblica sostenibile e regolarmente aggiornata. Come sottolinea Ferguson, “la maggior parte dei problemi di salute globale non può essere risolta solo nel campo sanitario, e questo è uno di quelli”.
Malnutrizione zero: un obiettivo raggiungibile
Il Kenya condivide con oltre 125 paesi lo stesso sistema informativo sanitario, il che significa che strumenti simili di intelligenza artificiale potrebbero essere implementati in molte nazioni a basso e medio reddito. “Se possiamo farlo per il Kenya, possiamo farlo per altri paesi”, afferma Dilkina. “Il cielo è il limite quando c’è un genuino impegno a lavorare in partnership”.
In un mondo dove ogni minuto nascono 35 bambini destinati alla fame, questa tecnologia offre finalmente una speranza concreta. Non si tratta più di reagire alle emergenze, ma di prevenirle. E quando si parla di salvare vite umane, sei mesi di anticipo possono fare la differenza tra la vita e la morte.
