La nutrizione personalizzata è uno dei temi più caldi del food-tech: test del DNA a duecento euro, sensori glicemici da farmacia, app che ti dicono cosa mangiare in base al tuo metabolismo e altre amenità più o meno credibili. Il mercato cresce a doppia cifra, le promesse di marketing pure: poi vai a vedere gli studi che confrontano queste cose con una dieta standard, e qualcosa stride.
La cosa curiosa è che, mentre alla cassa del supermercato la nutrizione personalizzata fatica a battere i “semplici” consigli della nonna, in un reparto di terapia intensiva neonatale di Monza la stessa tecnologia ha appena fatto qualcosa di serio su mille cartelle cliniche di prematuri. Insomma: abbiamo fatto progressi, ma non dove pensavamo. E dove, allora? Vediamo.
Il PDF da duecento euro
Lo schema lo conoscete: tiri fuori un paio di centoni (o meno), e ti arriva un kit con tampone salivare a casa. Lo fai, metti tutto in una provetta nella busta preaffrancata, tre settimane di attesa, e alla fine arriva un PDF di trenta o quaranta pagine. E ti dice, che ne so, se sei ben predisposto per il lattosio, se metabolizzi lentamente la caffeina, se hai intolleranze di altro tipo, se devi assumere omega-3 perché hai una carenza. Tutto basato sul DNA. L’idea è seducente, e francamente lo capisco: io sono io, le linee guida generali sono per chiunque, perché dovrebbero funzionare anche per me?
Il fatto è che questa domanda se la sono posta anche i ricercatori. Il progetto Food4Me, finanziato dall’Unione Europea proprio per validare la nutrizione personalizzata, ha confrontato per sei mesi quattro livelli di personalizzazione: consigli generici, consigli basati sui parametri clinici, consigli basati su dati metabolici, e consigli basati su dati genetici. La review pubblicata su Nutrients nel 2019 lo riassume in una riga: nessuna differenza significativa di esiti tra i quattro livelli. Stessa perdita di peso, stessi marker metabolici, stessa aderenza. Le diete gene-based per il dimagrimento, in particolare, non hanno mostrato vantaggi rispetto alle raccomandazioni standard. Le organizzazioni scientifiche, prosegue la review, sono concordi: i test DNA direct-to-consumer per la dieta non avevano evidenza scientifica.
Uno studio randomizzato controllato pubblicato nel 2024 ha provato a salvare almeno un pezzetto del paradigma. Prendiamo la caffeina, ad esempio: si può ridurre il consumo dicendo alla gente “tu specificamente sei un metabolizzatore lento secondo i tuoi geni”? Si può. Ma riducono il consumo anche quelli a cui dici “qui ci sono raccomandazioni nutrizionali, segui queste” e basta. Stesso effetto. Sapere che è scritto nel DNA non motiva più di sapere che fa bene. È un’informazione costosa che non sposta il comportamento. O no?
Mille cartelle a Monza
Adesso traslocate per un attimo dal bagno di casa a un reparto di terapia intensiva neonatale. Un neonato prematuro pesa ottocento grammi, è nato a ventotto settimane, e nelle prime ore di vita qualcuno deve decidere quante proteine, quanti lipidi, quanto glucosio infondergli per via endovenosa, e quando passare gradualmente al latte. È la fase più critica della sua nutrizione: la transizione dalla parenterale all’enterale. Sbagliarla significa rischiare la cosiddetta restrizione di crescita extrauterina, che secondo le casistiche colpisce tra il trenta e il novantasette per cento dei prematuri e ha conseguenze neurocognitive che durano decenni.
Un gruppo guidato da Simona Ferrante al Politecnico di Milano, insieme alle neonatologhe della Fondazione San Gerardo dei Tintori di Monza, ha applicato il machine learning a millecentosessantacinque cartelle cliniche raccolte tra il 2005 e il 2021. Il modello, un CatBoost addestrato su centosettantuno variabili, predice il rischio di restrizione di crescita con grande accuratezza. Le variabili che pesano di più, alla fine, sono poche e specifiche: la velocità di crescita nella prima settimana, l’apporto di lipidi nei primissimi giorni, l’apporto proteico durante la transizione. Le linee guida internazionali, va detto, su questa fase di passaggio non dicono praticamente nulla.
Scheda Studio
Pubblicazione: Bozzetti, Dui, Zannin, Riccò et al., “AI to predict extrauterine growth restriction during transitional nutrition of preterm infants: a retrospective study”, pubblicato su Journal of Perinatology (Nature, 2026), vol. 46, pp. 416-424. DOI: 10.1038/s41372-025-02445-4.
Cosa li separa
Stessa etichetta, due cose diversissime. La nutrizione personalizzata da supermercato si rivolge a persone sane, con variabilità individuali piccole rispetto al rumore di fondo della vita (stress, sonno, esercizio, microbiota, abitudini del partner che cucina), e prova a estrarre un segnale da una manciata di SNP.
Quella di Monza si rivolge a pazienti dove la variabilità è enorme, le scelte cliniche cambiano l’esito misurabile in settimane, e i dati raccolti sono settantuno volte più ricchi di un test salivare. Una funziona perché c’è davvero qualcosa di personale da personalizzare. L’altra vende l’idea che esista qualcosa di personale.
Va detto, prima che parta l’accusa di nichilismo: la traiettoria della nutrizione personalizzata per il grande pubblico non è morta. Genomica, metabolomica e IA messe insieme potrebbero un giorno produrre qualcosa che batta davvero le raccomandazioni standard. Per ora però i sensori glicemici da farmacia (Stelo, Lingo, Libre Rio: stessa tecnologia di monitoraggio usata dai diabetici, rivenduta come wellness) ti dicono che la pasta in bianco alle sette di sera ti alza la glicemia. Cosa che, in effetti, sapevi. E i grandi studi epidemiologici di Harvard sulle diete, recentemente pubblicati, continuano a indicare la stessa direzione “noiosa”: verdure, integrali, legumi, pesce. Le stesse cose di vent’anni fa.
Quando lo vedremo davvero
Orizzonte stimato: 10-15 anni per una nutrizione personalizzata di consumo che batta davvero le raccomandazioni generiche. Già adesso per gli usi clinici mirati (terapia intensiva neonatale, gestione di patologie metaboliche complesse).
Per portare il valore clinico fuori dall’ospedale serviranno coorti molto più grandi, integrazione tra dati genetici, metabolomici, di microbiota e comportamentali, e algoritmi che pesino correttamente il rumore.
Beneficeranno per primi i pazienti con condizioni specifiche già seguiti in ambito ospedaliero. Il consumatore curioso col kit di saliva, invece, continuerà a pagare per un PDF dettagliato che non sposta gli esiti misurati. La differenza la fa il bisogno clinico, non l’entusiasmo.
Vent’anni di nutrizione personalizzata, e il bilancio è questo: dove serve davvero fa cose serie, dove non serve produce PDF colorati. Una signora a Monza domani guarderà un grafico di Shapley values per decidere quanti grammi di lipidi infondere a un neonato di un chilo.
Un’altra signora, a Milano, domani sputerà in una provetta per scoprire che dovrebbe mangiare più verdure.
