Due lavori dell’Università di Padova esaminano come verificare i gemelli digitali e studiare la collaborazione tra agenti di intelligenza artificiale. Il nuovo centro di medicina delle reti punta a un prototipo biomedico verificabile. Per un uso clinico restano necessari dati sperimentali e supervisione umana.
Gemelli digitali: i criteri proposti dai ricercatori
Due lavori dell’Università di Padova affrontano temi complementari per la medicina di precisione. Nel contributo pubblicato su Nature Physics, Manlio De Domenico e colleghi chiedono criteri più rigorosi per definire i gemelli digitali. Nel secondo lavoro, su Nature Communications, De Domenico propone di studiare l’intelligenza artificiale agentica con gli strumenti della scienza delle reti e dei sistemi complessi.
Un gemello digitale è un modello collegato a uno specifico sistema reale, come il cuore di un paziente. La proposta dei ricercatori prevede aggiornamenti quando arrivano nuove osservazioni, previsioni verificabili e un’indicazione esplicita delle incertezze. I dati consentono di confrontare le previsioni con ciò che accade e di valutare in simulazione interventi alternativi. In biologia il confronto è complesso perché alcuni processi non sono direttamente osservabili e le terapie possono modificare le dinamiche studiate.
Come interagiscono gli agenti artificiali
I sistemi di IA agentica riuniscono più agenti in grado di usare strumenti e condividere informazioni. Secondo De Domenico, il modo in cui gli agenti comunicano incide sulla possibilità di esplorare alternative e correggere gli errori. Può anche amplificare un errore e portarli a convergere troppo presto su una stessa risposta. Un disaccordo persistente tra osservazioni e previsioni può suggerire nuove ipotesi, da sottoporre a verifica sperimentale.
Il centro padovano e il prototipo biomedico
Il Padua Center for Network Medicine 2.0 coinvolge 14 dipartimenti e 37 tra docenti e ricercatori dell’Ateneo e dell’Istituto Oncologico Veneto. Il centro punta a costruire un’infrastruttura condivisa per integrare e analizzare dati biomedici e a sviluppare un prototipo da aggiornare e verificare attraverso dati sperimentali. L’Università precisa che validazione, quantificazione dell’incertezza e supervisione umana restano indispensabili, soprattutto in ambito clinico.
