Un nuovo paradigma per la medicina delle reti 2.0
16.12.2025
La Network Medicine applica la scienza della complessità per integrare grandi quantità di dati biologici e costruire mappe dinamiche delle reti del corpo umano, con l'obiettivo di distinguere in modo più preciso salute e malattia. Grazie a strumenti della fisica statistica e dell'intelligenza artificiale, ha migliorato la comprensione delle patologie complesse, ma resta limitata da incertezze nei dati e dai modelli attuali, che necessitano di essere ampliati.
Nel lavoro appena pubblicato su «Cell Press - MED», "Challenges and opportunities in the network medicine of complex diseases", Valeria d’Andrea e Manlio De Domenico del Dipartimento di Fisica e astronomia “Galileo Galilei” dell’Università di Padova con Joseph Loscalzo - uno dei padri della medicina delle reti - del Department of Medicine della Harvard Medical School di Boston, propongono un cambio di paradigma basato su tre assunti: studiare le malattie come sistemi complessi interconnessi; accettare e integrare l'incertezza dei dati tramite modelli probabilistici; incorporare vincoli fisico-chimici per comprendere davvero le interazioni biologiche.
Come sottolinea Manlio Di Domenico, «la medicina delle reti permette innanzitutto di comprendere meglio i meccanismi delle malattie complesse», individuando biomarcatori più affidabili, nuovi bersagli terapeutici e opportunità di riposizionamento dei farmaci. Valeria d'Andrea ricercatrice del dipartimento di Fisica e Astronomia dell'Ateneo patavino, evidenzia come i recenti progressi nelle reti e negli strumenti computazionali consentano oggi di descrivere la complessità dei sistemi viventi come mai prima.
In questo contesto, il Padua Center for Network Medicine e l'Università di Padova hanno un ruolo centrale nel promuovere un approccio interdisciplinare che apre la strada a strumenti avanzati, come i gemelli digitali, per una medicina sempre più personalizzata. La "medicina delle reti 2.0" rappresenta quindi «un passo necessario» per trasformare la complessità dei dati biomedici in benefici concreti per medici e pazienti.
