Big data significa cambiare radicalmente il modo di pensare, sia nella ricerca scientifica che in altre applicazioni. Non si tratta di usare grandi archivi, con migliaia, o milioni, di persone coinvolte, di dati su variabili identificate “a priori” e ordinati nei database epidemiologici.

Quelli esistono già, e la medicina li usa da tempo per effettuare le sue ricerche. Big data, invece, significaraccogliere informazioni su tutto, anche su aspetti che al momento non sembrano importanti.

Non solo i dati provenienti dalla cartella clinica e dai database amministrativi sui ricoveri ospedalieri, o da questionari strutturati sulle abitudini alimentari, ma anche informazioni sull’ambiente in cui la o il paziente vive, o le infrastrutture del territorio, o ancora tutti i dati raccolti dalle tante app ormai disponibili sugli smartphone. A tutto questo vanno aggiunti i dati provenienti dalle analisi “omiche” che con un solo test permettono di avere informazioni su tutte le variazioni, genetiche o epigenetiche, tutti i metaboliti, tutti i batteri presenti nel nostro organismo.

Una rivoluzione culturale e metodologica. Non più informazioni standard per tutti, ben organizzate, ma raccogliere dati che al momento possono apparire persino irrilevanti. Ai normali dati medici e biologici, grazie alla geolocalizzazione, può essere aggiunta la posizione geografica in cui una persona vive, l’economia della sua città, il meteo, i suoi interessi culturali, il suo tempo libero e migliaia, milioni, di altre informazioni. Archivi disordinati, magari raccolti in modi completamente diversi, in occasioni diverse. Nel modo di pensare classico sarebbero inutili. Invece, “macinandoli” secondo procedimenti Bg Data, potrebbero far emergere idee completamente nuove.

In questo modo si otterranno caratteristiche estremamente definite, cruciali per una medicina “fatta su misura”. Da un punto di vista epidemiologico non è più importante analizzare enormi popolazioni, magari con poche variabili per ciascun soggetto, ma elaborare milioni di informazioni anche per un unico soggetto (i cosiddetti “N-of-1 study”).