Chikungunya, dengue, malattia del Nilo Occidentale. Nomi esotici che stiamo imparando a conoscere. I cambiamenti climatici portano in Europa diverse specie di zanzare, potenziali vettori di malattie infettive. Il rischio che si diffondano è sempre più reale e sempre più reali sono i casi gravi di malattie fino a pochi anni fa sconosciute alle nostre latitudini. Da qui nasce la necessità di trovare sistemi di analisi e di prevenzione: l’Università di Trento è partner di un progetto europeo che ha vinto cinque milioni di euro per l’elaborazione di un prototipo di allerta precoce delle malattie trasmesse da insetti come le zanzare.
Nel 2008 in Emilia Romagna e nel 2017 tra Lazio e Calabria ci sono state due epidemie di chikungunya, una malattia trasmessa dalla zanzara tigre, Aedes albopictus. Non sono stati eventi del tutto isolati. Dal 2010 è stata registrata in Europa una trentina di casi di trasmissione locale della febbre dengue, una malattia endemica nelle regioni tropicali che è arrivata in Europa al seguito di viaggiatori infetti. Anche per la dengue, il vettore principale è una zanzara, la Aedes aegypti, ma anche la zanzara tigre può trasmetterla, in modo meno efficiente. Infine, negli ultimi anni sono stati segnalati in varie zone dell’Europa casi umani di malattia del Nilo Occidentale, causata dall’omonimo virus (West Nile Virus, Wnv). In questo caso si tratta di un’infezione trasmessa dalla zanzara comune, la Culex pipiens, che colpisce numerose specie di uccelli. Anche un essere umano punto da una zanzara infetta però può contrarre la malattia e, in meno dell’1% dei casi, sviluppare gravi sintomi neurologici. L’incidenza di tale infezione è molto variabile negli anni. Finora l’anno di massima circolazione è stato il 2018, che ha registrato un picco di 42 morti in Italia, in particolare in Emilia-Romagna e Veneto, secondo i dati dell’Istituto Superiore di Sanità.
In questo quadro, si può capire perché l’Unione Europea è interessata a sviluppare metodi per prevenire la diffusione di queste malattie. All’interno del programma Horizon 2020 l’Eic (European Innovation Council) aveva bandito nel 2018 un premio per un gruppo o consorzio di ricerca. Il bando chiedeva di sviluppare un sistema di allerta precoce, “early-warning”, per malattie trasmesse da vettori animali. Non soltanto zanzare, ma anche zecche, pulci e altri artropodi. Questo modello doveva essere “scalable, reliable and cost-effective”.
I gruppi di ricerca in malattie infettive dell’Università di Trento e della Fondazione Mach da anni si occupano della modellizzazione matematica di queste infezioni, in collaborazione con la rete degli istituti zooprofilattici sperimentali e con altri partner italiani e stranieri. Per questa loro esperienza, sono stati contattati da alcuni ricercatori greci del National Observatory of Athens (Noa). La proposta era di collaborare a un progetto comune: usare dati satellitari per fornire previsioni sull’abbondanza di zanzare e sul rischio di trasmissione dell’infezione da Wnv. Si è quindi arrivati a costituire il consorzio Eywa, guidato dal Noa e composto da 15 partner di Grecia, Germania, Francia, Serbia – e Italia, con l’Università di Trento, la Fondazione Mach e l’Istituto Zooprofilattico delle Venezie (Izsv). Il consorzio ha realizzato già dal 2020 un prototipo, le cui performance hanno fatto attribuire ad Eywa il premio da 5 milioni di euro messo in palio dall’Eic.
Su cosa si basa il sistema utilizzato da Eywa? Un elemento fondamentale sono le osservazioni fatte sul campo da vari partner. In Italia l’Izsv fornisce i dati sulle zanzare catturate quindicinalmente nelle trappole e la percentuale di esse infette da Wnv. Questi dati servono a costruire e validare i modelli utilizzati per le previsioni.
Il progetto si basa, da una parte, su un modello “data driven”, chiamato Mamoth, che lavora con metodi di machine learning. Mamoth seleziona automaticamente tutte le variabili che derivano da osservazioni satellitari o da misure locali, utili a prevedere l’abbondanza delle zanzare. Quando sono disponibili nuove osservazioni, queste vengono confrontate con le previsioni e l’algoritmo di previsione viene eventualmente aggiornato. Il primo anno di funzionamento ha mostrato che l’errore di previsione è rimasto contenuto. In particolare, l’errore resta entro pochi punti percentuali quando nella previsione mensile si usa anche la quantità di zanzare misurata nel mese precedente. In assenza di dati locali sulla presenza di insetti, la previsione è invece meno accurata.
Un secondo approccio si basa sui modelli standard in ecologia ed epidemiologia, nei quali si divide la popolazione fra individui infetti, suscettibili (cioè sani ma che si possono infettare) e immuni. In questi casi si scrive una serie di equazioni che descrivono due fenomeni: le transizioni del ciclo vitale delle zanzare da uovo a larva a pupa ad adulto, e le infezioni a seguito di zanzare infette che pungono uccelli o esseri umani suscettibili, o viceversa di zanzare suscettibili che pungono uccelli infetti. È noto da studi di laboratorio che molti parametri che regolano queste transizioni dipendono dalla temperatura e che quindi i dati meteorologici influenzano la dinamica dei modelli. In questo tipo di modelli sono i ricercatori a definire quali sono i processi e le variabili importanti, ed è quindi spesso più complesso renderli affidabili nelle previsioni. D’altra parte, essi riescono a mettere in luce i fattori più importanti. In questo modo si è visto che temperature più alte del normale in primavera amplificano la circolazione del virus Wnv, aumentando il rischio di trasmissione umana nel corso dell’anno. In prospettiva, il progetto prevede di comprendere ed integrare entrambi gli approcci modellistici.
Un sistema di previsioni di questo tipo ha molti vantaggi. Tramite questi modelli si possono infatti simulare interventi di sanità pubblica. Da una parte, un sistema di “early-warning” può fornire pre-allarmi per situazioni potenzialmente di rischio. In tal modo, le persone possono aumentare le precauzioni ed eventuali interventi con insetticidi vengono compiuti solo dove necessario. D’altra parte, rende possibile compiere analisi di scenario che aiutino nella scelta delle strategie migliori per limitare i rischi per la popolazione.