(seconda parte “La trama invisibile delle Malattie”)
di Cosimo Prantera
I sistemi biologici non sono sistemi chiusi; per mantenere la propria omeostasi, necessitano di continui scambi con l’ambiente in cui sono immersi. È proprio questa natura di “sistemi aperti” a permettere agli organismi un elevato grado di ordine e organizzazione.
In un sistema isolato, al contrario, l’entropia — misura del disordine e della casualità — tende inesorabilmente ad aumentare, come stabilito dal secondo principio della termodinamica.
È interessante ipotizzare che la proprietà di essere sistemi aperti sia la chiave per spiegare non solo come la vita organica sia emersa dalla materia, ma anche l’ineluttabilità della morte.
La teoria della “dissipazione di energia”, sostenuta tra gli altri dal fisico Jeremy England, suggerisce che la vita nasca come proprietà emergente per permettere ai sistemi aperti di dissipare energia e, quindi, di controllare l’entropia in modo efficiente. In quest’ottica, la vita è l’atto di auto-organizzarsi per creare ordine interno, convertendo l’energia (come la luce solare) in calore, in modo molto più efficace rispetto alla materia inorganica.
In sintesi: la vita è l’atto di resistere all’entropia.
Per mantenere e fare evolvere l’ordine, il sistema biologico deve preservare un ambiente interno stabile malgrado sia immerso in un contesto esterno caotico.
Questa capacità di autoregolazione chimico-fisica è l’omeostasi.
Dobbiamo anche capire che il sistema biologico opera in un ambiente “non lineare” dove piccole variazioni delle condizioni iniziali possono produrre risultati divergenti e imprevedibili: è il celebre “effetto farfalla” teorizzato da Edward Lorenz, dove un evento infinitesimo può scatenare conseguenze sistemiche imprevedibili.[1]
L’effetto Lorenz descrive l’ambiente nel quale operano i sistemi biologici soggetti al caos deterministico, come viene definito dalla teoria del caos.
L’omeostasi, dunque, non è una condizione statica, ma un equilibrio dinamico e precario in un mondo che tende costantemente al disordine.
Questo è lo straordinario paradosso della vita: l’omeostasi opera in un ambiente caotico, ad alta entropia dove una variazione infinitesimale può scatenare conseguenze sistemiche inattese.
Il sistema biologico, così come la vita, devono resistere all’entropia e questo significa che devono costantemente ricalibrare i propri parametri interni per neutralizzare le turbolenze esterne prima che queste spingano il disordine fino alla rottura.
La Teoria del Caos ci segnala i limiti della capacità umana di prevedere il futuro dei sistemi complessi, mettendo in discussione il concetto classico di determinismo.
Sia la teoria del caos che la meccanica quantistica hanno incrinato il pensiero della fisica newtoniana che aveva dominato la filosofia e la fisica fino agli inizi del ‘900.
Tuttavia il limite posto dal Caos e dalla Meccanica Quantistica non sembra disegnare un vero indeterminismo ontologico, che ostacolerebbe ogni possibile previsione, ma piuttosto che l’apparente indeterminismo sia conseguenza di una nostra limitatezza gnoseologica nell’identificare cosa causa un evento.
In poche parole le cause ci sono ma possono essere così complesse da rendere difficile la loro identificazione.
Per questo motivo oggi la teoria del caos viene definita deterministica: perché’ rifiuta che i fenomeni fisici siano casuali.
La limitatezza del nostro pensiero, che fisica e filosofia attualmente sostengono, quando applicati al sistema malattia, rendono chiaro quali siano le molte difficoltà a risalire alle vere cause iniziali della perturbazione della omeostasi che segnala l’inizio di tutte le patologie.
In conclusione dovremmo rassegnarci all’idea, oggi e forse per sempre, che il sistema malattia rappresenta l’evento catastrofico di una serie di numerosissime insignificanti cause, alle quali è difficilissimo risalire.
La complessità dei sistemi biologici
La struttura dei sistemi biologici è, per le ragioni esposte, enormemente complessa.
La complessità in biologia ha un significato filosofico profondo: la vita non è un sistema deterministico, ma ha le caratteristiche di un sistema che si auto-organizza, ed ha una memoria della sua evoluzione. I rapporti tra i suoi componenti non sono lineari.
La scienza della complessità studia i sistemi che hanno molte componenti che, reagendo fra di loro, fanno emergere nuove proprietà. E sono proprio le “proprietà emergenti” nel sistema che spiegano perché gran parte della ricerca sulle cause e sui meccanismi delle malattie aveva un difetto riduzionistico di base.
Indagare isolatamente le singole componenti, come è avvenuto in passato per limitatezza di mezzi e conoscenza, non poteva spiegare o fare previsioni sul funzionamento di qualsiasi sistema complesso.
Le proprietà emergenti sono un concetto della scienza della complessità che descrive come i sistemi con molte componenti manifestano nuove proprietà di livello superiore, in conseguenza delle loro interazioni.
Il fisico Murray Gell-Mann così definiva questo processo “Non c’è bisogno di qualcosa di più per ottenere qualcosa di più. Ecco cosa significa emergenza”.
Due importanti esempi di quella che viene considerata dalle scienze cognitive proprietà emergente sono l’intelligenza e la coscienza.
Per quanto riguarda la coscienza attribuirle la proprietà di emergenza aiuta a risolvere poco il difficile problema di cosa essa sia, quali siano i correlati neurali dove sia localizzata, e il suo reale compito evolutivo.
Per l’emergere dell’intelligenza dobbiamo considerare che, mentre appare ovvio come un singolo neurone non sia intelligente, è dall’insieme dei neuroni, collegati attraverso le sinapsi che, ad un certo punto dell’evoluzione di alcuni esseri biologici, sia emersa l’intelligenza.
Non ha nessuna logica oggi cercare il momento di quando l’intelligenza sia apparsa nel processo evolutivo, ma questa proprietà ha permesso agli esseri biologici superiori nella scala evolutiva di affrontare e risolvere i nuovi problemi che l’ambiente opponeva alla loro sopravvivenza.
È molto interessante specificare che molti di quelli che si occupano dell’intelligenza artificiale (AI), conoscono bene che l’AI non è realmente intelligente. L’AI non possiede, al momento, le caratteristiche peculiari che oggi gli scienziati cognitivi attribuiscono all’intelligenza.
Il termine AI è stato suggerito con successo da Mc Carty nel 1955 e di per sé non è disturbante se non avesse creato una credenza comune che l’AI sia veramente intelligente e possa risolvere tutti i nuovi problemi che non sono stati ancora risolti dall’intelligenza umana.
Ed è per questo che scienziati, come recentemente Joshua Bengio, ipotizzano che una certa forma di intelligenza, essendo stata una proprietà emergente del cervello del sapiens, possa emergere anche nei nuovi Large Language Models (LLM) come conseguenza delle loro enormi capacità computazionali.
Riassumendo la complessità dei sistemi biologici e’ la spiegazione teorica che discipline, come in passato la biologia molecolare, fossero insufficienti a dedurre, dal comportamento di una parte del sistema, il comportamento nella sua interezza.
Un evidente esempio di questo approccio riduzionistico si è evidenziato quando, dopo la scoperta che l’ulcera duodenale era causata da un batterio, l’helicobacter pilori, l’ipotesi batterica si era di nuovo riaffacciata per alcune malattie croniche come è avvenuto per la Malattia di Crohn[2].
Tutte le ricerche che hanno indagato su cause singole, appartengono quindi al vecchio paradigma riduzionistico incapace di dare spiegazioni a processi cosi’ complessi dove la previsione delle nuove proprietà che appaiono ai livelli superiori del sistema non e’ quasi mai possibile.
Per questo l’anti-riduzionismo e’ diventato il pensiero centrale della filosofia della odierna biologia.
La ovvia conclusione e’ che la individuazione delle cause e della patogenesi del sistema malattia, per aver successo, debba essere affrontata nel suo insieme.
Quindi, la sfida che la ricerca delle cause di malattia oggi ci propone è quella di capire come il suo aggrovigliato sistema possa essere analizzato nella sua complessità.
Se, come e’ probabile che in alcuni sistemi come quelli biologici, come le reti neurali del nostro cervello, come le reti neurali artificiali della AI ed altri come il traffico aereo od il World Wide Web, la trasmissione delle informazioni avvenga attraverso reti, i modelli “in silico” proposti dalla “teoria dei networks”, della quale parleremo nella terza parte dell’articolo, dovrebbero essere molto utili per la loro comprensione.
Ma sin da ora penso sia utile versare un flacone di sano scetticismo perche’ l’impresa di spiegare fino a fondo l’origine dello squilibrio della omeostasi che avviene negli organismi viventi, potrebbe non essere destinata al successo.
Come abbiamo in parte già visto, sono i fenomeni legati al caos, all’influenza di minime combinazioni di cause, alla intrinseca complessità del fenomeno “vita”, caratterizzato da un alto livello di imprevedibilità e da un rapporto non lineare fra causa ed effetto, a rappresentare l’ostacolo che rende insuperabile, almeno fino ad oggi, una comprensione soddisfacente dello squilibrio omeostatico.
Un primo passo verso la comprensione del sistema malattia è quella di identificare la sua struttura quindi, potremmo dire, il suo hardware, ed introdurre la” Teoria delle Reti” (Network Theory).
Continua…
[1] Effetto farfalla: è alla base della teoria del caos. È stato descritto dal matematico e meteorologo Edward Lorenz negli anni ’60 del secolo passato.
Lorenz, digitando per 2 volte i numeri in un programma di previsione meteorologica, che utilizzava un modello basato su una dozzina di variabili, si accorse che, elidendo gli ultimi tre dei sei decimali dell’algoritmo, le previsioni cambiavano completamente. Lorenz defini’ questa piccola modifica l’equivalente di un battito d’ali di una farfalla ed espresse la sua nota metafora “Può un battito d’ali di una farfalla in Brasile causare un tornado in Texas?”.
Una filastrocca, che risale al 1500 descrive questo fenomeno dove la perdita di un chiodo in un ferro di cavallo innesca una serie di eventi catastrofici che portano alla perdita di un regno:
“For want of a nail the shoe was lost. For want of a shoe the horse was lost. For want of a horse the rider was lost. For want of a rider the battle was lost. For want of a battle the kingdom was lost. And all for the want of a horseshoe nail”.
Una recente interpretazione suggerisce che questa nota filastrocca abbia ispirato William
Shakespeare nel suo “Riccardo III” quando il Re Riccardo, disarcionato dal suo cavallo in battaglia, gridava “A Horse! A Horse! My Kingdom for a Horse”. “Un cavallo! Un cavallo! Il mio regno per un cavallo!”.
[2] Dobbiamo premettere che la medicina propone modelli di malattia che contengono patologie con sintomi e manifestazioni patologiche similari. Noi sappiamo che ogni modello e’ uno strumento imperfetto e soggetto a modifiche man mano che le conoscenze si accrescono. Come diceva uno statistico “Tutti i modelli sono sbagliati, ma alcuni sono utili”.
La malattia di Crohn era stata classificate fino alla fine degli anni venti nel modello delle patologie tubercolari localizzate all’intestino. Era considerata come una variante dell’enterite tubercolare malgrado che le lesioni non contenessero micobatteri. Nella prima metà degli anni trenta, proprio per questa incongruenza, questa patologia esce dal modello infettivo e rimane senza una nuova classificazione fino a rientrare oggi nel gruppo delle malattie infiammatorie croniche immuno-mediate. Alla fine degli anni settanta alcune ricerche provenienti dagli US rispolverarono la ipotesi batterica attribuendo la malattia di Crohn al micobacterium paratubercolosis causa della Malattia di Johne nei ruminanti. Ipotesi che, nell’arco di 5 anni fu definitivamente dichiarata falsa.
