@raccoon42 Running decision models locally is exactly the sweet spot where AI chat and personal agents meet privacy — you get the behavior without handing your conversations to a cloud. Jev IA looks like a clean take on that. How much VRAM does it actually need to stay responsive with a long context, and are you running it with an offload strategy or fully on the GPU? #ai #selfhosted
Search
28 results for “raccoon”
-
How to run decision models (like JEV AI) locally (#dev #ai #selfhosted #local #privacy)
https://raccoon.ninja/post/dev/running-jev-ai-model-locally/ -
Como rodar o modelo de decisão (tipo Jev IA) localmente (#dev #ai #selfhosted #local #privacy)
https://raccoon.ninja/pt/post/dev/running-jev-ai-model-locally/ -
Today is the Oeshiki festival in Tokyo https://cromwell-intl.com/travel/japan/tokyo-asakusa/raccoon-dogs.html?s=mb #travel
-
Today is the Oeshiki festival in Tokyo https://cromwell-intl.com/travel/japan/tokyo-asakusa/raccoon-dogs.html?s=mb #travel
-
-
大雨の中、車で女性を轢いてしまうが『バイオハザード：ウェルカム・トゥ・ラクーンシティ』（吹替版） https://drama.io/935271/ #film #free #movie #RaccoonCity #ResidentEvil #RESIDENTEVIL:WELCOMETORACCOONCITY #SonyPictures #アヴァン・ジョーギア #アクション #ヴィクター・ハディダ #カヤ・スコデラーリオ #ジェームズ・ハリス #ジェレミー・ボルト #ソニーピクチャーズエンタテインメント #ドナル・ローグ #トム・ホッパー #ニール・マクドノー #ハートリー・ゴーレンスタイン #バイオハザード #バイオハザード：ウェルカム・トゥ・ラクーンシティ #ハナ・ジョン＝カーメン #ファイルーズあい #フル #ポール・W・S・アンダーソン #ホラー #マルティン・モスコヴィッツ #ヨハネス・ロバーツ #ラクーンシティ #ロバート・クルツァー #ロビー・アメル #堀内賢雄 #小林裕幸 #平田広明 #日野聡 #映画 #映画無料 #木村昴 #梶裕貴 #沢城みゆき #無料公開
-
https://www.europesays.com/it/728502/ Morto il fotografo Paolo Gotti: in 50 anni di carriera ha raccontato luoghi e culture dei 5 continenti #Arte #ArteEDesign #ArteEdesign #Arts #ArtsAndDesign #carriera #continenti #culture #Design #Entertainment #fotografo #gotti #Intrattenimento #IT #Italia #Italy #luoghi #morto #paolo #raccontato
-
€uro MONETE RACCONTANO
La storia attraverso le euro monete
#13ottobre 1822 muore Antonio Canova, scultore e pittore italiano 🇮🇹
https://eurocollezione.altervista.org/_SAN_MARINO_/_2_euro_2022_commemorativo_Canova.htm
#SanMarino #2euro #Canova -
Era un po' che volevo raccontare delle stranezze dei neutrini, e poi ora c'è stato pure il Nobel, quindi...
Lo so lo so, è su substack. Non so se mi piace, mi struggo ma per ora è così.
-
https://www.csseo.org/1337775/ “Carlo Acutis – Il giovane santo”: il racconto più intimo arriva dopo il record di ascolti del film su Canale 5 #Cronaca #CronacaItaliana #Italia #Italy #Notizie #UltimeNotizie #UltimeNotizieENewsDiOggi #UltimeNotizieItalia
-
https://www.europesays.com/it/728697/ “Carlo Acutis – Il giovane santo”: il racconto più intimo arriva dopo il record di ascolti del film su Canale 5 #Cronaca #Headlines #IT #Italia #Italy #News #Notizie #NotizieDiCronaca #NotiziePrincipali #NotizieDiCronaca #NotiziePrincipali #Titoli #UltimeNotizie #UltimeNotizieDiCronaca #UltimeNotizieENewsDiOggi #UltimeNotizie #UltimeNotizieDiCronaca #UltimeNotizieEnewsDiOggi
-
🧠 Ho 5 abbonamenti #Kimi Pro per 5 idee da sviluppare con l’#AI. Racconta come lo useresti: sceglierò le proposte per utilità concreta, originalità e fattibilità.
👉 I dettagli: https://lnkd.in/p/dxAupjNP___
✉️ 𝗦𝗲 𝘃𝘂𝗼𝗶 𝗿𝗶𝗺𝗮𝗻𝗲𝗿𝗲 𝗮𝗴𝗴𝗶𝗼𝗿𝗻𝗮𝘁𝗼/𝗮 𝘀𝘂 𝗾𝘂𝗲𝘀𝘁𝗲 𝘁𝗲𝗺𝗮𝘁𝗶𝗰𝗵𝗲, 𝗶𝘀𝗰𝗿𝗶𝘃𝗶𝘁𝗶 𝗮𝗹𝗹𝗮 𝗺𝗶𝗮 𝗻𝗲𝘄𝘀𝗹𝗲𝘁𝘁𝗲𝗿: https://bit.ly/newsletter-alessiopomaro -
News e ultime notizie su politica, cronaca, giustizia, economia | Il Fatto Quotidiano [Unofficial] @[email protected]“Maria De Filippi cambia numero di telefono continuamente e quando chiama con l’ultimo non lo riconosco, così è molto probabile che non le risponda. Le voglio molto bene ma…”: il racconto di Luciana Littizzetto
-
Due monete da un colle gallese rilanciano la narrazione dell’uomo che tenne in scacco l’Impero Romano
https://www.jacoporanieri.com/blog/?p=45366#personaggi #storia #narrazioni #racconto #archeologia #ritrovamenti #studiosi #monete #numismatica #letteratura #forti #fortezze #accampamenti #costruzioni #romani #impero #imperatori #comandanti #legioni #conflitti #britannia #popoli #guerrieri
-
📰 «Il cielo in una stanza» cantata da Sayf nel documentario sui detenuti del carcere di Chiavari – Il video
#️⃣ #ATTUALITÀ #Carcere #Documentari #Genova #Liguria #Rap #OpenOnline
🔗 https://www.open.online/2026/10/13/sayf-il-cielo-in-una-stanza-documentario-carcere-chiavari/
Il mediometraggio di Claudio Cabona e Yuri Dellacasa racconta la musica come strumento di rieducazione e riscatto: «La creatività nasce anche con pochi mezzi» L'articolo «Il cielo in una stanza» cantata da Sayf nel doc…
-
📰 Silvia Salis e la scelta della fecondazione assistita per il figlio che porta solo il cognome della madre: «Perché non c’è niente di cui vergognarsi»
#️⃣ #POLITICA #Bambini #Genova #Gravidanza #Liguria #Maternità #SilviaSalis #OpenOnline
🔗 https://www.open.online/2026/10/13/silvia-salis-fecondazione-assistita-anticipazioni-libro/
La sindaca di Genova racconta per la prima volta il percorso «non sempre lineare» per diventare madre. Un anno di tentativi con il marito Fausto Brizzi, poi la…
-
https://www.europesays.com/it/727046/ Uno scarabocchio diventa arte tra le Langhe: la casa disegnata sul banco che racconta un mondo #AliceVisentin #Arte #ArteEDesign #ArteEdesign #Arts #ArtsAndDesign #Bra #Design #dogliani #EnricoIuliano #Entertainment #FondazioneArteCrt #Intrattenimento #IT #Italia #Italy #LimonePiemonte #MartaPapini #MonforteD'Alba #PetritHalilaj #Radis
-
https://www.europesays.com/it/726938/ Stallone: «Ho perdonato i miei genitori: non vennero quando vinsi l’Oscar» #Celebrità #Celebrities #cuore #Entertainment #genitori #Intrattenimento #IT #Italia #Italy #oscar #podcast #PodcastTalks #PodcastTalksYoutube #racconta #rambo #rocky #RockyRambo #stallone #talks #TalksYoutube #tornare #vennero #VenneroVinsi #VenneroVinsiOscar
-
L’AI migliora le previsioni meteo fino a sei settimane: la scoperta del MIT che potrebbe aiutarci a prepararci prima
A volte il problema non è sapere se domani pioverà. È capire se fra tre settimane arriverà un’ondata di freddo abbastanza intensa da mettere in difficoltà una rete elettrica, un raccolto o un’intera città. In quel caso, ricevere l’avviso con due giorni di anticipo può essere quasi inutile. Averne quattordici potrebbe cambiare parecchio le cose.
Il 14 ottobre 2026 il Massachusetts Institute of Technology ha raccontato i risultati di una ricerca pubblicata sulla rivista scientifica Nature: un sistema di apprendimento automatico capace di migliorare le previsioni meteorologiche nell’intervallo più difficile, quello tra due e sei settimane. Non inventa un nuovo clima, non guarda dentro una sfera di cristallo e soprattutto non promette di dirci con certezza se pioverà alle 16:30 del 12 novembre. Fa qualcosa di meno spettacolare, ma probabilmente più utile: impara a riconoscere gli errori sistematici dei modelli esistenti e li corregge.
La differenza, come spesso succede con l’intelligenza artificiale, è tutta nel verbo. Non «indovinare», ma «migliorare».
Il deserto delle previsioni: perché due settimane sono un confine complicato
Siamo abituati ad aprire un’applicazione e a leggere la temperatura prevista per domani. A breve distanza, le osservazioni dell’atmosfera offrono una base abbastanza solida: pressione, vento, umidità, oceani e molti altri parametri vengono elaborati da modelli fisici sempre più raffinati. Più ci allontaniamo dal presente, però, più gli errori iniziali possono amplificarsi.
Il meteorologo e matematico Edward Lorenz ha contribuito a spiegare questo comportamento attraverso la teoria del caos. Non significa che l’atmosfera si muova senza regole: significa che differenze minuscole nelle condizioni di partenza possono condurre a evoluzioni molto diverse. Ecco perché una previsione dettagliata per una singola giornata, fatta con un mese di anticipo, è un esercizio poco affidabile.
Esiste però una via di mezzo tra la previsione quotidiana e le tendenze climatiche stagionali. Gli esperti la chiamano previsione substagionale: riguarda periodi medi, spesso settimane intere, e prova a stimare probabilità di caldo, freddo, pioggia o anomalie rispetto alla norma. Proprio questo intervallo da due a sei settimane è stato definito un «deserto della prevedibilità». È troppo lontano per fidarsi soltanto delle condizioni iniziali, ma troppo vicino per affidarsi alle sole tendenze di lungo periodo.
Eppure è l’intervallo in cui si prendono decisioni molto concrete: quanta energia acquistare, quando preparare le scorte, come pianificare le attività agricole e quando mettere in allerta i servizi di emergenza.
Il trucco non è sostituire i meteorologi, ma correggere i loro modelli
Il gruppo di ricerca, che comprende studiosi del MIT, Microsoft Research, Harvard, Università di Toronto e del Centro europeo per le previsioni meteorologiche a medio termine (ECMWF), ha sviluppato un metodo chiamato Probabilistic Bias Correction, abbreviato PBC.
Il concetto è semplice da spiegare, anche se realizzarlo richiede molta statistica. Immaginiamo che un sistema meteorologico tenda, in certe condizioni, a sovrastimare la probabilità di precipitazioni oppure a sottovalutare il rischio di temperature estreme. Non basta sottrarre una quantità fissa: l’errore può cambiare a seconda della zona, della stagione, della distanza temporale e della distribuzione delle probabilità.
PBC studia le previsioni storiche, le confronta con quanto è realmente accaduto e impara come modificare le probabilità prodotte dal modello originale. È uno strato aggiuntivo, una sorta di revisore che conosce i difetti ricorrenti del collega. E, diversamente da una correzione grossolana che spinge tutto verso la media, prova a conservare anche le informazioni sugli eventi meno comuni.
Non si tratta quindi di un’intelligenza artificiale che sostituisce completamente la fisica dell’atmosfera. Il sistema parte da previsioni già esistenti, fisiche o basate sull’AI, e cerca di renderle più utili. Questo dettaglio conta anche per i costi: secondo i ricercatori, il metodo è relativamente leggero, adattabile e distribuito come software aperto.
Schema illustrativo generato con AI, non rappresentazione dei dati originali.I risultati: attenzione a non confondere precisione e certezza
Nello studio, pubblicato su Nature il 14 ottobre, gli autori hanno applicato PBC ai modelli meteorologici dell’ECMWF. I risultati riportano miglioramenti rispetto al modello dinamico già corretto operativamente nel 91% degli obiettivi relativi alla pressione, nel 92% di quelli relativi alla temperatura e nel 98% di quelli relativi alle precipitazioni. Sono quote di obiettivi valutati nei test, non percentuali di giornate in cui la previsione sarebbe «giusta».
Per il sistema di previsione AI dell’ECMWF, gli autori parlano inoltre di un raddoppio della sua capacità predittiva, che partiva però da valori modesti in questo intervallo temporale. Anche qui bisogna stare attenti: «raddoppiare la capacità» non equivale a «prevedere il meteo con il 100% di accuratezza».
Un altro elemento interessante è la valutazione in tempo reale: nel concorso internazionale AI Weather Quest del 2025, le previsioni globali del sistema si sono classificate prime nelle variabili e negli orizzonti considerati, superando i modelli di diversi centri meteorologici e le proposte di numerosi gruppi partecipanti. Non è una garanzia che vincerà ogni confronto futuro, ma è una verifica più convincente di un test condotto soltanto su dati già conosciuti.
Gli autori riportano anche progressi nella previsione probabilistica degli eventi estremi. È probabilmente il punto con le ricadute sociali maggiori, purché venga letto per ciò che è: una probabilità meglio calibrata, non un allarme infallibile.
Perché un agricoltore o un gestore della rete elettrica dovrebbero interessarsene
Nel 2021 il Texas attraversò una crisi energetica devastante durante una serie di tempeste invernali. Il MIT ricorda che le interruzioni e le conseguenze della crisi provocarono almeno 246 morti. Sarebbe scorretto sostenere che questo nuovo modello avrebbe impedito quella tragedia: non è stato dimostrato. Ma il caso aiuta a capire perché una settimana in più di preparazione possa valere molto più di una previsione leggermente più precisa per domani.
Un gestore della rete può pianificare disponibilità di combustibili e capacità di riserva. Un consorzio agricolo può valutare quando proteggere le colture dal gelo o distribuire fertilizzanti. Chi gestisce l’acqua può anticipare alcune decisioni, senza aspettare l’ultimo momento. Naturalmente ogni scelta deve integrare il rischio economico dei falsi allarmi: mobilitare risorse inutilmente ha un costo, ma arrivare impreparati può averne uno enormemente maggiore.
Il gruppo del MIT riferisce che il servizio meteorologico del Kenya ha manifestato interesse per utilizzare il metodo nella pianificazione delle piogge stagionali. È un esempio promettente di trasferimento verso contesti in cui avere più informazioni non significa soltanto comodità, ma sicurezza alimentare. Non equivale però a un’adozione nazionale già completata.
Quello che questa AI non sa ancora fare
Il limite fondamentale non scompare: l’atmosfera rimane un sistema caotico. PBC può correggere componenti prevedibili dell’errore, non cancellare tutte le incertezze. Una previsione di tre settimane non diventa il bollettino preciso di dopodomani. E i risultati medi globali non garantiscono lo stesso miglioramento per ogni regione, stagione, fenomeno o singolo episodio.
C’è poi la distanza tra una ricerca scientifica e il suo utilizzo quotidiano. I servizi meteorologici devono verificare i dati, integrare i modelli nelle procedure operative, misurare la calibrazione degli allarmi e decidere come comunicare probabilità difficili da interpretare. Dire «aumenta il rischio di freddo intenso» può essere molto utile, ma solo se chi riceve l’informazione sa quali azioni sono proporzionate.
Infine, una tecnica che apprende dagli errori passati deve essere monitorata quando cambiano i modelli di partenza o il comportamento del clima. Un buon risultato pubblicato oggi non esonera dal controllo continuo domani.
Illustrazione concettuale generata con AI; non è una previsione reale.Il vero progresso è avere tempo per decidere
Mi colpisce un aspetto di questa ricerca: non ha cercato di buttare via un sistema complesso per sostituirlo con una scatola nera più alla moda. Ha provato a migliorare ciò che già funziona, imparando dagli errori. È una forma di innovazione meno appariscente di un chatbot che risponde a tutto, ma forse più vicina ai problemi reali.
Quando si parla di intelligenza artificiale, spesso si misura il progresso in velocità, potenza e quantità di dati. Qui il risultato potenzialmente più importante è un altro: tempo. Tempo per mettere al sicuro un raccolto, preparare una rete elettrica, organizzare una risposta. Non sapere con certezza che cosa succederà, ma avere elementi migliori per scegliere prima.
Non è poco. E, per una volta, la previsione più interessante non riguarda il meteo: riguarda il modo in cui potremmo usare meglio le informazioni che già possediamo.
Fonti
- Studio originale su Nature, 14 ottobre 2026: Advancing subseasonal forecasting with machine learning
- MIT News, 14 ottobre 2026: Researchers improve weather forecasts looking two to six weeks out
- ECMWF, 13 marzo 2026: descrizione e contesto della competizione AI Weather Quest
- Codice aperto PBC pubblicato dai ricercatori
-
📰 Neonato abbandonato, la testimone: «Un uomo mi ha chiesto se fosse vivo o morto». Bertolaso: «Vorrei chiamarlo Leone come il Papa» – Il video
#️⃣ #ATTUALITÀ #Bambini #GuidoBertolaso #Lombardia #Milano #Video #OpenOnline
🔗 https://www.open.online/2026/10/14/neonato-abbandonato-cinisello-testimone-bertolaso-leone-video/
Il racconto a Dentro la notizia: «Mi ha fermata mentre mi allontanavo, poi se n'è andato». Secondo la testimone, l'uomo sembrava peruviano, proprio come potrebbe esser il…
-
News e ultime notizie su politica, cronaca, giustizia, economia | Il Fatto Quotidiano [Unofficial] @[email protected]
“Sono andata in crisi durante l’adolescenza di mia figlia. Mi credevo la mamma perfetta, invece mi sono scontrata con chiusure e ribellione. Tornare a condurre un TG? Non potrei mai parlare di Garlasco o di guerre”: Francesca Senette si racconta
-
La Sicilia del 1943 vista attraverso gli occhi di Andrea Camilleri e l'incontro con il leggendario fotoreporter di guerra Robert Capa
https://web.palermo.nohost.me/blog/la-sicilia-del-1943-vista-attraverso-gli-occhi-di-andrea-camilleri-e-il-leggendario-fotoreporter-di-guerra-robert-capa.php
#palermo #panormus #sicilia #sicily #italy #europe #world #picoftheday #picture #image #immagine #photo #photography #fotografia #storia #story #cultura #culture #arte #art #aspassoneltempo #aspassonellastoria #memorie #racconti #popolari #andreacamilleri #camilleri #robertcapa #agrigento #secondaguerramondiale #fediphoto #fediverso -
L’intelligenza artificiale legge il cuore mentre dormiamo: cosa rivela il nuovo studio sugli ECG notturni
Ci sono tecnologie che fanno notizia perché promettono di cambiare tutto. E poi ci sono quelle che sembrano quasi banali, finché non ci fermiamo a capire che cosa stanno facendo. Questa settimana mi ha colpito una ricerca americana su una cosa che il corpo fa da sempre: battere il cuore, anche quando noi dormiamo.
Il 9 ottobre 2026, sulla rivista scientifica Sleep, è stato pubblicato uno studio che propone di usare l’intelligenza artificiale per estrarre informazioni sul rischio cardiovascolare da un elettrocardiogramma registrato durante la notte. Non si parla di un dispositivo che legge il futuro, né di una diagnosi fatta da una macchina mentre sogniamo. Si parla di un segnale già acquisito in molti esami del sonno, ma spesso poco sfruttato per questo scopo.
La differenza è importante. Perché la vera innovazione, qualche volta, non è inventare un nuovo sensore. È imparare ad ascoltare meglio quello che abbiamo già misurato.
Un esame del sonno che racconta qualcosa anche del cuore
Quando una persona si sottopone a una polisonnografia, il laboratorio registra diversi parametri mentre dorme. L’obiettivo è individuare disturbi del sonno: per esempio, episodi di apnea, risvegli ripetuti e alterazioni della normale architettura del riposo. Fra questi segnali ce n’è anche uno familiare a tutti: l’elettrocardiogramma, o ECG.
In questo contesto l’ECG viene spesso raccolto attraverso una singola derivazione, cioè un segnale elettrico relativamente semplice. Non è il classico elettrocardiogramma a 12 derivazioni che possiamo fare in ambulatorio, ma è sufficiente per osservare un’onda cardiaca per ore e ore. E nel corso di una notte il cuore attraversa situazioni molto diverse, dai cambiamenti delle fasi del sonno alle variazioni del sistema nervoso autonomo.
Il gruppo di ricerca ha provato a capire se una rete neurale fosse in grado di riconoscere, in quella lunga successione di battiti, schemi associati a problemi cardiovascolari che sarebbero comparsi negli anni successivi.
Illustrazione concettuale generata con AI: dal segnale ECG registrato nel sonno all’elaborazione informatica.Tre ospedali, migliaia di pazienti e uno sguardo fino a dieci anni
Lo studio si intitola Prediction of cardiovascular outcomes using electrocardiography from overnight polysomnography. Gli autori hanno adattato una rete neurale profonda, inizialmente addestrata per rilevare aritmie, combinando l’ECG notturno con le informazioni sulle fasi del sonno.
Per affinare il modello sono stati utilizzati i dati di 15.809 pazienti del Massachusetts General Hospital. Poi è arrivata una prova fondamentale: la validazione su due gruppi distinti, con 9.810 pazienti dell’Emory University Hospital e 12.576 del Beth Israel Deaconess Medical Center. Non è la prova definitiva che il sistema funzioni in qualsiasi ospedale, ma è un passo serio oltre il classico esperimento condotto su una sola banca dati.
Gli esiti studiati comprendevano fibrillazione atriale, ictus, infarto, scompenso cardiaco e mortalità per qualsiasi causa. L’orizzonte analitico arrivava fino a dieci anni, pur con periodi di osservazione differenti nei gruppi esaminati. In sostanza, i ricercatori hanno cercato associazioni tra le caratteristiche del segnale notturno e gli eventi documentati successivamente nelle cartelle cliniche.
La cosa che trovo più interessante è la combinazione di due mondi: l’informatica capace di riconoscere strutture complesse e la medicina capace di valutarne il significato. Da sola, la prima produce un punteggio. È la seconda a dover decidere se quel punteggio sia davvero utile.
Che cosa hanno trovato, senza trasformare una statistica in una profezia
I risultati indicano che i punteggi del modello erano associati in modo significativo soprattutto al successivo rischio di fibrillazione atriale e scompenso cardiaco, anche tenendo conto di età, sesso, indice di massa corporea e altri fattori clinici e legati al sonno. Ma bisogna distinguere bene due espressioni: rischio più elevato non significa malattia certa.
Un numero aiuta a capire il valore aggiunto. Nel gruppo Emory, per la fibrillazione atriale, l’indice di concordanza statistica del modello basato sui fattori clinici passava da 0,70 a 0,75 aggiungendo l’informazione dell’AI; nell’altro gruppo da 0,77 a 0,81. È una misura della capacità di ordinare correttamente le persone rispetto al rischio, non la percentuale di diagnosi corrette e neppure una previsione individuale del tipo «ti ammalerai tra cinque anni».
Per alcuni risultati, come l’infarto, il beneficio aggiuntivo appariva più modesto o meno solido. Questo conta: quando ci si innamora di una tecnologia, è facile guardare soltanto le caselle in cui funziona meglio. Un buon studio, e soprattutto un buon articolo, deve mostrare anche le altre.
Illustrazione generata con AI: il risultato del modello è una stima probabilistica, non una diagnosi o una certezza.Perché può essere un passo importante nella prevenzione
Oggi una parte della medicina funziona ancora, inevitabilmente, per eventi: avvertiamo un sintomo, facciamo un esame, scopriamo un problema e iniziamo a trattarlo. La prevenzione cerca di anticipare quella sequenza, ma per riuscirci servono segnali affidabili e interventi che abbiano dimostrato di fare la differenza.
Se un laboratorio registra già una notte di ECG, sfruttare quei dati anche per stratificare il rischio potrebbe aggiungere informazioni senza imporre al paziente un secondo esame. I ricercatori sottolineano proprio il potenziale di utilizzare un solo canale elettrocardiografico. In prospettiva è un vantaggio organizzativo, oltre che tecnologico.
E qui c’è qualcosa che mi ricorda molti altri settori: raccogliamo dati continuamente, ma spesso ne utilizziamo una minima parte. Che si tratti di macchinari, magazzini, processi industriali o controlli medici, la sfida non è sempre produrre altri dati. È trasformarli in informazioni utili, senza scambiare un grafico ben fatto per una decisione corretta.
I limiti che non possiamo ignorare
Lo studio ha anche limiti rilevanti. Gli eventi cardiovascolari sono stati individuati a partire da codici presenti nelle cartelle cliniche elettroniche: una strategia comune nella ricerca su grandi popolazioni, ma non equivalente alla verifica caso per caso di ogni diagnosi. Inoltre, i soggetti studiati erano persone già indirizzate a esami del sonno: non rappresentano automaticamente tutti gli adulti sani.
Esiste poi il problema più importante: dimostrare che un punteggio sa separare persone a rischio maggiore e minore non basta a dimostrare che utilizzarlo migliorerà davvero la loro salute. Bisogna capire cosa deve fare il medico dopo averlo visto, quando proporre approfondimenti, come evitare falsi allarmi e quanti benefici concreti produca un percorso clinico guidato dall’algoritmo.
C’è anche un rischio comunicativo. Da uno studio del genere a un titolo «l’AI scopre le malattie dieci anni prima» il passo è breve. Ma non sarebbe corretto. Non abbiamo una sfera di cristallo: abbiamo un modello promettente, valutato su dati clinici e ancora da studiare nella pratica.
Il futuro potrebbe nascondersi nei segnali che abbiamo già
La prospettiva che mi entusiasma di più non è quella di affidare la salute a un algoritmo, ma di usare l’intelligenza artificiale come uno strumento in più per fare domande migliori. Un ECG registrato mentre dormiamo potrebbe diventare un tassello aggiuntivo nella valutazione cardiovascolare, insieme alla storia clinica, agli esami e al giudizio medico.
È un futuro meno spettacolare dei film di fantascienza, lo so. Però forse è proprio questo il progresso che conta: scoprire valore in informazioni che fino a ieri lasciavamo sul tavolo. Non perché una macchina sappia già che cosa ci accadrà, ma perché ci aiuti, un giorno, ad accorgerci prima di ciò che potremmo ancora evitare.
Articolo basato sulle informazioni pubblicate il 9 ottobre 2026; contenuto divulgativo, non un consiglio medico.
Fonti
Studio originale su Sleep (Oxford Academic), pubblicato il 9 ottobre 2026.
National Institutes of Health: comunicato ufficiale sui risultati, 9 ottobre 2026.
#ai #CHATGPT #intelligenzaArtificiale
