Gentile Direttore, c’è un paradosso al cuore della medicina contemporanea: più i nostri strumenti diagnostici diventano precisi, più ci rendiamo conto che il paziente reale è irriducibile a qualsiasi modello. Questo testo esplora quel paradosso attraverso tre livelli – la filosofia della scienza, la pratica clinica, le cure palliative – con una tesi di fondo: non si tratta di un difetto da correggere, ma di una caratteristica strutturale del vivente che la medicina deve imparare ad abitare.
Pensiero deterministico e sistemi complessi
Il pensiero deterministico classico — da Laplace in poi — sostiene che conoscendo lo stato iniziale di un sistema e le leggi che lo governano si può prevedere ogni stato futuro con precisione arbitraria.
Il “demone di Laplace” è l’immagine emblematica: una mente che conosce posizione e velocità di ogni particella dell’universo potrebbe calcolare il futuro intero. I sistemi complessi hanno eroso questa visione in modo profondo, su più fronti. Questa erosione non è una critica filosofica astratta: è una scoperta empirica maturata nel Novecento attraverso fisica, biologia e matematica.
Nei sistemi complessi — reti di elementi in continua interazione come ecosistemi, climi, cervelli — il determinismo si scontra con ciò che oggi chiamiamo caos deterministico: sistemi governati da leggi perfettamente definite producono traiettorie imprevedibili perché sensibilissime alle condizioni iniziali. Come teorizzato dal filosofo ed epistemologo Edgar Morin, comprendere questa realtà richiede di integrare ordine, disordine, caso e organizzazione — non di scegliere tra loro.
Sensibilità alle condizioni iniziali ed effetto “farfalla”
La sensibilità alle condizioni iniziali è il principio cardine della teoria del caos. Nei sistemi non lineari, minime variazioni nei parametri di partenza si amplificano esponenzialmente, rendendo l’evoluzione a lungo termine del tutto imprevedibile.
Il fenomeno è noto come effetto farfalla. L’idea, formulata dal matematico e meteorologo Edward Lorenz negli anni ’60, suggerisce che il battito d’ali di una farfalla in Brasile possa teoricamente innescare un tornado in Texas attraverso una catena di reazioni. Tre conseguenze fondamentali ne derivano: la non proporzionalità tra stimolo e risposta; l’imprevedibilità a lungo termine anche conoscendo le variabili iniziali; la persistenza del determinismo ontologico a fronte di una radicale imprevedibilità epistemica.
Questo principio ha trasformato meteorologia, economia e fisica, imponendo un limite invalicabile a qualsiasi modello predittivo. L’effetto farfalla mostra che sistemi perfettamente deterministici nella loro struttura matematica diventano imprevedibili in pratica: piccole incertezze sullo stato iniziale si amplificano esponenzialmente. Il determinismo ontologico non garantisce quindi il determinismo epistemico.
I fenomeni emergenti
Nei sistemi complessi appaiono proprietà e comportamenti non deducibili dalle proprietà delle parti. La coscienza rispetto ai neuroni, la liquidità rispetto alle molecole d’acqua. Questo non viola il determinismo in senso stretto, ma lo rende sterile come strumento esplicativo a certi livelli di descrizione. Poiché il comportamento globale non è la somma delle parti, questi fenomeni emergenti sono imprevedibili a priori e non possono essere compresi studiando i singoli elementi in isolamento.
Irriducibilità computazionale
Secondo il concetto sviluppato da Wolfram per alcuni sistemi deterministici l’unico modo per sapere in quale stato si troveranno al tempo T è simulare ogni passo fino a T. Non esistono scorciatoie analitiche. Il sistema “calcola sé stesso” più velocemente di qualsiasi modello esterno.
La posizione più matura oggi è che il determinismo rimane un’ipotesi di fondo plausibile, ma i sistemi complessi dimostrano che determinismo non equivale a prevedibilità, né a comprensibilità riduzionista.
2. Medicina e sistemi complessi
Il modello deterministico in medicina
La medicina moderna è nata e cresciuta su un impianto sostanzialmente deterministico: una causa produce un effetto, una malattia ha un agente eziologico, una molecola ha un bersaglio.
È il modello di Koch per le infezioni, è la logica del trial clinico randomizzato, è la farmacologia classica. La medicina moderna ha prodotto risultati straordinari — vaccini, antibiotici, chirurgia.
Proprio da questi successi è emerso per contrasto il limite del paradigma: la medicina dei sistemi riconosce che l’essere umano è un sistema dinamico e interconnesso, non una somma di organi isolati. Integrando biologia, intelligenza artificiale e dati clinici, studia le interazioni complesse tra geni, ambiente, stili di vita e patologie. In Italia, l’Istituto dei Sistemi Complessi del CNR e il Politecnico di Torino (laurea magistrale in Physics of Complex Systems) sono all’avanguardia in questo campo. I cardini di questo approccio sono la multidisciplinarietà, l’emergenza come chiave interpretativa dello stato di salute, e la personalizzazione della cura sulla rete biologica specifica del singolo.
Dove il modello entra in crisi
In un’epoca di cambiamento demografico con un vasto invecchiamento della popolazione, in particolare nei paesi a più alto reddito, sono aumentate incidenza e prevalenza delle malattie croniche complesse: diabete di tipo 2, scompenso cardiaco, insufficienza respiratoria, insufficienza renale, malattie autoimmuni, disturbi cognitivi e psichiatrici. Tutte affezioni che resistono al paradigma causa-effetto lineare.
I principali nodi critici sono:
Reti biologiche, non catene causali: genoma, proteoma, microbioma, sistema immunitario e ambiente interagiscono in loop di retroazione continui.
Variabilità interindividuale: due pazienti con la stessa diagnosi e lo stesso trattamento possono avere risposte radicalmente diverse.
Il paziente come sistema adattivo: il corpo non è passivo rispetto alla cura: risponde, si adatta, a volte compensa, a volte resiste.
Questi concetti ridefiniscono l’assistenza sanitaria: il paziente è un sistema biologico, psicologico e sociale capace di modificarsi e compensare di fronte a stress, malattie o terapie. L’adattamento avviene su più livelli — biologico, cognitivo, emotivo — attraverso continui cicli di feedback che mantengono o ricercano l’equilibrio.
I nuovi paradigmi
Medicina delle reti (network medicine, Albert-László Barabási): studia le malattie come perturbazioni di reti molecolari.
Medicina narrativa: recupera la complessità della storia del paziente come dato clinico irriducibile.
Machine learning: rinuncia alla spiegazione causale in favore della correlazione statistica su grandi dataset.
3. Cure palliative come caso paradigmatico
In medicina palliativa non si tratta una malattia isolata, ma una traiettoria — biologica, psicologica, relazionale, esistenziale — in continua evoluzione. Gli attori sono molteplici: paziente, famiglia, equipe multidisciplinare, ambiente domestico o hospice, sistema sanitario. Le variabili interagiscono in modo non lineare e cambiano continuamente. Le cure palliative sono il caso paradigmatico del passaggio da una medicina incentrata sulla riparazione della malattia (cure) a una centrata sulla persona (care). Sanciscono che, sebbene una patologia sia inguaribile, il paziente resta sempre curabile. Il loro scopo non è accelerare o ritardare la morte, ma preservare la migliore qualità di vita possibile, attraverso quattro pilastri: il sollievo olistico dalla sofferenza (fisica, psicologica, sociale, spirituale); l’accettazione del limite come perimetro entro cui offrire massima dignità; il coinvolgimento attivo della famiglia; e la continuità assistenziale oltre le mura ospedaliere. In Italia l’accesso a questi servizi è garantito dalla Legge 38/2010.
I nodi di complessità specifici della medicina palliativa
La prognosi come sistema caotico
Stimare la sopravvivenza è notoriamente inaffidabile. Non perché manchino i dati, ma perché piccole variazioni — una polmonite, una visita inattesa, una decisione familiare — possono alterare radicalmente la traiettoria. I modelli prognostici (PaP score, PPI) danno probabilità, non certezze.
In cure palliative, definire la prognosi in modo coerente con un sistema caotico significa riconoscere che la traiettoria di una malattia inguaribile è influenzata da innumerevoli variabili interconnesse. Come nella teoria del caos, piccolissimi cambiamenti nello stato del paziente possono generare evoluzioni imprevedibili. Per questo la prognosi si concentra sulla qualità del tempo piuttosto che sulla sua quantificazione: le scale multidimensionali integrano non solo parametri clinici, ma fattori “caotici” come il supporto sociale, l’equilibrio psicologico e le capacità di recupero. La prognosi diventa uno strumento di orientamento condiviso tra team, paziente e famiglia.
Il dolore totale come fenomeno emergente
Il concetto di “dolore totale” di Cicely Saunders è già una teoria della complessità applicata alla clinica. Il dolore fisico non è separabile da quello psicologico, sociale, spirituale. Trattare solo la componente nocicettiva senza considerare le altre produce risultati insoddisfacenti. È un esempio esplicito di emergenza.
Il nucleo affettivo come unità di cura
La famiglia, intesa in senso lato e non necessariamente tradizionale, non è sfondo neutro ma sistema adattivo con proprie dinamiche, conflitti, risorse, fragilità.
Il caregiver principale è esso stesso un paziente potenziale — il rischio di burnout, lutto anticipatorio, disturbi dell’adattamento sono ampiamente documentati. Intervenire sul paziente senza considerare il sistema familiare è lavorare su una parte isolata di una rete.
Le decisioni di fine vita
Le scelte su trattamenti, luogo di cura, sedazione palliativa emergono da negoziazioni complesse tra valori del paziente, credenze familiari, posizioni dell’equipe, vincoli istituzionali. Non esiste un algoritmo. Esistono processi — la pianificazione condivisa delle cure, le conversazioni difficili — che cercano di navigare questa complessità senza ridurla.
Cosa cambia nella pratica clinica
Accettare la complessità in medicina palliativa concretamente significa:
- Rivalutazione continua: il piano di cura è un’ipotesi da aggiornare, non una prescrizione definitiva;
- Tolleranza dell’incertezza: come competenza clinica esplicita — non debolezza, ma adattamento al sistema reale;
- Lavoro d’equipe come intelligenza collettiva distribuita: ogni figura vede una parte del sistema che le altre non vedono;
- Gli outcome come esperienza vissuta: i PREMS intercettano la dimensione esperienziale come dato clinico legittimo e non riducibile a un numero.
La tensione irrisolta
Le cure palliative vivono una contraddizione produttiva: devono rendere conto a un sistema sanitario che ragiona per protocolli, DRG, indicatori quantitativi — logica deterministica — mentre il loro oggetto di lavoro è intrinsecamente complesso e qualitativo. Questa tensione non si risolve, si gestisce. Gestirla bene è già una forma di eccellenza clinica.
Riconoscere la complessità non è un atto di resa epistemica. È il prerequisito per una medicina che smetta di combattere la propria incertezza e cominci ad abitarla con competenza, empatia e rigore. Le cure palliative, in questo senso, non sono la fine di un percorso terapeutico, sono il laboratorio più avanzato di una medicina che ha imparato a stare accanto al vivente, nella sua ineludibile imprevedibilità.
Giorgio Banchieri,
Segretario Nazionale ASIQUAS, Docente DiSSE, Università “Sapienza”, Roma
Andrea Vannucci,
Direttore Sanitario Fondazione Italiana Leniterapia – FILE, Firenze
Riferimenti bibliografici essenziali
Sistemi complessi e pensiero non lineare
Morin E., Introduzione al pensiero complesso, Sperling & Kupfer, Milano 1993
Stacey R., Strategic Management and Organisational Dynamics. The Challenge of Complexity, Pearson, Harlow 2007
Lorenz E.N., The Essence of Chaos, University of Washington Press, Seattle 1993
Westley F., Zimmerman B., Patton M.Q., Getting to Maybe. How the World Is Changed, Vintage Canada, Toronto 2007
Complessità in sanità e medicina dei sistemi
Plsek P.E., Greenhalgh T., “The challenge of complexity in health care”, BMJ, 323, 2001, pp. 625–628
Greenhalgh T., Papoutsi C., “Studying complexity in health services research: desperately seeking an overdue paradigm shift”, BMJ Open, 2018
Braithwaite J. et al., “Complexity science in healthcare”, Journal of Health Services Research & Policy, 2017
Sturmberg J.P., Martin C.M. (a cura di), Handbook of Systems and Complexity in Health, Springer, New York 2013
Medicina di comunità e medicina generale
Starfield B., Primary Care: Balancing Health Needs, Services, and Technology, Oxford University Press, New York 1998
Gensini G.F., Trabucchi M. (a cura di), Cronicità e complessità, Il Mulino, Bologna 2016
WONCA Europe, The European Definition of General Practice / Family Medicine, 2011 (ed. aggiornata)
Cure palliative e dolore totale
Saunders C., Selected Writings 1958–2004, Oxford University Press, Oxford 2006
Clark D., Cicely Saunders. A Life and Legacy, Oxford University Press, Oxford 2018
Radbruch L. et al., “Redefining Palliative Care — A New Consensus-Based Definition”, Journal of Pain and Symptom Management, 2020
De Hennezel M., La morte amica, Rizzoli, Milano 1996 — per chi voglia una prospettiva narrativa
Comunità e partecipazione in salute
Marmot M., La salute disuguale, Il Pensiero Scientifico, Roma 2016
Kreuter M.W., Lezin N., “Social capital theory: implications for community-based health promotion”, in DiClemente R.J. et al. (a cura di), Emerging Theories in Health Promotion Practice and Research, Jossey-Bass, San Francisco 2002
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
ironfish_distributor
Source link
