WEBVTT

00:00:00.422 --> 00:00:03.118
Nei prossimi 16 minuti,
vi condurrò in un viaggio

00:00:03.118 --> 00:00:06.338
che è probabilmente
il più grande sogno dell'umanità:

00:00:06.338 --> 00:00:08.523
comprendere il codice della vita.

NOTE Paragraph

00:00:08.852 --> 00:00:11.749
Per me tutto iniziò molti anni fa,

00:00:11.749 --> 00:00:14.446
quando incontrai la prima stampante 3D.

00:00:14.446 --> 00:00:16.260
Il concetto era affascinante.

00:00:16.284 --> 00:00:18.306
A una stampante 3D bastano tre elementi

00:00:18.330 --> 00:00:22.464
- un po' di informazione, un po'
di materia prima e un po' di energia -

00:00:22.488 --> 00:00:25.822
per creare qualsiasi oggetto
prima inesistente.

NOTE Paragraph

00:00:26.397 --> 00:00:28.588
Studiavo fisica,
e mentre tornavo a casa

00:00:28.588 --> 00:00:32.070
mi resi conto che in realtà
avevo sempre conosciuto una stampante 3D.

00:00:32.070 --> 00:00:33.430
Tutti la conoscono.

00:00:33.430 --> 00:00:34.602
Era mia mamma.

NOTE Paragraph

00:00:34.602 --> 00:00:35.307
(Risate)

NOTE Paragraph

00:00:35.307 --> 00:00:38.121
Mia mamma ha usato tre elementi:

00:00:38.145 --> 00:00:42.118
un po' di informazione, in questo caso
sia sua che di mio padre,

00:00:42.142 --> 00:00:46.299
materia prima ed energia
nello stesso supporto, cioè cibo,

00:00:46.323 --> 00:00:48.815
e dopo qualche mese produce me.

00:00:48.815 --> 00:00:50.531
Che non esistevo prima.

NOTE Paragraph

00:00:50.531 --> 00:00:52.447
Quindi al di là dello shock di mia madre

00:00:52.447 --> 00:00:54.789
quando ha scoperto
di essere una stampante 3D,

00:00:54.789 --> 00:01:00.020
sono stato catturato
fin da subito dal primo elemento,

00:01:00.020 --> 00:01:00.995
l'informazione.

00:01:00.995 --> 00:01:05.191
Quanta informazione serve per creare
e assemblare un essere umano?

00:01:05.215 --> 00:01:06.789
Ne serve tanta? Ne basta poca?

00:01:06.813 --> 00:01:08.993
Quante chiavette USB potremmo riempire?

NOTE Paragraph

00:01:09.017 --> 00:01:11.641
All'inizio delle ricerca
stavo ancora studiando fisica

00:01:11.665 --> 00:01:17.262
e ho approssimato un essere umano 
a un gigantesco pezzo di Lego.

00:01:17.286 --> 00:01:20.965
Immaginate che i mattoni da costruzione
siano piccoli atomi:

00:01:20.965 --> 00:01:25.748
un idrogeno qui,
un carbonio qui, un azoto qui.

00:01:25.772 --> 00:01:27.297
Come prima approssimazione,

00:01:27.297 --> 00:01:31.414
se riesco ad elencare il numero di atomi
che compongono un essere umano,

00:01:31.414 --> 00:01:33.121
lo posso costruire.

00:01:33.145 --> 00:01:35.038
Se fate due conti,

00:01:35.038 --> 00:01:38.475
il numero che viene fuori
è strabiliante.

00:01:38.499 --> 00:01:40.970
Il numero di atomi,

00:01:40.970 --> 00:01:46.035
il file che salverò sulla penna USB
per assemblare un bebè,

00:01:46.059 --> 00:01:50.726
riempirebbe un intero Titanic
di chiavette --

00:01:50.750 --> 00:01:53.468
moltiplicato per 2.000.

00:01:53.957 --> 00:01:57.252
Questo è il miracolo della vita.

00:01:57.252 --> 00:01:59.994
D'ora in poi, davanti
a una donna incinta, notatelo:

00:02:00.018 --> 00:02:02.874
sta assemblando la più grande mole di dati


00:02:02.898 --> 00:02:04.454
che abbiate mai incontrato.

00:02:04.478 --> 00:02:07.438
Dimenticate i big data,
e qualsiasi cosa abbiate mai sentito.

00:02:07.452 --> 00:02:10.333
È questa la più grande quantità
di informazione che esista.

NOTE Paragraph

00:02:10.357 --> 00:02:14.190
(Applausi)

NOTE Paragraph

00:02:14.214 --> 00:02:16.062
Ma la natura, per fortuna,

00:02:16.062 --> 00:02:18.762
è molto più intelligente
di un giovane fisico,

00:02:18.762 --> 00:02:22.365
e in 4 miliardi di anni è riuscita
a concentrare questa informazione

00:02:22.365 --> 00:02:25.291
in un piccolo cristallo,
che chiamiamo DNA.

00:02:25.291 --> 00:02:29.931
L'abbiamo visto per la prima volta 
nel 1950, quando Rosalind Franklin,

00:02:29.931 --> 00:02:32.694
una brillante scienziata, lo fotografò.

00:02:32.694 --> 00:02:35.342
Ma abbiamo impiegato più di 40 anni

00:02:35.342 --> 00:02:37.955
per poter finalmente curiosare
dentro una cellula umana,

00:02:37.955 --> 00:02:43.100
estrarre il cristallo,
srotolarlo e leggerlo per la prima volta.

00:02:43.500 --> 00:02:46.736
Il codice si è rivelato
un alfabeto piuttosto semplice,

00:02:46.736 --> 00:02:50.443
composto da quattro lettere:
A, T, C e G.

00:02:50.443 --> 00:02:54.826
Per costruire un essere umano,
ne servono tre miliardi.

00:02:54.826 --> 00:02:55.849
Tre miliardi.

00:02:55.849 --> 00:02:57.605
Quanti sono tre miliardi?

NOTE Paragraph

00:02:57.605 --> 00:03:00.134
Non ha alcun senso come numero, vero?

00:03:00.134 --> 00:03:04.268
Stavo pensando a un modo
di comunicare meglio,

00:03:04.268 --> 00:03:07.586
di farvi capire quando enorme
sia questo codice.

00:03:07.586 --> 00:03:10.427
Ma c'è un modo -- capiamoci, 
mi servirà un po' di aiuto,

00:03:10.427 --> 00:03:13.903
e la persona perfetta per aiutarmi
a presentarvi il codice

00:03:13.903 --> 00:03:17.357
è il primo uomo che l'ha sequenziato,
Dr. Craig Venter.

NOTE Paragraph

00:03:17.357 --> 00:03:20.912
Benvenuto sul palco, Dr. Craig Venter.

NOTE Paragraph

00:03:20.912 --> 00:03:27.708
(Applausi)

00:03:27.958 --> 00:03:31.357
Non l'uomo in carne e ossa:

00:03:31.357 --> 00:03:33.553
per la prima volta nella storia,

00:03:33.553 --> 00:03:37.077
questo è il genoma di uno specifico uomo,

00:03:37.077 --> 00:03:40.917
stampato pagina per pagina,
lettera per lettera:

00:03:40.917 --> 00:03:44.725
262.000 pagine di informazioni,

00:03:44.725 --> 00:03:49.102
450 chili, spediti dagli Stati Uniti
al Canada

00:03:49.102 --> 00:03:53.929
grazie a Bruno Bowden, Lulu.com, 
una start-up, che ha fatto tutto.

NOTE Paragraph

00:03:53.929 --> 00:03:55.640
È stata un'impresa incredibile.

00:03:55.640 --> 00:03:59.842
Ma questa è la percezione visiva
di ciò che è il codice della vita.

00:03:59.842 --> 00:04:02.623
Ora, per la prima volta,
posso fare una cosa divertente:

00:04:02.623 --> 00:04:05.087
curiosarci dentro e leggerlo.

00:04:05.087 --> 00:04:13.055
Prendiamo un libro interessante...
questo, per esempio.

00:04:13.055 --> 00:04:15.396
Ho messo una nota:
è un libro piuttosto grande.

00:04:15.396 --> 00:04:19.991
Ma è per farvi vedere
cos'è il codice della vita:

00:04:19.991 --> 00:04:23.805
migliaia e migliaia e migliaia

00:04:23.805 --> 00:04:26.415
e milioni di lettere.

00:04:26.415 --> 00:04:28.931
Che all'apparenza non hanno alcun senso.

00:04:28.931 --> 00:04:31.297
Andiamo a un punto specifico.

NOTE Paragraph

00:04:31.297 --> 00:04:32.942
Ve la leggo:

NOTE Paragraph

00:04:32.942 --> 00:04:33.965
(Risate)

NOTE Paragraph

00:04:33.965 --> 00:04:37.746
"AAG, AAT, ATA."

00:04:38.926 --> 00:04:41.053
Per voi queste lettere
non hanno alcun senso,

00:04:41.053 --> 00:04:45.479
ma questa sequenza
dà a Craig il colore degli occhi.

00:04:45.479 --> 00:04:47.263
Vi mostrerò un'altra parte del libro.

NOTE Paragraph

00:04:47.263 --> 00:04:50.434
Questo è un po' più complicato, in realtà.

NOTE Paragraph

00:04:50.434 --> 00:04:53.308
Cromosoma 14, libro 132:

NOTE Paragraph

00:04:53.308 --> 00:04:55.607
(Risate)

00:04:55.607 --> 00:04:57.256
Come forse vi aspettavate.

00:04:57.256 --> 00:05:00.196
(Risate)

NOTE Paragraph

00:05:02.705 --> 00:05:08.085
"ATT, CTT, GATT."

NOTE Paragraph

00:05:08.085 --> 00:05:09.674
Questo essere umano è fortunato,

NOTE Paragraph

00:05:09.674 --> 00:05:14.346
perché se mancassero solo
due lettere, in questo punto --

00:05:14.346 --> 00:05:16.307
due lettere su tre miliardi --

00:05:16.307 --> 00:05:18.448
sarebbe condannato 
ad una terribile malattia:

00:05:18.448 --> 00:05:19.761
fibrosi cistica.

00:05:19.761 --> 00:05:23.145
Non esiste una cura,
non sappiamo come curarla,

00:05:23.145 --> 00:05:26.702
e bastano due lettere
a fare tutta la differenza.

00:05:27.482 --> 00:05:31.211
Un libro bellissimo, potente,

NOTE Paragraph

00:05:31.211 --> 00:05:36.340
che mi ha aiutato a capire
e mostrarvi qualcosa di notevole.

00:05:36.340 --> 00:05:40.783
Le lettere che identificano me,
e ognuno di voi,

00:05:40.783 --> 00:05:43.690
sono solo 5 milioni circa,

00:05:43.690 --> 00:05:45.115
mezzo libro.

00:05:45.795 --> 00:05:47.663
Per il resto,

00:05:47.663 --> 00:05:50.315
siamo tutti assolutamente identici.

00:05:50.755 --> 00:05:54.808
500 pagine è il miracolo della vita
che solo voi siete.

00:05:54.808 --> 00:05:56.474
Il resto lo condividiamo tutti.

00:05:57.304 --> 00:06:00.386
Ripensateci, quando credete
di essere tanto speciali.

00:06:00.386 --> 00:06:03.021
Questo è quanto abbiamo in comune.

00:06:03.221 --> 00:06:06.884
Adesso che ho la vostra attenzione,

00:06:06.884 --> 00:06:08.119
la prossima domanda è:

NOTE Paragraph

00:06:08.119 --> 00:06:09.240
come lo leggo?

00:06:09.240 --> 00:06:11.713
Come lo comprendo?

00:06:12.053 --> 00:06:15.478
Per quanto bravi possiate essere
a montare mobili svedesi,

00:06:15.478 --> 00:06:19.131
questo libretto delle istruzioni
è fuori dalla vostra portata.

00:06:19.131 --> 00:06:20.059
(Risate)

00:06:20.059 --> 00:06:23.926
Quindi nel 2014, due famosi TEDster,

NOTE Paragraph

00:06:23.926 --> 00:06:26.513
Peter Diamandis e lo stesso Craig Venter,

NOTE Paragraph

00:06:26.513 --> 00:06:28.389
decisero di creare una nuova azienda.

00:06:28.389 --> 00:06:30.603
Nacque Human Longevity,
con una missione:

00:06:30.603 --> 00:06:33.040
fare tutto il possibile

00:06:33.040 --> 00:06:35.904
e imparare il massimo possibile
da questi libri,

00:06:35.904 --> 00:06:37.459
con un obiettivo --

00:06:38.419 --> 00:06:41.362
realizzare il sogno 
della medicina personalizzata,

00:06:41.362 --> 00:06:45.331
capire cosa bisognerebbe fare
per migliorare la salute

00:06:45.331 --> 00:06:48.323
e quali sono i segreti di questi libri.

00:06:48.323 --> 00:06:52.534
Un'incredibile squadra, 40 analisti
dei dati e molte altre persone

00:06:52.534 --> 00:06:53.931
con cui è bello lavorare.

NOTE Paragraph

00:06:53.931 --> 00:06:55.969
Il concetto è, in realtà, molto semplice.

00:06:55.969 --> 00:06:59.803
Useremo una tecnologia
chiamata apprendimento automatico.

00:06:59.803 --> 00:07:03.630
Da un lato ci sono
i genomi -- a migliaia.

00:07:03.630 --> 00:07:07.902
Dall'altro abbiamo collezionato
il più grande database di esseri umani:

00:07:07.902 --> 00:07:12.135
fenotipi, scansione 3D, NMR --
tutto ciò che vi viene in mente.

00:07:12.135 --> 00:07:15.166
Lì dentro, ai due estremi,

00:07:15.166 --> 00:07:17.546
c'è il segreto della traduzione.

00:07:17.546 --> 00:07:20.379
Nel mezzo costruiamo la macchina.

00:07:20.659 --> 00:07:23.085
Costruiamo una macchina
e alleniamo la macchina

00:07:23.085 --> 00:07:26.181
- beh, non proprio una:
molte, molte macchine -

00:07:26.181 --> 00:07:31.106
per capire e tradurre
il genoma in un fenotipo.

00:07:31.106 --> 00:07:34.610
Cosa sono quelle lettere,
e cosa fanno.

00:07:34.610 --> 00:07:37.428
È un metodo che può essere usato
per qualsiasi cosa,

00:07:37.428 --> 00:07:40.552
ma applicarlo alla genomica
è particolarmente complicato.

00:07:40.552 --> 00:07:43.483
Piano piano siamo cresciuti
e cercavamo altre sfide.

00:07:43.483 --> 00:07:46.440
Abbiamo cominciato dalle basi,
dai tratti comuni.

00:07:46.440 --> 00:07:48.950
I tratti comuni sono semplici
perché sono comuni,

00:07:48.950 --> 00:07:50.146
tutti li hanno.

00:07:50.146 --> 00:07:52.853
Quindi abbiamo iniziato
a porci un po' di domande:

00:07:52.853 --> 00:07:54.741
possiamo predire l'altezza?

NOTE Paragraph

00:07:54.741 --> 00:07:57.109
Possiamo leggere quei libri
e predire l'altezza?

00:07:57.109 --> 00:07:58.023
In effetti si,

00:07:58.023 --> 00:08:00.232
con un margine di precisione 
di 5 centimetri.

00:08:00.232 --> 00:08:03.237
L'IMC è abbastanza collegato 
allo stile di vita,

00:08:03.237 --> 00:08:06.934
ma ce la facciamo ancora, ci siamo vicini
con un margine di errore di 8 chili.

00:08:06.934 --> 00:08:08.511
Il colore degli occhi?

00:08:08.511 --> 00:08:11.096
Sì, possiamo prevederlo.
Con una precisione dell'80%.

00:08:11.096 --> 00:08:13.248
Possiamo predire il colore della pelle?

00:08:13.248 --> 00:08:15.426
Sì, possiamo,
con una precisione dell'80%.

00:08:15.426 --> 00:08:17.824
Possiamo predire l'età?

00:08:17.824 --> 00:08:21.739
Si, perché sembra che il codice
cambi nel corso della vita.

00:08:21.739 --> 00:08:25.223
Si accorcia, si perdono pezzi,
compaiono delle aggiunte.

00:08:25.223 --> 00:08:28.170
Noi leggiamo i segnali
e creiamo un modello.

00:08:28.170 --> 00:08:29.646
E ora una sfida interessante:

00:08:29.646 --> 00:08:32.715
possiamo prevedere un volto umano?

NOTE Paragraph

00:08:32.715 --> 00:08:34.143
È un po' complicato,

00:08:34.143 --> 00:08:37.096
perché un volto umano è disperso
tra milioni di queste lettere.

00:08:37.096 --> 00:08:39.702
E un volto umano 
non è un oggetto ben definito.

00:08:39.702 --> 00:08:42.041
Abbiamo dovuto quindi partire da zero

00:08:42.041 --> 00:08:44.730
per capire come insegnare
alla macchina cos'è una faccia,

00:08:44.730 --> 00:08:46.825
e poi incorporare e compattare il codice.

00:08:46.825 --> 00:08:49.139
Se conoscete un po'
l'apprendimento automatico,

00:08:49.139 --> 00:08:52.000
potete immaginare
che genere di sfida sia stata.

00:08:52.000 --> 00:08:57.942
Adesso, dopo 15 anni -- 15 anni
dalla lettura della prima sequenza --

00:08:57.942 --> 00:09:00.900
a ottobre abbiamo iniziato
a ricevere dei segnali.

NOTE Paragraph

00:09:00.900 --> 00:09:03.409
È stato un momento emozionante.

00:09:03.409 --> 00:09:07.435
Qui vedete un soggetto
del nostro laboratorio.

00:09:07.435 --> 00:09:09.174
Per noi questa è una faccia.

00:09:09.174 --> 00:09:12.833
Quindi prendiamo la vera faccia 
di un soggetto, riduciamo la complessità,

00:09:12.833 --> 00:09:14.667
perché i geni non spiegano tutto:

00:09:14.667 --> 00:09:18.592
molti tratti, difetti e asimmetrie
derivano dalla vita.

00:09:18.592 --> 00:09:22.826
Rendiamo la faccia simmetrica
e applichiamo il nostro algoritmo.

00:09:22.826 --> 00:09:24.976
Ora vi mostro i risultati:

00:09:24.976 --> 00:09:28.829
questa è la previsione 
che otteniamo dal sangue.

00:09:29.519 --> 00:09:30.803
(Applauso)

00:09:30.803 --> 00:09:32.329
Aspettate un attimo.

NOTE Paragraph

00:09:32.329 --> 00:09:36.910
In questo istante state guardando 
a sinistra e a destra, sinistra e destra,

NOTE Paragraph

00:09:36.910 --> 00:09:40.899
e il vostro cervello cerca
di convincersi che sono uguali.

00:09:40.899 --> 00:09:43.705
Quindi ora vi chiederò
di fare l'esercizio opposto:

00:09:43.705 --> 00:09:45.729
cercate le differenze,

00:09:45.729 --> 00:09:47.209
che sono molte.

00:09:47.209 --> 00:09:50.000
La maggiore parte di segnali
deriva dal genere,

00:09:50.000 --> 00:09:55.135
poi dall'età, dall'IMC,
dall'etnia di un essere umano.

00:09:55.135 --> 00:09:57.002
E fare meglio di quel segnale

00:09:57.002 --> 00:09:58.707
è molto più complicato.

00:09:58.707 --> 00:10:01.992
Ma quello che potete vedere,
nonostante le differenze,

00:10:01.992 --> 00:10:05.536
vi fa capire che siamo
sulla strada giusta,

00:10:05.536 --> 00:10:06.885
che ci stiamo avvicinando.

00:10:06.885 --> 00:10:09.217
E già ci impressiona.

00:10:09.217 --> 00:10:13.650
Questo è un altro soggetto analizzato,
e questa è una previsione.

NOTE Paragraph

00:10:13.650 --> 00:10:15.557
Il viso è un po' più piccolo,

00:10:15.557 --> 00:10:18.270
non abbiamo individuato
la completa struttura del cranio,

00:10:18.270 --> 00:10:21.470
ma comunque è una buona approssimazione.

00:10:21.470 --> 00:10:23.645
Questo è un soggetto 
che viene al nostro laboratorio,

00:10:23.884 --> 00:10:25.998
e questa è la previsione.

00:10:26.428 --> 00:10:30.685
Queste persone non sono mai state viste
durante la preparazione della macchina.

00:10:30.685 --> 00:10:33.412
Sono le cosiddette
serie escluse.

00:10:33.412 --> 00:10:36.983
Ma probabilmente,
non immaginereste mai chi sono.

00:10:36.983 --> 00:10:39.657
Stiamo pubblicando tutto
su una rivista scientifica,

00:10:39.657 --> 00:10:40.707
che potrete leggere.

00:10:40.707 --> 00:10:43.272
Ma dato che siamo sul palco,
Chris mi ha sfidato.

NOTE Paragraph

00:10:43.272 --> 00:10:47.330
Forse mi sono esposto
nel cercare di fare una previsione

00:10:47.330 --> 00:10:50.240
di una persona che potreste riconoscere.

00:10:50.240 --> 00:10:54.875
In questa fialetta di sangue --
e credetemi, non avete idea

00:10:54.875 --> 00:10:57.845
di cosa abbiamo fatto
per potervela mostrare --

00:10:57.845 --> 00:11:01.309
in questa fialetta di sangue
c'è sufficiente informazione biologica

00:11:01.309 --> 00:11:03.974
per permetterci di elaborare
un'intera sequenza genomica.

00:11:03.974 --> 00:11:06.185
Ne basta davvero così poco.

00:11:06.185 --> 00:11:09.649
Abbiamo eseguito la sequenza,
e ora lo rifarò con voi.

00:11:09.649 --> 00:11:13.383
Poi abbiamo iniziato ad accumulare
tutta la conoscenza che avevamo.

00:11:13.383 --> 00:11:17.016
Dalla fialetta di sangue,
abbiamo previsto che fosse maschio.

00:11:17.016 --> 00:11:18.490
E il soggetto è un maschio.

00:11:18.670 --> 00:11:20.936
Abbiamo previsto 
che fosse alto 1m e 76 cm.

00:11:20.936 --> 00:11:22.804
Il soggetto è alto 1m e 77cm.

00:11:23.364 --> 00:11:27.580
Abbiamo previsto che pesasse 76kg;
il soggetto pesa 82kg.

00:11:28.580 --> 00:11:33.314
Abbiamo previsto la sua età, 38.
Il soggetto ha 35 anni.

00:11:33.314 --> 00:11:36.223
Abbiamo previsto
il colore dei suoi occhi.

00:11:36.223 --> 00:11:37.411
Troppo scuri.

00:11:37.531 --> 00:11:39.965
Abbiamo previsto 
il colore della sua pelle:

00:11:39.965 --> 00:11:41.295
più o meno ci siamo.

00:11:41.665 --> 00:11:44.014
Quella è la sua faccia.

00:11:44.934 --> 00:11:48.329
Adesso, la rivelazione:

00:11:48.329 --> 00:11:50.522
il soggetto è questa persona.

NOTE Paragraph

00:11:50.522 --> 00:11:51.671
(Risate)

00:11:52.021 --> 00:11:54.225
L'ho fatto intenzionalmente.

NOTE Paragraph

00:11:54.225 --> 00:11:57.824
Faccio parte di un'etnia
molto particolare:

NOTE Paragraph

00:11:57.824 --> 00:12:01.296
sudeuropea, italiani --
che non corrispondono mai ai modelli.

00:12:01.296 --> 00:12:04.802
È particolare -- questa etnia 
è un complesso caso limite

00:12:04.802 --> 00:12:07.596
per il nostro modello.
Ma c'è un altro motivo.

00:12:07.596 --> 00:12:11.070
Una delle cose su cui ci basiamo molto
per riconoscere le persone

00:12:11.070 --> 00:12:12.603
non sarà mai scritto nel genoma.

00:12:12.603 --> 00:12:15.144
È il nostro libero arbitrio,
è il mio aspetto.

00:12:15.144 --> 00:12:18.520
Non il mio taglio di capelli,
in questo caso, ma quello della mia barba.

00:12:18.520 --> 00:12:21.781
Allora trasferirò, in questo caso --


00:12:21.781 --> 00:12:24.614
solo con Photoshop,
senza modelli 3D --

00:12:24.614 --> 00:12:26.391
la barba sul soggetto.

00:12:26.391 --> 00:12:30.370
Ed immediatamente siamo
molto molto più vicini.

00:12:32.040 --> 00:12:35.047
Perché facciamo tutto questo?

00:12:35.537 --> 00:12:40.783
Di certo non lo facciamo 
per predire l'altezza

NOTE Paragraph

00:12:40.783 --> 00:12:44.004
o scattare una bella foto 
dal nostro sangue.

00:12:44.004 --> 00:12:48.018
Lo facciamo perché la stessa tecnologia
e lo stesso approccio,

00:12:48.018 --> 00:12:50.834
l'apprendimento automatico
di questo codice,

00:12:50.834 --> 00:12:53.838
ci sta aiutando a capire come funzioniamo,

00:12:53.838 --> 00:12:55.342
come funziona il nostro corpo,

00:12:55.342 --> 00:12:57.193
come invecchia il nostro corpo,

00:12:57.193 --> 00:12:59.703
come si generano le malattie,

00:12:59.703 --> 00:13:03.072
come il cancro nasce e si sviluppa,

00:13:03.072 --> 00:13:04.855
come funzionano i farmaci

00:13:04.855 --> 00:13:07.421
e se funzionano sul nostro corpo.

00:13:07.421 --> 00:13:09.568
È una sfida immensa.

00:13:09.568 --> 00:13:10.946
È una sfida che condividiamo

NOTE Paragraph

00:13:10.946 --> 00:13:13.650
con centinaia di altri ricercatori 
nel mondo.

00:13:13.890 --> 00:13:16.392
Si chiama medicina personalizzata.

00:13:16.832 --> 00:13:20.325
Ed è la capacità di passare
da un approccio statistico,

00:13:20.325 --> 00:13:22.301
dove siete un puntino nell'oceano,

00:13:22.301 --> 00:13:24.205
a un approccio personalizzato,

00:13:24.205 --> 00:13:26.501
in cui leggiamo tutti questi libri

00:13:26.501 --> 00:13:29.398
e capiamo esattamente come siete.

00:13:29.768 --> 00:13:33.367
Ma è una sfida
particolarmente complicata,

00:13:33.367 --> 00:13:37.645
perché di tutti questi libri, ad oggi,

00:13:37.645 --> 00:13:40.782
conosciamo solo il 2% circa:

00:13:40.782 --> 00:13:45.284
quattro libri su più di 175.

00:13:46.504 --> 00:13:49.880
Questo non è l'argomento del mio talk,

00:13:49.880 --> 00:13:53.260
perché impareremo più di questo.

NOTE Paragraph

00:13:53.260 --> 00:13:56.767
Le migliori menti al mondo
stanno lavorando su questo argomento.

00:13:56.767 --> 00:13:58.733
Le previsioni miglioreranno,

00:13:58.733 --> 00:14:00.937
il modello sarà più preciso.

00:14:00.937 --> 00:14:02.832
E più impareremo,

00:14:02.832 --> 00:14:07.459
più dovremo confrontarci con decisioni

00:14:07.459 --> 00:14:10.821
mai affrontate prima

00:14:10.821 --> 00:14:16.115
sulla vita, sulla morte,
sull'essere genitori.

00:14:17.005 --> 00:14:20.535
Quindi, questa conversazione --

00:14:20.535 --> 00:14:25.610
stiamo indagando i meccanismi
più profondi della vita.

00:14:25.900 --> 00:14:28.669
Ed è una rivoluzione
che non può essere limitata

00:14:28.669 --> 00:14:31.947
al campo della scienza
o della tecnologia.

00:14:32.777 --> 00:14:35.744
Deve diventare
una conversazione globale.

NOTE Paragraph

00:14:35.744 --> 00:14:40.942
Dobbiamo pensare al futuro
che stiamo costruendo come umanità.

00:14:40.942 --> 00:14:44.856
Dobbiamo collaborare con i creativi,
con gli artisti, con i filosofi,

00:14:44.856 --> 00:14:46.329
con i politici.

00:14:46.329 --> 00:14:50.464
Siamo tutti coinvolti, perché in ballo 
c'è il futuro della nostra specie.

00:14:50.865 --> 00:14:55.083
Senza timori, ma con la consapevolezza

00:14:55.083 --> 00:14:58.557
che le decisioni 
che prenderemo nel prossimo anno

00:14:58.557 --> 00:15:02.849
cambieranno il corso della storia
per sempre.

00:15:03.489 --> 00:15:04.498
Grazie.

00:15:04.688 --> 00:15:10.981
(Applausi)