Vespignani è molto chiaro:

La gestione della pandemia ha generato montagne di dati, questo è certo. Ma non sono stati usati come sarebbe stato possibile. Tracciamento digitale dei contatti, sequenziamento genomico del virus, mobilità della popolazione: le informazioni c’erano, ma non hanno trovato sistemi di sanità pubblica preparati a usarli. Se non si traducono in conoscenza e azione, i dati sono inutili. Servono le capacità operative. Non voglio essere frainteso, le pratiche di salute pubblica funzionano ancora bene, ma siamo nel mezzo di una rivoluzione scientifica e tecnologica che spesso, nella maggior parte delle nazioni, è risultata non pervenuta nella gestione giornaliera dell’epidemia. Basti pensare a cose semplici come la gestione delle code per i tamponi o l’integrazione del tracciamento digitale nei sistemi sanitari. Ma il processo di modernizzazione della salute pubblica deve andare ben oltre le singole soluzioni tecnologiche. I nuovi flussi di dati digitali (sensori geospaziali e ambientali, dispositivi per la salute personale, dati clinici) possono rivelare e quantificare meglio le disuguaglianze e le vulnerabilità dei nostri sistemi sanitari. Le metodologie previsionali e analitiche, se alimentate da dati affidabili e in tempo reale, possono consentire processi decisionali tempestivi. Intelligenza artificiale e dati provenienti dal mondo digitale possono essere utilizzati per ottimizzare l’efficacia delle strategie di comunicazione. Queste sono solo alcune delle direzioni che la ricerca può imboccare per reinventare se stessa e rivoluzionare la salute pubblica in tutto il mondo. Sfruttare queste innovazioni scientifiche passa per un cambio di cultura nella sanità pubblica. E ovviamente non si può prescindere da grandi investimenti infrastrutturali. Da una parte dobbiamo introdurre un approccio multidisciplinare attraverso l’integrazione della tecnologia all’interno dei paradigmi e delle pratiche attuali della salute pubblica. Dall’altra, reinventare l’infrastruttura del sistema richiede volontà politica, investimenti e innovazione. Sia nel pubblico che nel privato. (…) Ciò che converte i dati in conoscenza sono i modelli e gli algoritmi che li trasformano da fotografia statica del sistema, quindi necessariamente inchiodata al passato, a elemento dinamico dal potere predittivo. La nostra capacità di controllo delle epidemie dipende dalla comprensione della loro dinamica, e di come reagiscono le persone. Modelli, analisi dati, scenari e previsioni rimangono il migliore strumento in nostro possesso per formalizzare ipotesi sugli scenari futuri e avere mappe di ragionamento. Attenzione, però: modelli e algoritmi non sono oracoli, offrono delle indicazioni su ciò che potrebbe accadere, in base alle ipotesi e ai dati disponibili in quel momento. Non sono immutabili, e anzi i risultati devono essere costantemente aggiornati e corretti di pari passo con il cambiamento delle conoscenze scientifiche e delle politiche decisionali. Per quanto possa sembrare un processo confuso, è l’unico modo per avere una scienza ripetibile, in cui le ipotesi e i dati utilizzati possano essere discussi quantitativamente. Da una parte, chi genera modelli, scenari e previsioni deve essere assolutamente trasparente su tutte le possibili incertezze, i presupposti e i limiti dei propri approcci; dall’altra, i decisori devono essere in grado di capire e gestire l’incertezza e i contesti che sono alla base dei risultati ottenuti. Questo lavoro di squadra permette di guardare con consapevolezza le mappe del futuro che vengono tracciate da modelli e algoritmi e usarle per prendere decisioni tempestive, valutando incertezza e rischi in maniera razionale. (A. Vespignani, “I piani del nemico. Cos’è e come funziona la scienza delle previsioni in tempo di crisi”)