L’intelligenza artificiale sta diventando uno strumento centrale nello studio delle epidemie del passato, perché permette di elaborare quantità di dati genetici, archeologici e documentali troppo estese e frammentarie per essere analizzate manualmente. Gli algoritmi vengono utilizzati per individuare tracce di patogeni nel DNA estratto da denti e ossa, distinguere il materiale biologico autenticamente antico dalle contaminazioni ambientali, ricostruire sequenze genomiche incomplete e confrontarle con quelle dei microrganismi moderni. L’obiettivo non è riportare in vita virus o batteri scomparsi, ma ricostruirne l’evoluzione, stabilire quando siano comparsi, identificare le vie attraverso le quali si sono diffusi e comprendere quali trasformazioni sociali abbiano favorito il passaggio da infezioni isolate a epidemie su larga scala.
Una delle ricerche più ampie ha analizzato circa 405 miliardi di frammenti di sequenziamento provenienti da 1.313 individui vissuti in Eurasia nell’arco di 37.000 anni. Un flusso computazionale ad alta capacità ha confrontato le sequenze con centinaia di migliaia di riferimenti microbici, autenticando 5.486 rilevazioni riconducibili a 492 specie appartenenti a 136 generi. Tra queste sono state identificate 3.384 presenze relative a 214 patogeni umani conosciuti, comprese infezioni batteriche, virali e parassitarie che in molti casi non erano mai state documentate prima nei resti umani antichi. Gli algoritmi hanno dovuto separare il DNA dei patogeni da quello dei microrganismi del suolo, della decomposizione post mortem e del normale microbioma orale, valutando il danneggiamento caratteristico delle molecole antiche, la somiglianza con i genomi di riferimento e la distribuzione delle varianti genetiche.
La ricostruzione temporale mostra che i patogeni zoonotici, trasmessi dagli animali agli esseri umani, diventano chiaramente rilevabili circa 6.500 anni fa e raggiungono un primo picco intorno a 5.000 anni fa. Il fenomeno coincide con la diffusione dell’allevamento, della pastorizia e di comunità umane maggiormente sedentarie, nelle quali la convivenza prolungata con il bestiame aumentava le occasioni di salto di specie. La mobilità dei pastori delle steppe eurasiatiche, favorita dall’impiego di cavalli e carri, avrebbe successivamente contribuito a trasportare i patogeni verso est e verso ovest. I modelli spazio-temporali consentono quindi di collegare i segnali genetici non soltanto alla data e al luogo delle sepolture, ma anche alle migrazioni, all’ascendenza delle popolazioni, alle trasformazioni economiche e alle modalità di vita.
Tra i risultati più significativi rientra l’identificazione di 42 possibili infezioni da Yersinia pestis, il batterio responsabile della peste, 35 delle quali non erano state segnalate in precedenza. La sua presenza continua tra circa 5.700 e 2.700 anni fa suggerisce che la peste potesse essere endemica in alcune popolazioni molto prima delle grandi pandemie storicamente documentate. Le analisi genetiche permettono inoltre di collocare i ceppi antichi all’interno dell’albero evolutivo del batterio, confrontando mutazioni, geni di virulenza e caratteristiche legate alla trasmissione con pulci e roditori. Questo approccio ha già consentito di ricostruire quasi completamente il genoma del ceppo della Peste Nera partendo dal DNA conservato nei denti di persone sepolte a Londra tra il 1348 e il 1350.
Uno studio più recente sui cacciatori-raccoglitori vissuti circa 5.500 anni fa nella regione del lago Baikal, nella Siberia orientale, ha mostrato che le forme più antiche della peste potevano essere altamente letali anche prima di acquisire i meccanismi necessari alla trasmissione efficiente attraverso le pulci. Il DNA di Yersinia pestis è stato rilevato in 18 dei 46 individui esaminati, una percentuale vicina al 40%, superiore anche a quella osservata in alcune fosse comuni medievali. Combinando sequenziamento, datazioni al radiocarbonio, parentela genetica e informazioni archeologiche, i ricercatori hanno ricostruito episodi nei quali fratelli, genitori e figli morirono e furono sepolti in intervalli molto brevi.
I ceppi siberiani contenevano inoltre un superantigene, cioè un fattore genetico capace di provocare una risposta immunitaria estrema e potenzialmente contribuire alla gravità dell’infezione. L’analisi ha permesso di spiegare l’insolita concentrazione di bambini e adolescenti nei cimiteri e ha rafforzato l’ipotesi che la peste possa essere emersa nell’Asia centrale o nordorientale. I gruppi locali vivevano a stretto contatto con le marmotte, roditori che ancora oggi possono ospitare il batterio, e il contagio potrebbe quindi essere avvenuto direttamente dagli animali agli esseri umani senza il ciclo urbano basato su ratti e pulci associato alle epidemie medievali.
L’AI viene applicata anche ai documenti storici. I sistemi di elaborazione del linguaggio naturale possono analizzare registri di mortalità, cronache, lettere, verbali amministrativi e testi medici, riconoscendo automaticamente riferimenti a sintomi, luoghi, date e decessi anche quando il lessico cambia tra periodi e territori. I dati estratti vengono trasformati in serie temporali e mappe che permettono di confrontare la velocità di diffusione delle epidemie, la stagionalità, la mortalità e gli effetti delle misure di contenimento. L’analisi dei registri londinesi compresi tra il XIV e il XVII secolo ha mostrato, per esempio, che le epidemie di peste della seconda pandemia si diffusero progressivamente più rapidamente, offrendo una rappresentazione quantitativa di fenomeni prima ricostruiti soprattutto attraverso descrizioni narrative.
Le tecniche di apprendimento automatico possono inoltre suggerire integrazioni per iscrizioni e manoscritti danneggiati, confrontando le parti mancanti con grandi raccolte di testi della stessa epoca. Questi sistemi non sostituiscono storici, archeologi o paleogenetisti, ma restringono il numero delle interpretazioni possibili e segnalano collegamenti difficili da individuare manualmente. Un modello sviluppato per restaurare iscrizioni greche antiche ha ottenuto un tasso di errore sui caratteri del 30,1%, rispetto al 57,3% registrato nel confronto con gli studiosi, includendo la sequenza corretta tra le prime venti ipotesi nel 73,5% dei casi.
La ricostruzione rimane condizionata dalla qualità dei campioni e dalla distribuzione geografica dei reperti. Il DNA antico è frammentato, chimicamente degradato e facilmente contaminabile, mentre molte infezioni non lasciano tracce sufficienti nelle ossa o nel sangue. I virus a RNA, tra cui l’influenza, sono particolarmente difficili da individuare, e l’assenza di un patogeno nei dati non dimostra che non fosse presente nella popolazione. Anche i campioni disponibili non rappresentano in modo uniforme le società del passato, perché dipendono dai luoghi scavati, dalle pratiche funerarie e dalla conservazione dei resti. Per questo gli output algoritmici devono essere verificati attraverso sequenziamento, datazioni, archeologia e fonti storiche indipendenti.
Lo studio computazionale delle pandemie antiche permette infine di osservare come urbanizzazione, commercio, migrazioni, allevamento e cambiamenti ambientali abbiano modificato nel tempo il rapporto tra esseri umani e patogeni. La ricostruzione dei genomi e delle traiettorie epidemiologiche può identificare mutazioni associate alla virulenza, alla trasmissione o all’adattamento a nuovi ospiti, fornendo riferimenti utili anche per interpretare le malattie emergenti contemporanee. Il valore dell’intelligenza artificiale non consiste quindi nel prevedere automaticamente la prossima pandemia attraverso il passato, ma nel trasformare frammenti biologici e documentali incompleti in modelli verificabili dell’evoluzione delle infezioni e delle condizioni che ne hanno favorito la diffusione.