fbpx Sei infetto? Un po'… | Scienza in rete

Sei infetto? Un po'…

Primary tabs

Fa discutere l'intervista a Giuseppe Remuzzi al Corriere della Sera sulla necessità di distinguere tamponi che evidenzino cariche virali basse, sotto le 100.000 copie di virus (dove non ci sarebbe infezione e contagiosità), da quelle più alte. Una prima risposta la dà Stefania Salmaso, che invita a mantenere la dicotomia infetto/non infetto in base al risultato del tampone a prescindere dal livello di carica virale, che può avere spiegazioni diverse, non necessariamente di contagiosità assente. Foto di Renata Tinini (Bodemuseum, Berlino).

Tempo di lettura: 3 mins

Il tema della contagiosità dei nuovi infetti rilevati in Lombardia è oggetto di discussione, perché sembra essere in contrasto con quanto finora noto. Premesso che il dibattito è basato sul contenuto di un’intervista giornalistica e non di un lavoro scientifico, vale la pena esprimere qualche perplessità, a vantaggio di chi potrebbe saltare a conclusioni circa i provvedimenti di sanità pubblica da adottare.  

Per quel che sappiamo, se una quantità sufficiente di virus riesce ad entrare nelle nostre cellule e a riprodursi, si genera uno stato di infezione, in cui la replicazione virale garantisce la sopravvivenza e possibilità di diffusione dell’agente etiologico e spesso anche l’innesco di un processo patologico.  Nella percezione comune, peraltro fin qui confermata dalla scienza, le persone vengono classificate in modo dicotomico: infette o non infette. La transizione dall’una all’altra categoria ha come momenti intermedi: 1) il periodo di incubazione tra l’ingresso del virus nell’organismo e l’insorgenza di segni e sintomi e 2) il periodo di guarigione in cui il nostro organismo riesce a sopraffare i virus ed eliminarli.  Queste due fasi sono temporanee e segnano il passaggio dallo stato di salute all’infezione e viceversa. Ma finora non ci siamo mai soffermati sull’eventualità che qualcuno possa essere classificato come “abbastanza” o “poco”  infetto.  Presumiamo che i “poco” infetti osservati siano persone senza sintomi. Però la capacità di trasmettere l’infezione virale è stata ampiamente dimostrata per SARS-CoV-2 e altri virus a trasmissione aerea, anche prima della manifestazione clinica dell’infezione. 

In assenza di sintomi si può quindi essere contagiosi e la definizione di caso di Covid-19 infatti, in presenza di una infezione confermata in laboratorio, non richiede la presenza di un quadro clinico di malattia. L’infezione è finora accertata mediante ricerca del genoma virale in un campione di sostanza biologica prelevato con un tampone dalle vie aeree superiori, porta di ingresso e di uscita dell’infezione e finora il risultato è stato di tipo qualitativo e non quantitativo.   

Ora viene invece sottolineata la rilevanza della quantità di genoma virale nel campione biologico come indicatore di contagiosità.  Ma la quantità di materiale virale prelevata nel campione biologico potrebbe dipendere dal modo con cui il tampone è stato eseguito? Dalla sua conservazione? Dal suo trattamento? Dal momento in cui viene effettuato il prelievo rispetto al momento in cui l’infezione è stata acquisita?

Viene proposta l’inferenza che tamponi che risultano positivi dopo un gran numero di cicli di amplificazione del genoma, indichino una infezione “moderata” e quindi non contagiosa. Il salto di conclusioni sembra non sostenibile senza altri dati di supporto e la generalizzazione potenzialmente pericolosa.

A me sembra strano discutere sul ruolo della carica virale nella contagiosità e non andare a vedere cosa succede nella vita reale sul territorio. Il rischio posto dai soggetti con tamponi con bassa carica virale va quantificato attraverso la ricerca dei contatti e la verifica della trasmissione o meno dell’infezione. A prescindere dalla carica virale, chi ha un tampone con esito positivo è un caso di Covid-19 e come tale deve essere oggetto di sorveglianza epidemiologica e punto di inizio del rintraccio dei suoi contatti.

Il contact-tracing e i dati che da questo vengono generati devono essere alla base della valutazione dei rischi e dell’interruzione dei contagi.   Organizzare una raccolta sistematica dei dati, che ora sono dispersi nei singoli dipartimenti di prevenzione, e predisporre una loro registrazione  elettronica per ulteriori analisi è l’unico approccio razionale a quantificare la contagiosità dei casi ora identificati.  Sdoganare i casi identificati con attività di screening come non contagiosi può essere molto pericoloso.  Vorreste ammettere in ospedale un paziente con un tampone positivo, ma con bassa carica virale?

Cerchiamo di saperne di più e non perdiamo l’occasione di imparare da quello che succede sul campo.

 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.