Nuovo dipartimento “Computational Precision Nutrition” presso il DIfE
Il prof. Stefan Konigorski è a capo del nuovo team che integra gli studi N-of-1 con dati di coorte multimodali
Il 1° luglio 2026, presso l’Istituto tedesco per la ricerca nutrizionale di Potsdam-Rehbrücke (DIfE), ha iniziato la propria attività il nuovo dipartimento “Computational Precision Nutrition”, sotto la direzione del Prof. Stefan Konigorski. L’obiettivo del nuovo team di ricerca è quello di promuovere lo sviluppo di raccomandazioni nutrizionali affidabili e personalizzate attraverso i cosiddetti studi «N-of-1» e nuovi metodi di analisi basati sull’intelligenza artificiale e sull’inferenza causale.
Il dipartimento Computational Precision Nutrition (CPN) va oltre l’approccio «one-size-fits-all». Grazie all’utilizzo di metodi di analisi dei dati e algoritmi all’avanguardia, si tiene conto dell’individualità di ogni persona. Ciò consente lo sviluppo di strategie nutrizionali personalizzate che possono contribuire a migliorare la salute. (Grafica: DIfE)
Le tendenze alimentari come il digiuno intermittente o la dieta low carb sono onnipresenti. Tuttavia, ciò che funziona per una persona, a volte non ha alcun effetto su un’altra. È proprio qui che entra in gioco il nuovo dipartimento «Computational Precision Nutrition» (CPN) del DIfE. Sotto la guida del Prof. Stefan Konigorski, il team sta promuovendo un cambiamento di paradigma, passando da un approccio generico «one-size-fits-all» alla nutrizione di precisione. L’obiettivo è analizzare dati complessi relativi alla salute e provenienti da studi scientifici per sviluppare strategie volte a fornire raccomandazioni personalizzate in materia di alimentazione e comportamento, finalizzate alla prevenzione e al trattamento di malattie croniche come l’obesità o il diabete di tipo 2.
Via dai consigli generici – verso un’alimentazione di precisione personalizzata
Per Stefan Konigorski la soluzione non è più solo una dieta, ma un piano scientificamente dimostrabile che tenga conto del metabolismo unico di ogni persona. «Combiniamo approcci computerizzati con app, dati provenienti da studi di coorte e studi personalizzati per stabilire nessi causali. La base dati è multimodale, ovvero si fonda sull’integrazione di dati molecolari, dati provenienti da dispositivi indossabili e modelli dettagliati di stile di vita. È proprio questa profondità che ci permette di raggiungere una vera precisione quando serve», spiega.
Studi N-of-1: la prova per il singolo individuo
Il team di Konigorski sviluppa nuovi metodi all’incrocio tra statistica e intelligenza artificiale e li integra con i dati provenienti da grandi studi poblazionali, come lo studio EPIC (European Prospective Investigation into Cancer and Nutrition) di Potsdam o lo studio sulla salute NAKO. Si prevede tuttavia di ricorrere anche a studi su base individuale, per la cui valutazione il team CPN utilizza il principio della sperimentazione N-of-1. Questo metodo statistico consente la personalizzazione degli studi sperimentali.
Il Prof. Stefan Konigorski è a capo del nuovo dipartimento CPN presso il DIfE dal 1° luglio 2026.
Per studiare l’influenza dei singoli fattori alimentari sulla salute, è fondamentale il potenziamento della piattaforma digitale open source StudyU. In combinazione con metodi di inferenza causale, sarà possibile individuare effettivamente le relazioni di causa-effetto tra fattori legati allo stile di vita, alimentazione e rischi di malattia.
Questo approccio aiuta a rispondere a domande individuali del tipo: «Mi sento meglio e il mio livello di glicemia può essere ridotto a lungo termine grazie al digiuno intermittente?». Konigorski spiega: «Per questo approccio di ricerca, le partecipanti dovrebbero ad esempio affrontare una fase con e una senza digiuno intermittente, durante le quali verrebbero rilevati specifici indicatori di salute. Alla fine, l’analisi statistica può individuare gli effetti individuali e fornire raccomandazioni personalizzate sullo stile di vita. Le partecipanti imparano così, ad esempio, in prima persona quali modelli alimentari sono utili per loro».
Combinazione di IA e biologia umana
La combinazione unica di banche dati, intelligenza artificiale e lo strumento empirico delle sperimentazioni N-of-1 non solo consente di collegare approcci micro con dati macro. L’enorme varietà di dati promette piuttosto di fornire conclusioni di medicina di precisione sull’insorgenza di malattie cardiometaboliche e legate all’età. «Dalla ricerca condotta finora sappiamo quali modelli alimentari possono proteggere e fornire un supporto terapeutico. Ma cosa significa questo per il singolo individuo? Per chi sono sufficienti le raccomandazioni generali? Quando è necessaria la precisione? Il nostro nuovo dipartimento «Computational Precision Nutrition» fornirà risposte a queste domande e genererà strumenti per raccomandazioni nutrizionali personalizzate, che spaziano dai dati precisi fino all’implementazione digitale. Questo ridefinirà lo standard nella ricerca nutrizionale», afferma il Prof. Tilman Grune, membro del consiglio scientifico del DIfE, illustrando l’importanza del nuovo dipartimento.
Informazioni di base
N-of-1 Trials
La metodologia degli studi N-of-1 Trials ha origine nella medicina generale e nell’assistenza clinica, dove è fondamentale misurare l’efficacia individuale
. Nel campo della nutrizione, questo approccio metodologico è utile, poiché il metabolismo umano è estremamente individuale e
le raccomandazioni generali “corrette” a volte hanno scarso effetto.
Inferenza causale
L’inferenza causale è un processo scientifico che aiuta a identificare nei dati vere relazioni di causa-effetto. Mentre le semplici correlazioni
descrivono solo nessi statistici, l’inferenza causale indaga se una variabile ne causi direttamente un’altra,
e quantifica l’intensità di tale effetto.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Tedesco può essere trovato qui.
Altre notizie dal dipartimento scienza
