Scelte · IA e longevità
Nel nostro viaggio, mio figlio Alek e io abbiamo incontrato più di cento esperti di longevità in 39 paesi e stati, e quasi ovunque, prima o poi, il discorso finiva sull’intelligenza artificiale. A Shanghai abbiamo attraversato un laboratorio in cui robot e IA lavorano fianco a fianco per cercare nuovi farmaci. A Los Angeles, Peter Diamandis ci ha detto che l’impatto più grande sulla longevità arriverà dall’IA. E ancora e ancora, gli scienziati che la usano ogni giorno ci hanno detto, con la stessa chiarezza, cosa non sa ancora fare. Questa pagina parla di come l’IA sta cambiando la scoperta di farmaci, la scienza delle proteine, gli esami, i test e gli orologi dell’invecchiamento, di cosa potrebbe significare per i tuoi dati sanitari e per i medici IA, e dei suoi limiti onesti – i dati, gli errori, la privacy e a chi appartengono i tuoi dati –, con le parole degli esperti che ce lo hanno insegnato, con gratitudine.
Di Marek Piotrowski · Aggiornato 2026-10-30
In breve
L’IA sta dando alla scienza della longevità qualcosa che non ha mai avuto: il potere di leggere più dati di quanti una persona potrebbe mai leggerne. Sta già aiutando gli scienziati a trovare più in fretta nuovi candidati farmaci, a prevedere la forma delle proteine, a individuare tumori negli esami e a leggere la nostra età dai test – e un giorno potrebbe trasformare i tuoi dati sanitari sparsi in un unico suggerimento chiaro che faccia una vera differenza.
È uno strumento, e uno strumento vale quanto i dati da cui impara e le persone che lo usano. Usata con saggezza, può regalarci più anni sani e felici – e dare alle persone che si prendono cura di noi più tempo per noi. [1][2][3]
La longevità, come la intendiamo noi: più anni sani e gioiosi. Cosa intendiamo →
Il tuo corpo è un sistema enorme e sempre in movimento, e oggi la scienza può misurarne più di quanto una persona potrebbe mai leggere. L’intelligenza artificiale, o IA, è un programma informatico che impara schemi da enormi quantità di dati e poi li usa per fare previsioni. Per questo tanti degli scienziati che abbiamo incontrato ne erano entusiasti.
A Los Angeles, Peter Diamandis – una delle prime persone che mi hanno ispirato sulla longevità, con i suoi podcast – lo ha detto con la stessa forza di chiunque altro nel nostro viaggio:
“Senza dubbio, l’impatto più grande sulla longevità arriverà dall’IA. Senza alcun dubbio, giusto? E quindi guardo continuamente a quel punto d’incontro in cui l’IA ci aiuta a capire a livello molecolare cosa succede dentro una cellula e a fare migliaia di miliardi di esperimenti, dove prima potevamo farne solo centinaia. Perché questi sistemi possono girare in silico, possono girare in una specie di sistemi immaginari e trovare nuove informazioni.”
In parole semplici: L’IA può testare idee dentro un computer, molto in fretta, prima che qualcuno tocchi una provetta. Così gli scienziati possono provare molte più idee di prima, e tenere per il laboratorio solo le migliori.
Al Buck Institute in California – un posto calmo e bellissimo, con piccoli cervi fuori dalle finestre – Eric Verdin ci ha raccontato come sta già cambiando i suoi laboratori:
“Lo vedrai nella maggior parte dei laboratori, anche qui: la robotica sta entrando nell’equazione. Abbiamo un microscopio robotico che ci permette di fare il lavoro di molti scienziati, e lo vedi diffondersi ovunque. Uno degli sviluppi più grandi sarebbe che l’IA acceleri anche il nostro modo di pensare. In un certo senso, l’IA è in pratica robotica per il cervello. Ci permette davvero di imparare a trovare schemi dove con i nostri occhi non riusciamo a vedere.”
In parole semplici: I robot fanno il lavoro di laboratorio di molte mani. L’IA fa il lavoro di pensiero di molti occhi: trova nei dati schemi che da soli non vedremmo mai.
Creare un nuovo farmaco richiede molti anni. Gli scienziati devono trovare il bersaglio giusto – spesso una proteina del corpo che si comporta male –, poi progettare una molecola che lo corregga, testarla in laboratorio e solo dopo testarla sulle persone. L’IA aiuta soprattutto nei primi passi.
Nel dicembre 2023, Alek e io abbiamo visitato a Shanghai un laboratorio di cui tutti nel settore parlavano: i robot conducono gli esperimenti e l’IA decide cosa provare dopo. Zhihu Qu, un ingegnere che lavorava ai suoi robot quando lo abbiamo visitato, ci ha fatto da guida:
“Supponiamo di portare un farmaco fino al PCC: dovrebbero servire quasi tre anni, ma noi lo finiamo in 18 mesi. […] Credo che in certe fasi l’IA possa accelerare molto, magari di diverse volte nel tempo. […] Ma solo per la scoperta iniziale. Per l’altra parte dobbiamo andare passo dopo passo. Sarà come per lo studio clinico. Quello non possiamo accelerarlo.”
In parole semplici: Un “PCC” è un candidato preclinico: la molecola che gli scienziati scelgono di portare avanti verso i test. L’IA e i robot possono rendere molto più rapida questa ricerca iniziale. Ma testare un farmaco in modo sicuro sulle persone richiede ancora tutto il tempo che serve.
Alcuni ricercatori hanno esaminato i farmaci trovati con l’IA che erano arrivati agli studi sulle persone. Nella prima fase, che verifica soprattutto la sicurezza, ha avuto successo l’80–90% – più del solito. Nella seconda fase, che comincia a verificare se un farmaco funziona, ha avuto successo circa il 40%, più o meno come i farmaci trovati alla vecchia maniera. I numeri di questa seconda fase sono ancora piccoli.
In base a: Un’analisi delle pipeline delle aziende · siamo ancora agli inizi [2]L’IA non progetta solo molecole. Legge anche. A Londra, Avi Roy, biogerontologo, ci ha spiegato perché gli scienziati hanno bisogno di questo aiuto:
“L’arrivo dell’apprendimento automatico e del calcolo per cercare di risolvere questi problemi complessi è assolutamente la strada da seguire. Se tu e io andiamo oggi su PubMed, e sono più o meno le due nel Regno Unito, e controlliamo solo gli articoli caricati su PubMed dalla mezzanotte di ieri, quattordici ore, non riusciremmo a passare in rassegna tutta quella letteratura biomedica in quattordici ore. Quindi immagina cosa succederà a fine mese, a fine anno. Come si fa a tirare fuori tutto il valore da tutti quegli articoli e sapere cosa è riproducibile e cosa no? Abbiamo bisogno di aiuto. Abbiamo assolutamente bisogno di aiuto.”
In parole semplici: Ogni giorno esce così tanta ricerca nuova che nessuno può leggerla tutta. L’IA può aiutare gli scienziati a trovarci ciò che conta – e ciò che regge davvero.
Camminando in quel laboratorio di Shanghai ero meravigliato. Laboratori come questo possono cambiare il modo di fare ricerca. Credo che la forza principale che la gente vede in Insilico sia che scoprirà il nuovo farmaco che cambia tutto. Ma immagina se laboratori come questo ci fossero in ogni ospedale del mondo, o almeno in ogni grande città, e fossero collegati tra loro e potessero imparare gli uni dagli altri. Sarebbe un cambiamento enorme.
Qualche giorno dopo, sempre a Shanghai, Evelyne Bischof, medico oncologo e della longevità, la cui clinica manda già campioni a quel laboratorio, ci ha raccontato come ci lavora:
“Per il lavoro clinico, sì. […] Per ora è ancora, naturalmente, sotto forma di studi approvati da un comitato etico, giusto? Ma se andrà avanti a questa velocità, molto, molto presto potremo davvero arrivare al punto di avere un […] mini-laboratorio robotico con IA nel nostro ospedale. […] Niente più trasporto di campioni. […] Arrivi, faccio la biopsia, la passo attraverso i robot, loro fanno il loro lavoro […] sarà finito entro un giorno. […] E domani posso dirti quale farmaco devi usare.”
In parole semplici: Oggi il campione di un paziente viaggia fino a un laboratorio e torna indietro. Evelyne spera in un piccolo laboratorio robotico dentro l’ospedale, così che il giorno dopo il medico sappia quale farmaco è adatto proprio a quella persona.
Poi le ho chiesto dell’idea a cui non avevo smesso di pensare dalla nostra visita: laboratori come questo nelle università di tutto il mondo, collegati da un unico database, che confrontano i loro risultati. Ha risposto:
“È il potere dei dati che hai proprio qui, giusto? Quindi se lo facciamo in ogni ospedale del mondo, o anche solo in alcuni ospedali in tutto il mondo, e siamo collegati in un cloud, e tutti i risultati vengono caricati, questo ci dà migliaia di miliardi di dati. Quindi se poi ho un paziente molto raro, ma lo faccio passare e lo identifico da qualche parte nel cloud, posso comunque aiutare quel paziente, giusto? Quindi […] sarà, non dico che potrebbe essere, sarà uno strumento molto potente, anche per la longevità, giusto?”
In parole semplici: Un ospedale vede solo pochi pazienti con una malattia rara. Migliaia di laboratori collegati li vedono tutti, e insieme possono aiutare ciascuno di loro.
Per me, questo è il futuro: una cura fatta per un solo paziente, a partire da ciò che i laboratori di tutto il mondo hanno imparato insieme. È qualcosa su cui ogni paese dovrebbe investire, e su cui dovremmo lavorare tutti insieme.
Le proteine sono le minuscole macchine che fanno la maggior parte del lavoro nelle tue cellule. Ciò che una proteina fa dipende dalla sua forma, e per decenni scoprire la forma anche di una sola proteina poteva richiedere agli scienziati mesi o anni di laboratorio.
Nel 2021 un programma chiamato AlphaFold ha dimostrato di saper prevedere la forma 3D di una proteina a partire dai suoi mattoncini, nella maggior parte dei casi con una precisione quasi pari a quella degli esperimenti di laboratorio. Il suo database gratuito oggi comprende oltre 214 milioni di sequenze di proteine. Nel 2024 Demis Hassabis e John Jumper hanno condiviso per questo il Premio Nobel per la Chimica, insieme a David Baker, che progetta al computer proteine completamente nuove.
In base a: Uno studio storico, un database pubblico e il Premio Nobel 2024 [1][4][5]Alla primissima conferenza del nostro viaggio, a Dublino, Aubrey de Grey – l’uomo che tanti in questo campo indicano come il primo ad averli ispirati – ci ha spiegato quanto sia grande tutto questo:
“Tutti parlano ovviamente di AlphaFold, questo programma meraviglioso capace di ricavare la struttura tridimensionale delle proteine partendo solo dalla loro sequenza di amminoacidi. Ha già avuto un impatto paragonabile a quello che si è visto una ventina d’anni fa, quando abbiamo sequenziato per la prima volta il genoma umano. Non rende per forza possibili esperimenti che prima non lo erano, ma rende molti esperimenti molto più facili e veloci da progettare e realizzare. E ne vedremo sempre di più. Il passo successivo naturale in quel campo è riuscire a progettare proteine da zero.”
In parole semplici: Conoscere la forma di una proteina è come conoscere la forma di una serratura: diventa molto più facile progettare una chiave – un farmaco – che ci entri. Il passo successivo è progettare nuove proteine che facciano i lavori che scegliamo noi.
A Washington, Larry Callahan, che per vent’anni è stato scienziato alla Food and Drug Administration statunitense (FDA), ha confermato che questi programmi sono molto buoni – e ci ha ricordato che una forma è solo l’inizio:
“Ora ci sono alcuni buoni programmi di IA che ti danno la struttura delle proteine e che sono molto buoni, sono AlphaFold e le versioni venute dopo AlphaFold. Quindi adesso sai come sono strutturati i bersagli. […] Ma ci sono tantissime cose. Non si tratta solo di colpire un bersaglio. Un farmaco deve entrare nel corpo. Per entrare nel corpo a volte deve passare attraverso un trasportatore. Deve superare tutti gli enzimi del metabolismo.”
In parole semplici: Trovare la serratura non è tutta la storia. Un farmaco deve anche viaggiare nel tuo corpo, arrivare dove serve e non trasformarsi in qualcosa di dannoso lungo la strada. Per questo i test sulle persone contano ancora.
L’IA sta imparando anche a leggere ciò che leggono i medici: mammografie, risonanze magnetiche, tracciati del cuore e analisi del sangue. Non si stanca mai, e può notare schemi troppo piccoli per l’occhio.
In Svezia, 80.033 donne hanno ricevuto, per sorteggio, o la normale lettura della mammografia da parte di due medici, o una lettura in cui l’IA ordinava le immagini e segnalava i punti sospetti. Con l’IA, i medici hanno trovato il 20% di tumori in più, senza più falsi allarmi, e hanno letto il 44% di immagini in meno.
In base a: Un grande studio randomizzato sulle persone [3]Un’IA addestrata sugli elettrocardiogrammi (ECG) di 499.727 pazienti ha imparato a stimare quanti anni ha una persona. Quando il cuore sembrava più vecchio di oltre 7 anni rispetto all’età reale della persona, quella persona aveva più spesso problemi di cuore come pressione alta, arterie coronarie ristrette o un battito più debole.
In base a: Un grande studio su pazienti [6]Gli orologi dell’invecchiamento, i test che stimano la tua età biologica, sono costruiti allo stesso modo: un computer impara dai dati di molte persone. (Abbiamo scritto un’intera pagina su di loro: Non esiste un’unica età biologica.) A Boston, Mahdi Moqri, che costruisce questi biomarcatori ad Harvard, ci ha spiegato perché qui l’IA conta così tanto:
“Forse la notizia migliore per il campo dei biomarcatori e dei biomarcatori dell’invecchiamento è che ora abbiamo tantissimi dati, e queste nuove mega-coorti e biobanche nazionali stanno producendo enormi quantità di multi-omica, e ognuna di queste omiche sono migliaia di misurazioni da ogni singolo prelievo di sangue. E non possiamo elaborarle con i vecchi metodi o con i metodi statistici. L’IA è qui per salvarci con tutti quei dati. […] I dati ci sono, la soluzione c’è. Ci servono solo strumenti migliori per scavare in questi dati. E l’IA promette di aiutarci in questo.”
In parole semplici: Un solo esame del sangue oggi può dare migliaia di numeri. L’IA è lo strumento che può metterli in ordine e scoprire cosa dicono su come invecchia ognuno di noi.
Parole da conoscere
Dal nostro glossario. Tocca una carta per girarla: sul retro c’è la scienza, e le persone che ce l’hanno spiegata.
Quanti anni ha il tuo corpo, e non quanti compleanni hai festeggiato.
Età biologica
Due persone nate lo stesso anno, dentro, possono avere anni di differenza. L’età biologica si stima dai marcatori nel sangue, da come il tuo DNA si accende e si spegne, e da test di forza e forma fisica. A differenza del compleanno, può muoversi — in entrambe le direzioni. Leggi di più →
Ciò che misuri oggi e che mostra quanto in fretta invecchi, molto prima che qualcosa faccia male.
Biomarcatori dell’invecchiamento
Livello 04 · Il ponte della prevenzione“L’invecchiamento non è una cosa sola, e non sarà mai semplice, e saranno sempre cose diverse in persone diverse.”
Nikolina Lauc · Londra, luglio 2024
La prevenzione è regina: restare in salute, invece di aspettare la cura.
Prevenzione
Screening, genomica, imaging e biomarcatori scoprono un problema quando è ancora piccolo, poco costoso da trattare e puoi ancora decidere tu. Quasi tutti i sistemi sanitari sono ancora fatti per curare la malattia e intervengono quando qualcosa si rompe; la longevità li trasforma in cura della salute. Leggi di più →
Livello 04 · Il ponte della prevenzione
Quasi tutti gli scienziati che lavorano con l’IA ci hanno detto due cose nello stesso respiro: è potente, e non è magia. Max Unfried, l’amico che ci ha aperto Singapore nel nostro viaggio e che usa l’IA per studiare i lipidi – i grassi del corpo – e l’invecchiamento, lo ha detto meglio di tutti:
“L’IA può capire il linguaggio, l’IA può capire le immagini, e l’IA può capire in qualche misura le regole di base della chimica. Quindi penso che in questo senso sia piuttosto potente, in quei compiti molto ristretti, per così dire. Allo stesso tempo, quando si tratta di buttare l’IA su tutto, sono meno ottimista. E l’IA viene usata come parola di moda, giusto? E allo stesso tempo penso che le IA che abbiamo oggi, le IA potenti che sono state molto utili, per esempio per dare un senso ai social media, abbiano bisogno di moltissimi dati. E la mia opinione personale è che per molte cose legate all’invecchiamento non abbiamo ancora questa quantità di dati. Quindi sì, puoi buttarci sopra l’IA, e ti restituirà qualcosa. Ma con dati insufficienti probabilmente non è corretto, o forse è addirittura sbagliato. E penso che lì dobbiamo stare un po’ attenti, giusto? I buoni modelli di IA sono fantastici, ma ci servono tantissimi dati davvero buoni e di alta qualità per ottenerne il massimo.”
In parole semplici: L’IA è bravissima nei compiti ristretti di cui ha visto molti esempi. Dalle troppo pochi dati, o dati scadenti, e ti darà comunque una risposta – ma quella risposta potrebbe essere sbagliata.
Brian Kennedy, che abbiamo sentito come uno di famiglia fin dal nostro primissimo giorno a Dublino, ha parlato ad Alek di un altro problema. (Uno dei dottorandi a cui si riferiva era Max.)
“Usiamo l’IA molto di più adesso. È un po’ folle, perché ho dottorandi che ne sanno molto più di me. […] L’IA ci permette davvero di andare in posti nuovi e di analizzare grandi quantità di dati, per avere nuove intuizioni. […] L’IA ci permette di analizzare tutte quelle vie insieme, e sputa fuori una risposta, ma a volte può essere frustrante perché non sai perché quella risposta è vera. È semplicemente quella la risposta, ma non è altrettanto soddisfacente se vuoi capire il meccanismo di ciò che sta succedendo. Quindi adesso c’è un movimento verso un’IA dotata di senso. Non so ancora bene cosa significhi, ma spero che abbia successo, perché penso che non ci servano solo le risposte, ma che dobbiamo capire perché sono quelle le risposte. E quindi dobbiamo mescolare un po’ l’IA con la scienza tradizionale di laboratorio umido.”
In parole semplici: A volte l’IA dà una risposta senza saper spiegare perché. Gli scienziati vogliono entrambe le cose, la risposta e il motivo, così verificano le idee dell’IA con esperimenti veri.
Un programma usato dai sistemi sanitari statunitensi per decidere chi dovesse ricevere cure extra giudicava quanto fossero malate le persone in base a quanto si era speso per la loro salute. Per i pazienti neri con gli stessi bisogni si era speso meno, quindi il programma sottovalutava quanto fossero malati. Correggerlo avrebbe portato la quota di pazienti neri scelti per un aiuto extra dal 17,7% al 46,5%.
In base a: Uno studio su un programma molto diffuso [7]Guido Kroemer, uno degli autori degli Hallmarks of Aging, usa l’IA ogni giorno nel suo laboratorio. A Singapore ci ha lasciato una frase da ricordare:
“In laboratorio usiamo l’intelligenza artificiale per molte domande: facciamo il docking di molecole che sono state modellate nello spazio tridimensionale dall’intelligenza artificiale. Facciamo calcoli di modellazione molecolare. Generiamo grandi insiemi di dati che in parte vengono sottoposti ad analisi bioinformatiche collegate all’IA. Facciamo analisi delle immagini: scattiamo foto o video di cellule che si comportano in un modo o nell’altro in vitro, e poi sfruttiamo l’informazione usando strumenti di IA. Quindi è un’intelligenza artificiale […] o almeno si chiama intelligenza artificiale, ma è solo uno strumento che ha bisogno di intelligenza vera per diventare utile.”
In parole semplici: L’IA è uno strumento, come un microscopio. Diventa utile solo nelle mani di persone che sanno cosa chiedere e come verificare la risposta.
Mi piacerebbe tanto una piattaforma che aiuti le persone a capire i propri dati medici. Non solo i grandi risultati di una clinica, ma anche i dati di tutti i giorni, perché senza aiuto le persone ci impazziscono. Molti di noi hanno analisi del sangue, esami e appunti di medici diversi, sparsi negli anni, e adesso numeri dai nostri orologi e anelli a ogni minuto, e ne capiamo pochissimo.
Non mi serve uno schermo sul mio wearable che mi dica minuto per minuto cosa sta succedendo – stai correndo, Marek. Lo so che sto correndo. Voglio che il mio wearable mandi i suoi dati a un programma, la mia IA personale, che impari gli schemi da tutti i miei wearable e da tutti i miei dati medici e mi dia indicazioni concrete. A fine mese mi dice cosa ho fatto e mi consiglia un solo cambiamento che farebbe una vera differenza. È questo che conta.
Poi arriva la domanda: a chi appartiene tutto questo? A Dublino, nei primi giorni del nostro viaggio, Tina Woods – attivista della longevità e una vera carica di energia – ne ha parlato con noi:
“C’è tutto questo spazio dei, diciamo, biomarcatori digitali e della raccolta passiva di dati, perché ovviamente abbiamo gli orologi. Abbiamo tutti questi sensori […] E ovviamente bisogna fare i conti con le preoccupazioni del pubblico per la privacy e tutto il resto. […] Mi affascinano, per esempio, i portafogli di dati personali. Come con un clic una persona possa decidere con chi condividere i propri dati. […] Ci servono leggi e regole che sostengano la nostra capacità di condividere dati su larga scala. Quindi mi affascinano davvero idee come la donazione dei dati, la filantropia dei dati, dove il grande pubblico può far parte di un progetto di ricerca scientifica su enorme scala che spingerà le aziende a crescere, perché avremo un accesso migliore ai dati.”
In parole semplici: Il tuo orologio, i tuoi test e i tuoi esami creano dati su di te. Dovresti essere tu a decidere chi li vede – e, se vuoi, puoi darli alla scienza per aiutare tutti.
Alcuni ricercatori hanno dimostrato che il 99,98% degli americani poteva essere riconosciuto correttamente in un insieme di dati che conteneva 15 informazioni comuni su di loro, come età, genere e stato civile – anche dopo aver tolto i nomi.
In base a: Uno studio di modellizzazione [8]Gli assistenti di IA che rispondono a domande sulla salute sono già qui. Possono spiegare il risultato di un esame con parole semplici, ed è meraviglioso. Ma possono sembrare sicuri e sbagliare lo stesso, e ciò che ci scrivi dentro potrebbe essere conservato. Ecco buone domande da farsi prima di fidarsi di uno di loro:
La gioia in tutto questo è il tempo. Se le macchine si occupano di leggere, ordinare e sbrigare le carte, le persone che si prendono cura di noi riavranno le loro mani e il loro cuore. A Shanghai ho detto a Evelyne Bischof, medico oncologo e della longevità, che speravo che un giorno l’IA le permettesse di lavorare quattro ore al giorno. Ha riso, e poi ha detto questo:
“Spero davvero che l’IA ci porti soluzioni capaci di toglierci gran parte del peso, dalle carte all’amministrazione, cose che prendono solo tempo. Se potessimo toglierlo e io potessi passare dall’high tech all’high touch, passare più tempo con il paziente e adattare, e poi passare anche più tempo con me stessa e con la mia longevità, sarebbe fantastico.”
In parole semplici: Il sogno non è un medico robot. È una dottoressa con più tempo per te – e per la sua lunga vita in salute.
E c’è gioia in ciò che l’IA apre ai giovani. Quando a Dublino Alek ha chiesto ad Andrea Maier dell’IA, lei gli ha dato un consiglio sulla carriera utile a qualsiasi ragazzo:
“Penso che nella medicina della longevità siamo nella fase in cui prima dobbiamo elaborare i dati noi stessi, perché dobbiamo assicurarci che abbiano senso, che i dati siano buoni e che abbiano senso dal punto di vista fisiologico. Ma poi dobbiamo davvero scrivere gli algoritmi giusti per rendermi la vita un po’ più facile nell’elaborare i dati, e l’intelligenza artificiale ha davvero un ruolo grande, grandissimo. Quindi se vuoi una carriera, direi: o studi medicina, vai verso la medicina della salute e della longevità, diventi medico della salute e della longevità. E se sei davvero sveglio, fai entrambe le cose. Studia anche intelligenza artificiale, combinale, e il futuro è tuo.”
In parole semplici: Medici che capiscono i dati, ed esperti di dati che capiscono il corpo: è lì che si sta costruendo il futuro della medicina della longevità.
Camminando lungo l’oceano a Santa Monica con Peter Diamandis, gli ho detto come la vedo io:
“Io di solito dico che ci sono due cose più importanti di tutte, e l’IA è solo uno strumento. La prima è la longevità, perché possiamo vivere più a lungo questa vita bellissima e provare queste emozioni. Ma la seconda è la leadership consapevole: che tutto ciò che facciamo, tutta la tecnologia che possiamo creare, la usiamo per il bene dell’umanità e non per il male. Ed è proprio questo il compito più difficile.”
Prima di cambiare qualcosa
Questa pagina condivide ciò che dicono la ricerca e gli esperti che abbiamo incontrato. Non è un consiglio medico e non raccomanda alcun farmaco, integratore o trattamento. Non sa nulla di te. Prima di iniziare, smettere o cambiare qualcosa — soprattutto se sei incinta, hai una malattia o prendi farmaci — parlane con il tuo medico. In caso di emergenza, chiama il 112.
Ogni numero di questa pagina, secondo il numero tra parentesi quadre. Le citazioni vengono dalle interviste registrate da Live Beyond, fatte in inglese; qui sono tradotte e ripulite solo dalle esitazioni. Non è un consiglio medico. Parla con il tuo medico prima di cambiare qualcosa.