Promuovere l'educazione alla ricerca in data science in Africa attraverso innovazioni basate su datathon

Perché questo è importante per la salute in Africa

In tutta l'Africa, i ricercatori raccolgono enormi quantità di informazioni sulla salute, dalle visite cliniche al conteggio delle zanzare fino alle immagini satellitari. Tuttavia, senza persone formate per interpretare questi dati, molte intuizioni potenzialmente salvavita rimangono inutilizzate. Questo articolo descrive un nuovo modo per formare rapidamente giovani scienziati in tutta l'Africa occidentale mediante “datathon” – eventi intensivi a squadre in cui i partecipanti analizzano dati reali sulla malaria e trasformano il loro lavoro in ricerche pubblicabili. L'approccio dimostra come programmi brevi e mirati possano rafforzare le competenze locali e contribuire a garantire che i dati africani siano impiegati per risolvere problemi di salute africani.

Un nuovo tipo di evento formativo

Gli autori hanno progettato un modello di formazione in due fasi nell'ambito dell'iniziativa Data Science for Health Discovery and Innovation in Africa. Prima è stata realizzata una “foundation week” ibrida, aperta a circa 50 partecipanti provenienti da 14 paesi, molti dei quali hanno partecipato a distanza. Durante questa fase, i corsisti hanno appreso programmazione, gestione dei dati e competenze analitiche di base utilizzando strumenti gratuiti o ampiamente disponibili come R, Python e software di mappatura. L'enfasi è stata sulla pratica operativa più che sulle lezioni frontali, con esercizi che guidavano i partecipanti passo dopo passo attraverso compiti analitici reali. Chi ha completato la maggior parte delle sessioni ha ottenuto un certificato e ha potuto accedere alla seconda fase in presenza.

Trasformare le statistiche in strumenti più intelligenti

La maggior parte dei partecipanti conosceva già alcune tecniche statistiche tradizionali, così gli istruttori hanno usato quella familiarità come ponte verso metodi più recenti spesso raggruppati sotto intelligenza artificiale e machine learning. Invece di trattarli come misteriose “scatole nere”, la formazione ha mostrato come questi metodi derivino da idee note. Per esempio, uno studio di caso ha messo a confronto la regressione lineare ordinaria – un punto fermo della statistica – con una regressione in stile machine learning che suddivide i dati in set di addestramento e test e utilizza la cross‑validation per verificare le prestazioni. Un altro esercizio ha confrontato il tracciamento manuale degli oggetti nelle immagini satellitari con metodi automatizzati di classificazione delle immagini in grado di individuare i tetti delle case molto più rapidamente e con maggiore accuratezza. Queste dimostrazioni affiancate hanno aiutato i partecipanti a capire quando usare tecniche classiche e quando il machine learning apporta un reale valore aggiunto.

All'interno del datathon

Dopo la fase di base, 15 corsisti si sono recati a Bamako, in Mali, per un datathon in presenza della durata di cinque giorni, ospitato in un centro specializzato di bioinformatica. Hanno lavorato con un ricco data warehouse sulla malaria costruito a partire da uno studio di lunga durata in Mali, Senegal e Gambia che aveva seguito migliaia di persone, nuclei familiari, zanzare e visite cliniche per diversi anni. I partecipanti sono stati suddivisi in cinque piccoli team che mescolavano competenze di programmazione, epidemiologia e attività clinica. Guidati da mentori, ogni gruppo ha scelto la propria domanda di ricerca – per esempio perché alcuni bambini portano il parassita della malaria senza sintomi, o come il rischio di malaria cambi con stagioni e luoghi – e poi ha ripulito, collegato e analizzato i livelli di dati pertinenti.

Dalla settimana intensa a un impatto duraturo

Per tutta la settimana, i team hanno presentato i progressi quotidiani a una giuria che ha valutato i progetti sulla qualità scientifica e sui metodi. Al termine, i gruppi hanno tenuto presentazioni finali e consegnato relazioni scritte, e sono stati assegnati premi alle migliori performance. Fondamentale, il datathon non si è concluso con l'evento. Ogni squadra è stata affiancata da un mentore senior e ha partecipato a un calendario rotante di incontri online per trasformare il proprio progetto in un articolo scientifico completo nell'arco di circa un anno. Il programma ha inoltre evidenziato sfide pratiche: coordinare i viaggi internazionali, gestire le barriere linguistiche tra anglofoni e francofoni e garantire alle scienziate pari opportunità di candidatura, partecipazione e leadership nei team. Nonostante questi ostacoli, i partecipanti hanno riportato forte coinvolgimento e soddisfazione, e gli autori osservano un solido networking e collaborazione tra paesi.

Cosa significa per il futuro

Questo studio mostra che i datathon pianificati con cura possono fare molto più che offrire un breve corso intensivo di programmazione. Combinando preparazione strutturata, accesso a dati sanitari locali di alta qualità e mentoring continuativo, il modello aiuta i giovani ricercatori africani ad imparare facendo vera scienza rilevante per le loro comunità. Gli autori sostengono che programmi simili potrebbero essere adattati ad altre malattie e regioni, specialmente dove università o ospedali dispongono già di strutture informatiche di base. A lungo termine, tali sforzi possono trasformare dati poco sfruttati in prove utili per politiche sanitarie migliori, formando nel contempo una nuova generazione di scienziati esperti in dati in tutto il continente.

Citazione: Doumbia, S., Kane, F., Diabate, O. et al. Advancing data science research education in Africa through datathon-driven innovations. Sci Rep 16, 11527 (2026). https://doi.org/10.1038/s41598-026-41474-7

Parole chiave: formazione datathon, data science per la salute, ricerca sulla malaria, rafforzamento capacità in Africa, istruzione sul machine learning