Il giudizio umano è notoriamente pessimo nel valutare il rischio, in particolare quando si ha a che fare con eventi rari. Questa non è solo una stranezza della psicologia; è una realtà matematica conosciuta come il paradosso dei falsi positivi, in cui il nostro cervello sopravvaluta costantemente la probabilità che accada qualcosa semplicemente perché siamo concentrati sui numeri sbagliati. Dai test medici alla sorveglianza di sicurezza, questo pregiudizio porta a decisioni errate con conseguenze nel mondo reale.
Il problema delle percentuali
La questione centrale risiede nel modo in cui interpretiamo l’accuratezza rispetto alla prevalenza. Un test può essere accurato al 99%, ma se la condizione che sta testando è estremamente rara, la maggior parte dei risultati positivi sarà falsa. Consideriamo una malattia che colpisce una persona su 1.000. Anche con un test quasi perfetto, per ogni vero positivo ce ne saranno circa dieci falsi. Questo non è un fallimento del test; è un’inevitabilità statistica.
Il paradosso nasce perché le nostre menti si fissano sull’elevato tasso di precisione (99%) e ignorano il piccolo tasso di base (1/1.000). Ci fissiamo sul risultato del test – un risultato positivo – piuttosto che sul contesto più ampio. Questo è il motivo per cui in questo scenario un risultato positivo del test medico, nonostante la sua affidabilità, ha solo il 9% di possibilità di indicare effettivamente una malattia.
Implicazioni nel mondo reale
Il paradosso del falso positivo non è solo teorico. Ciò spiega perché gli screening di massa per le malattie rare sono spesso inefficaci. Il numero di falsi allarmi supera i casi autentici, portando ad ansia inutile, costose procedure di follow-up e potenziali danni derivanti da diagnosi errate.
Le forze dell’ordine si trovano ad affrontare lo stesso problema. I software di riconoscimento facciale, anche se estremamente accurati, generano un’ondata di falsi positivi se applicati indiscriminatamente. A Cardiff, durante la finale di Champions League del 2017, un sistema che scansionava 170.000 tifosi ha individuato 2.470 potenziali criminali, di cui solo il 3% era effettivamente ricercato. Il sistema ha funzionato come previsto: rifletteva semplicemente la bassa percentuale di criminali tra la folla.
Il pericolo del data mining
Lo stesso principio si applica agli sforzi antiterrorismo. L’analisi dei tabulati telefonici e dei social media alla ricerca di modelli indicativi di attività terroristica produce un risultato simile. I complotti terroristici sono rari, rendendo i falsi positivi molto più comuni delle minacce reali. L’esperto di sicurezza Bruce Schneier stima che per ogni vero terrorista scoperto da tali programmi, decine di milioni di persone innocenti vengono contrassegnate come sospette, che sprecano risorse e violano la privacy.
Il contesto è tutto
L’aspetto fondamentale non è abbandonare del tutto i test o la sorveglianza. Si tratta invece di comprendere i compromessi. Test accurati sono preziosi, ma solo se applicati a popolazioni in cui la condizione è ragionevolmente prevalente. I medici danno correttamente la priorità ai test su coloro che presentano sintomi, poiché ciò sposta le probabilità statistiche a favore di un vero positivo.
Il paradosso del falso positivo ci insegna a contestualizzare i risultati. La precisione da sola non ha importanza; la probabilità dell’evento stesso è cruciale. Quando si affrontano domande probabilistiche, i dettagli più salienti non sono sempre i più rilevanti dal punto di vista statistico.
In definitiva, la valutazione razionale del rischio richiede il riconoscimento che anche i sistemi altamente affidabili produrranno più rumore che segnale se applicati a eventi estremamente rari. Ignorare questa realtà porta a uno spreco di risorse, falsi allarmi e processi decisionali errati.
