Il Metodo Delphi: dalla Pizia al consenso scientifico

Al centro di molte decisioni scientifiche importanti vi è una sorta di paradosso: la domanda è urgente, il problema è reale, ma non esistono dati in grado di rispondere alle necessità. Non ci sono RCT, non ci sono studi osservazionali, o, se ci sono, sono pochi, scarsi e probabilmente non adeguati. Non vi è ovviamente alcuna meta-analisi. Eppure dall’altro lato della bilancia vi è la pressione di rispondere a esigenze concrete: includere o no un outcome in un registro? Quale criterio diagnostico adottare per una malattia rara? Quale soglia di rilevanza clinica dichiarare in un protocollo?

In casi come questi, come trovare una risposta? Affidarsi al caso? Consultare un oracolo, come i Greci che si rivolgevano alla Pizia? Magari ricevendo una risposta come quella data al soldato in partenza per la guerra:“Ibis redibis non morieris in bello”, affidando così alla posizione di una virgola il significato dell’intero vaticino.Ibis, redibis, non morieris in bello: andrai, ritornerai, non morirai in guerra. OppureIbis, redibis non, morieris in bello: andrai, non ritornerai, morirai in guerra.

Nel mondo moderno non esistono oracoli di Apollo e la ricerca scientifica non si affida certo a strumenti di tale genere. Eppure tra i suoi metodi ve n’è uno che si richiama proprio all’oracolo di Delphi: è l’ormai noto metodo Delphi, preferendo la versione anglofona a quella latina di Delfi. Il metodo è spesso la risposta più onesta disponibile quando i dati clinici mancano o non bastano. Non risolve l’incertezza — nessun metodo in ricerca medica lo fa davvero — ma grazie a una struttura riproducibile, trasparente e difendibile, trasforma il giudizio degli esperti in qualcosa che si può leggere, citare e difendere.

Perché si chiama Delphi

Seppur possa apparire sorprendente, il metodo Delphi deve il suo nome proprio al luogo sede dell’oracolo di Apollo nell’antica Grecia, dove la Pizia — sacerdotessa di Apollo — pronunciava i suoi vaticini. Particolarità di questo oracolo era che la sacerdotessa parlava con ambiguità calcolate, simboli aperti all’interpretazione: come abbiamo visto con la storia del soldato, il significato dipendeva da dove si posizionava una virgola. Era considerata nel mondo greco la massima esperta, colei che più di tutti conosceva il destino: nessun re invadeva un territorio, nessuna città-stato firmava un trattato rilevante, senza prima consultare Delphi. La funzione dell’oracolo non era eliminare l’incertezza. Era darle una forma utilizzabile per chi doveva decidere.

Quando Olaf Helmer e Norman Dalkey, ricercatori della RAND Corporation, svilupparono il metodo alla fine degli anni Quaranta, scelsero il nome Delphi richiamandosi a ciò che gli antichi greci avevano intuito da millenni: che dare forma all’incertezza è già, di per sé, aiutare chi deve decidere.

Tutto nacque da una richiesta dell’U.S. Air Force nel contesto della Guerra Fredda: quante bombe atomiche sovietiche sarebbero state necessarie per compromettere in modo significativo la produzione industriale americana? I ricercatori si trovarono a dover dare una risposta quantitativa a un problema che non poteva essere osservato e dunque misurato. Un po’ come la celebre battuta del grande Totò nel filmTotò, Peppino e la malafemmina: come fai a sapere che c’è la nebbia, se quando c’è la nebbia non si vede? Nessuna formula statistica poteva rispondere alla domanda dell’U.S. Air Force e non vi era alcun dataset disponibile. Eppure la domanda era sensata, aveva un peso, necessitava di una risposta. L’unica risorsa erano esperti con prospettive diverse. E allora Helmer e Dalkey si dissero: perché non sfruttarla?

L’idea di consultare gli esperti è del resto antica quanto il potere. I Greci avevano i loro consigli di anziani, i Romani il Senato: ogni civiltà ha sviluppato la stessa intuizione, ossia che le decisioni difficili richiedono il parere di chi sa. Nel Novecento questa tradizione si è scontrata con un’idea seducente e controintuitiva — la saggezza della folla — secondo cui il parere aggregato di molti non specializzati supererebbe quello dei singoli esperti. Un’ipotesi affascinante, sostenuta da esperimenti celebri. Ma la ricerca ha chiarito i limiti: la folla funziona quando i giudizi sono indipendenti e diversi, non quando il problema è tecnico e complesso. In quei casi, gli esperti vincono.

L’idea di base nello sviluppo del Delphi era quella di riunire gli esperti, metterli in una stanza, lasciarli discutere e produrre un documento condiviso. Idea semplice in teoria, sfortunatamente molto meno in pratica.

Riunire degli esperti e gestire le diverse opinioni non è un’operazionesic et simplicitercome potrebbe apparire ad una prima vista. Le riunioni di esperti producono sistematicamente bias cognitivi e sociali ben documentati, indipendentemente dalla qualità dei partecipanti. Chi ha il rango più alto o la reputazione più consolidata tende a dominare la discussione, indipendentemente dalla qualità del suo argomento nel caso specifico. La pressione sociale verso la coesione — il cosiddetto pensiero di gruppo — porta i partecipanti ad abbandonare posizioni ben fondate pur di non creare attrito. La prima stima pronunciata ad alta voce influenza tutte quelle successive, anche in assenza di informazioni nuove così da creare un effetto ancoraggio su cui tutti tendono poi a poggiarsi. Ed ancora la competenza riconosciuta in un dominio viene spesso proiettata su domini adiacenti dove non è necessariamente trasferibile creando così un effetto alone.

Per superare queste problematiche, Helmer e Dalkey progettarono il Delphi con un obiettivo preciso: ridurre gli effetti dei meccanismi sociali e cognitivi che avrebbero potuto minare la validità del giudizio degli esperti. La soluzione pensata era — e resta tutt’oggi — semplice e rigorosa: separare fisicamente gli esperti, garantire l’anonimato ed iterare con feedback statistico tra un round e il successivo. Una procedura in grado non solo di ridurre i bias, ma di fare qualcosa di più ambizioso: dare voce a tutti in egual misura, pesando la conoscenza e non la forza con cui la si presenta.

Il metodo Delphi

Un Delphi classico si articola in quattro principi fondativi che rimangono validi nelle versioni contemporanee, nonostante le numerose varianti sviluppate nei decenni successivi.

Il primo principio è l’anonimato strutturato. Gli esperti non conoscono le risposte degli altri partecipanti o, nelle versioni in cui si conoscono come persone, non sanno chi ha espresso quale posizione. Questo elimina l’authority bias e libera ciascun partecipante dalla pressione di conformarsi alle opinioni di colleghi più senior o influenti. Un epidemiologo junior che ha dati solidi può mantenere la sua stima senza il costo sociale di contraddire apertamente il professore ordinario seduto due sedie più in là.

Il secondo è l’iterazione con feedback controllato. Il processo si articola in più round sequenziali, tipicamente due, tre, o quattro. Tra un round e il successivo, il facilitatore raccoglie le risposte, le sintetizza statisticamente e le restituisce ai partecipanti come feedback aggregato: distribuzione delle risposte, mediana e range interquartile. I partecipanti vengono invitati a riconsiderare la propria posizione alla luce di ciò che il gruppo ha risposto. Elemento fondamentale: non viene chiesto di cambiare idea. Vengono solo informati del parere aggregato, così da poter valutare liberamente se confermare la propria posizione o avvicinarsi al gruppo.

Il terzo è la risposta statistica del gruppo. Il risultato del consenso non è un verbale. Il Delphi non dà vita a nulla che assomigli all’esito di una riunione di condominio o di una negoziazione al ribasso. Anzi è esattamente il contrario. Grazie all’uso della statistica, la voce del gruppo non appartiene a chi parla più forte, ma è un coro in cui ogni voce conta quanto le altre e tutte trovano una collocazione nella distribuzione delle risposte e negli indici associati: mediana e range interquartile.

Infine, il quarto principio è la convergenza non forzata. Come in un coro, l’obiettivo è ridurre la dispersione e trovare un’armonia, ma nessuno è obbligato a cambiare parte. I partecipanti rimangono liberi di mantenere la propria posizione anche di fronte a un feedback che va in altra direzione, senza mai divenire una nota stonata del coro. Nelle versioni metodologicamente più rigorose, chi si discosta significativamente dalla distribuzione del gruppo viene invitato a fornire una motivazione scritta, che entra nel feedback al round successivo. Il dissenso residuo non viene soppresso: viene documentato, così da garantire trasparenza e peso anche all’outlier.

Il ruolo nella letteratura scientifica

Formalizzato nella letteratura scientifica nel 1963 con la pubblicazione diAn Experimental Application of the Delphi Method to the Use of ExpertssuManagement Science— firmato da Dalkey e Helmer — il metodo rimase inizialmente confinato al mondo della pianificazione strategica e della previsione tecnologica. Negli anni Settanta cominciò una migrazione inattesa verso la medicina e la sanità pubblica, dove trovò una nicchia quasi perfetta. La diffusione in ambito clinico accelerò progressivamente fino a diventare, oggi, uno degli strumenti di consenso più citati nella letteratura biomedica internazionale.

Il motivo di questo successo non è casuale. La medicina ha una lunga tradizione di decisioni prese in condizioni di incertezza. Fa parte della natura di questa disciplina lavorare a fianco a fianco con l’incertezza. Il clinico esperto non aspetta la certezza assoluta per agire: valuta, pondera e decide con i dati che ha. Il Delphi porta questa stessa logica sul piano collettivo, strutturandola in modo riproducibile e tracciabile.

In un campo abituato a ragionare per livelli di evidenza, un consenso costruito con rigore metodologico è qualcosa che si sa come leggere, come citare e come difendere. Queste caratteristiche del Delphi fanno sì che esso sia oggi applicato regolarmente per lo sviluppo di linee guida cliniche, per la selezione degli outcome in trial su malattie rare, per la validazione di strumenti di misura, per la definizione di standard di qualità assistenziale.

Cosa il Delphi non è

Tuttavia questo successo non deve far dimenticare i limiti strutturali del metodo. Come tutti i metodi potenti, il Delphi ha i suoi e conoscerli è parte integrante del saperlo usare.

Il primo equivoco da sfatare riguarda la natura del consenso che il Delphi produce. Si è portati a credere che si tratti di poco più che un modo elegante per dare consistenza a pareri sparsi, o peggio di un metodo empirico nel senso classico del termine. Entrambe le posizioni sono errate. Il Delphi raccoglie giudizi di esperti, non dati del mondo, e il suo fine è generare convergenza. Il consenso prodotto non è verità assoluta (quale studio in scienza lo è?) ma è appunto convergenza di opinioni informate, il cui grado di accuratezza dipende dalla qualità degli esperti selezionati, dalla struttura delle domande e dalla rappresentatività del panel rispetto al problema in esame.

Ed è proprio qui che si annida il limite più frequentemente sottovalutato: la qualità del panel. Un Delphi con esperti mal selezionati produce consenso di scarso valore, indipendentemente dal rigore procedurale. La definizione dei criteri di inclusione del panel merita la stessa attenzione dei criteri di inclusione di uno studio clinico.

La qualità delle domande è il secondo limite spesso trascurato. Un questionario mal costruito orienta le risposte prima ancora che gli esperti le formulino. Domande ambigue generano consenso apparente su posizioni che in realtà non coincidono. Allo stesso tempo domande troppo ampie producono risposte non confrontabili. Domande troppo chiuse soffocano il dissenso che il metodo vorrebbe invece preservare. La struttura del questionario è la grammatica con cui il panel parla. E la ricerca sul bias di formulazione ci ricorda che la domanda può avere un peso pari, se non superiore, alla risposta stessa.

L’anonimato, poi, ha limiti pratici che emergono soprattutto nelle comunità scientifiche piccole. In un campo con cinquanta esperti mondiali, le posizioni, il linguaggio tecnico e i riferimenti bibliografici scelti rendono spesso riconoscibile chi ha risposto cosa, anche senza che i nomi compaiano mai esplicitamente. L’anonimato formale non garantisce quello sostanziale. In ambiti in cui il contrasto tra esperti è particolarmente acceso, questa fragilità non è un dettaglio: può trasformare il Delphi in una riedizione mascherata delle stesse dinamiche di potere che il metodo nasceva per neutralizzare, con il paradosso che la forma rimane rigorosa mentre la sostanza si svuota.

Infine, il tasso di attrito tra i round è un problema reale e spesso sottostimato. Un panel che inizia con trenta esperti può ritrovarsi con venti al secondo round e quindici al terzo. Se chi abbandona lo fa per ragioni sistematiche come ad esempio perché la propria posizione era minoritaria, perché il dissenso era scomodo, l’attrito introduce un bias silenzioso nella stima finale. Esattamente come accade quando si perdono i pazienti al follow-up, ogni perdita di esperti tra un round e il successivo va monitorata, documentata e dichiarata nei limiti dello studio. Ma soprattutto va studiata e capita: perché chi se ne va, in un Delphi, racconta spesso più di chi rimane.

Il richiamo all’oracolo di Apollo è ancora valido?

C’è una ragione per cui Helmer e Dalkey scelsero proprio il nome di quell’oracolo greco — e non era ironia. Anzi, i due autori erano i primi a essere a disagio con la connotazione oracolare del nome, che a loro avviso sapeva un po’ di occulto. Eppure il nome rimase. Perché la funzione era la stessa: non eliminare l’incertezza, ma darle una forma autorevole e utilizzabile per chi deve decidere.

L’oracolo di Delfi non sapeva il futuro. Produceva a suo modo un’elaborazione simbolica dell’incertezza — strutturata, rituale, dotata di autorità — in modo tale da avere peso decisionale per chi doveva scegliere. Per le conoscenze e le credenze dell’epoca, era la fonte più autorevole di informazione disponibile. Oggi sorridiamo, certo. Ma nel nome Delphi sopravvive, rigoroso e scientifico, lo stesso principio fondamentale: non eliminare l’incertezza, ma darle una forma comunicabile, tracciabile e difendibile.

In un contesto scientifico sempre più attento alla trasparenza metodologica, questa è una proprietà rara. Siamo partiti da un paradosso: la domanda urgente senza dati. Il Delphi quel paradosso lo risolve, non con un dataset, non con un RCT, ma con qualcosa di altrettanto valido: un consenso costruito con rigore, documentato in ogni passaggio,e difendibile davanti a chiunque chieda conto della decisione. In ricerca, quando i dati non arrivano, è esattamente quello di cui si ha bisogno.