Tavola I — Il soggettoAtlante N=1 · 2026

GiovanniLampedecchia

Studente di Medicina, sviluppatore autodidatta, soggetto N=1 dei miei stessi modelli. Costruisco da solo le app, i modelli matematici e gli strumenti con cui studio, mi alleno e analizzo la mia biologia.

Soggetto: Giovanni Lampedecchia, 19 anni
Luogo: Bisceglie (BT), Puglia
Corso: Medicina e Chirurgia — Università di Bari “Aldo Moro”, semestre filtro 2026/27
Diploma: Informatica e Telecomunicazioni — 97/100
Handle: lampedev

Le opere Il vault delle note

Fig. 1 · Poligrafot = 0 → 56 giorni

Stimolointensità × volume × frequenza

Segnale acutoAMPK · p38 · CaMKII · SIRT1

PGC-1αPTM + trascrizione

Fattori trascr.TFAM · NRF1/2 · ERRα

Sintesimatrice · membrana

ContenutoMitoVD · CS · OXPHOS

FunzioneVO₂max

Fig. 1La struttura a cascata del modello di biogenesi mitocondriale: sei settimane da quattro sedute, poi due di stop. Ogni traccia è un anello della catena, normalizzato al proprio massimo; più si scende, più la risposta è lenta a salire e a svanire. Calcolata in build con ODE lineari del primo ordine — è un'illustrazione della struttura, non i parametri né i dati del modello.

Metodo

Biologia → matematica → codice → predizione.

Il modo in cui lavoro sta in una riga. Il resto del sito è questa riga applicata a domini diversi.

01
Biologia
Cerco il meccanismo sotto il fenomeno, non l’analogia di superficie.
AMPK → PGC-1α → TFAM: come una seduta diventa mitocondri.
02
Matematica
Scompongo il sistema nei suoi componenti e lo riscrivo come equazioni.
10 ODE, ~22 parametri, 28 ancore bibliografiche pesate.
03
Codice
Lo rendo eseguibile, testato, ripetibile — e lo metto alla prova.
Python + numpy, pytest, Monte Carlo con bande di incertezza.
04
Predizione
Ne ricavo affermazioni verificabili, con il loro perimetro dichiarato.
Detraining: −5,3% in 2 settimane.

Scala epistemica

Ogni affermazione porta un’etichetta.

Perché “non so” è il grado più importante →

SoEvidenza robusta e convergente.
StimoInferenza da dati parziali, con un intervallo.
SpeculoPlausibile per meccanismo, senza dati diretti.
Non soNessuna base per stimare. Lo dico.

01
Systems thinking. Scompongo i sistemi nei componenti fondamentali e li ricompongo come modelli.
02
Cross-domain. Medicina, biologia, matematica, software, AI: i progetti sono ibridi per natura.
03
Costruire per capire. Un concetto complesso diventa codice, un video, un’app o un manuale.
04
Anti-slop. Distinguo qualità da fuffa — e alleno i miei agenti a fare lo stesso.
05
Autonomia. Imparo da solo, dalla programmazione alla fisiologia: leggere → costruire → verificare.
06
Cura. Ogni cosa che costruisco passa per un loop di QA visivo. La grafica conta.

Opere

Preparati: strumenti costruiti per essere usati.

Tutti costruiti, deployati e funzionanti; molti sono PWA installabili sul telefono. Li ho scritti per usarli — per studiare, allenarmi, leggere, misurarmi — e ognuno è passato per un loop di QA visivo e funzionale prima di essere considerato finito.

01Prep. 01 · PWA · quotidiano personale

Il Polimate

Un quotidiano per un solo lettore, generato ogni mattina da un agente. Un feed verticale di card che si aprono una alla volta, con l’archivio delle edizioni precedenti.

HTML, CSS e JavaScript puri: zero build, zero dipendenze.
Manifest e service worker con navigazioni network-first.
Pipeline Python (extract_issue.py) che converte una prima pagina HTML in JSON strutturato.

HTML
CSS
JS
Python
Service Worker

Live · il-polimate.pages.dev il-polimate.pages.dev, apre una nuova scheda

Il Polimate su desktop: testata "Il Polimate", selettore dell’edizione e sommario delle notizie del giorno su fondo color carta. — **Fig. 3.1a**Testata ed edizione del giorno, desktop.

Il Polimate su mobile: sezione "Scienza della settimana" con card su sonno, metabolismo e proteine. — **Fig. 3.1b**Sezione scienza, mobile.

02Prep. 02 · PWA · offline-first

GymLog PWA

L’app con cui registro ogni allenamento e le metriche giornaliere — peso, nutrizione, sonno, stress, energia. Funziona senza rete e sincronizza quando torna.

React Query con persistenza su localStorage: dati disponibili all’istante, anche offline.
Supabase con Postgres, Auth e Row Level Security.
Chip di logging rapido, “ultima volta” per esercizio, glow sui record personali, recap post-workout, dark mode.

React 18
Vite
TypeScript
Tailwind
shadcn/ui
Supabase
Workbox
Recharts
dnd-kit

Live · gymlogpwa.pages.dev gymlogpwa.pages.dev, apre una nuova scheda

GymLog in tema chiaro: esercizio panca piana con la prima serie evidenziata in arancione come record personale. — **Fig. 3.2a**Serie con glow sul record personale.

GymLog in tema scuro: schermata di workout con suggerimento della prossima serie e campi kg, ripetizioni, RIR. — **Fig. 3.2b**Workout in dark mode.

03Prep. 03 · Quantified self · analisi

GymLog Dashboard

Una dashboard analitica single-user che incrocia i dati di allenamento con quelli di vita — sonno, nutrizione, peso, stress — per cercare correlazioni.

Volume contato in set lavoranti, rilevamento di stalli e settimane di scarico.
Esploratore di correlazioni con finestra temporale (per esempio: sonno della notte prima → set lavoranti).
Effetto per quartile e correlazioni precalcolate, con avvertenze sulla dimensione del campione.

React
Vite
TypeScript
Recharts
Cloudflare Pages

Live · gymlog-dashboard.pages.dev gymlog-dashboard.pages.dev, apre una nuova scheda

GymLog Dashboard, panoramica: indicatori di workout, set lavoranti, record personali e schede di insight. — **Fig. 3.3a**Panoramica e insight.

GymLog Dashboard, correlazioni: grafico a dispersione fra ore di sonno della notte precedente e set lavoranti, ed effetto per quartile. — **Fig. 3.3b**Sonno (T−1) contro set lavoranti.

GymLog Dashboard su mobile: indicatori di workout, volume e record personali. — **Fig. 3.3c**Versione mobile.

04Prep. 04 · Tracker di studio

StudyTrack

Il tracker con cui misuro lo studio: struttura gerarchica materia → unità → argomento, timer, heatmap di intensità, statistiche. Temi chiaro, scuro e carta.

Organizzato attorno al percorso reale: semestre filtro, poi i corsi di Medicina anno per anno.
Heatmap annuale e distribuzione settimanale per vedere dove va davvero il tempo.

React
Vite
TypeScript
Neon Postgres
Cloudflare Pages

Live · study-tracker-535.pages.dev study-tracker-535.pages.dev, apre una nuova scheda

StudyTrack su desktop: obiettivo giornaliero, timer di studio con le materie del semestre filtro e dei primi due anni di Medicina. — **Fig. 3.4a**Timer e materie, desktop.

StudyTrack su mobile in tema scuro: anello dell’obiettivo all’83%, 2 ore e 30 di studio oggi, streak e giorni attivi. — **Fig. 3.4b**Obiettivo del giorno, mobile.

05Prep. 05 · PWA · la vita come un GDR

Character Sheet

Una PWA che trasforma la vita in un personaggio da gioco di ruolo: 5 domini, 5 attributi, 8 statistiche, 40 livelli, curva di esperienza con rendita decrescente, streak, achievement e quest generate in modo adattivo.

Classi personaggio con ritratti in pixel art generati.
Tutti i dati in localStorage: nessun server, nessun account, nessuna telemetria.

React 19
TypeScript strict
Tailwind 4
Vite 6
vite-plugin-pwa
motion
Recharts

Live · character-sheet-1t1.pages.dev character-sheet-1t1.pages.dev, apre una nuova scheda

Griglia di ritratti in pixel art dello stesso personaggio che evolve per livelli: cintura, mantello rosso, poi armatura argentata. — **Fig. 3.5**Ritratti per livello, pixel art.

06Prep. 06 · PWA · sistema operativo personale

Life OS

Giornata, produttività, settimana e revisione in un solo posto, con un diario del tempo a blocchi di dieci minuti e la navigazione fra i giorni.

Diario del tempo, calendario con umore, abitudini a sette giorni.

React
TypeScript
Gemini API

Life OS, diario: ultimo giorno registrato con ore di schermo libero e calendario del mese colorato per umore. — **Fig. 3.6a**Diario e calendario.

Life OS, timeline del giorno divisa in blocchi da dieci minuti. — **Fig. 3.6b**Timeline a blocchi.

Life OS, vista settimanale: ore di studio negli ultimi sette giorni e abitudini. — **Fig. 3.6c**Settimana e abitudini.

07Prep. 07 · Evidence review

Supplement Tierlist

Una tierlist degli integratori basata sull’evidenza, come web app e come video. Ogni voce è filtrata per meccanismo, qualità dell’evidenza e rapporto rischio/beneficio — non copiata da tier altrui.

Etichette di evidenza esplicite: trial umani multipli, trial limitati, osservazionale/animale, speculativo.

Web app
Video

Supplement Tierlist su desktop: titolo, distribuzione dei tier e della qualità dell’evidenza, prime card del tier S. — **Fig. 3.7a**Distribuzione dei tier e qualità dell’evidenza.

Supplement Tierlist su mobile: criteri epistemologici e distribuzione dei tier. — **Fig. 3.7b**Criteri, mobile.

08Prep. 08 · Laboratorio di interfacce

Study UI Lab

Un laboratorio di UI/UX per app di studio: più direzioni visive, temi e layout esplorati in parallelo prima di sceglierne una.

Direzioni a confronto per un tutor di studio di Medicina.

UI/UX
Prototipi

Study UI Lab, direzione "muse": interfaccia a pannelli in vetro su sfondo viola e blu con chat del tutor e focus di studio. — **Fig. 3.8a**Direzione “muse”.

Study UI Lab, direzione scura: chat del tutor con suggerimenti di argomenti come ciclo di Krebs e nervi cranici. — **Fig. 3.8b**Direzione scura.

Indice dei preparati minori

Altri progetti

Altri progetti, con descrizione e indirizzo dove disponibile
N.	Progetto	Descrizione	Indirizzo
09	DiarioOS	Diario per il detox digitale e dopaminergico, con monitoraggio della produttività.	diarioos.pages.dev
10	VitalBoard	Dashboard di vitalità e benessere.	vitalboard.pages.dev
11	YAOS	Sync real-time per Obsidian con CRDT (Yjs) su un Cloudflare Worker personale: zero database, $0. Fork adattato e deployato.	—
12	Diet Dashboard	100 giorni di carb cycling: peso, macro, acqua.	—
13	Forge Gym · Iron Athletic Forge	Strumenti di programmazione dell’allenamento.	—
14	GymFit	Vault operativo per allenamento, coach e dati.	—
15	DayZero	App di partenza e reset.	—
16	Quizzer · SchoolHub 2.0 · Consultant Pro · Life Tracker · MobileGymLog	Progetti applicativi.	—
17	Pizzeria di Tony · Pizza al Centro · Gusto e Mare	Siti web per attività locali, lavoro freelance.	—
18	Arduino Uno Temperature Measuring	Laboratorio scolastico di misura della temperatura.	—

Modelli quantitativi

La fisiologia come sistema di equazioni.

Quando un concetto è complesso lo modello in codice. Tre lavori in cui la fisiologia diventa matematica — e la matematica dichiara i propri limiti.

Prep. M1 · Python · numpy · pytest 4/4

Mitochondrial Biogenesis Model

Un modello numerico dell’adattamento mitocondriale del muscolo scheletrico all’allenamento. Calibrazione a due stadi, Monte Carlo su quattro scenari con bande di incertezza, e un report che elenca esplicitamente cosa i dati non permettono di stimare.

È il progetto che mostra meglio il mio modo di pensare: biologia → matematica → codice → predizione.

Leggi la nota sul modello

01Stimolointensità × volume × frequenza
02Segnale acutoAMPK · p38 · CaMKII · SIRT1
03PGC-1αPTM + trascrizione
04Fattori trascrizionaliTFAM · NRF1/2 · ERRα
05Sintesi proteicapool matrice vs membrana
06Contenuto e morfologiaMitoVD · CS · OXPHOS · rete
07FunzioneVO₂max

Fig. 4.1La catena modellata, dallo stimolo alla funzione. Ogni anello è uno o più stati del sistema di ODE.

equazioni differenziali: 10ODE
parametri del modello: ~22param.
bibliografiche pesate: 28ancore
matrice di scenari, N=400: 15+scenari

Ancore pesate per qualità di evidenza

A+
A
B
C
D

Come peso l’evidenza →

Predizioni del modello

R1
Intensità > volume
A parità di lavoro, alzare l’intensità produce più adattamento che aggiungere volume.
R2
6 × 22,5′ > 3 × 45′
Frequenza batte durata: lo stesso tempo, distribuito su più sedute, rende di più.
R3
Deload quasi gratis
Una settimana di scarico costa pochissimo in contenuto mitocondriale.
R4
−5,3% in 2 settimane
Il detraining invece no: fermarsi del tutto non equivale a ridurre.

Prep. M2 · PK/PD · open source, MIT

Caffeine Lab

Un modello farmacocinetico-farmacodinamico dell’upregulation dei recettori adenosinici A1/A2A da caffeina cronica, calibrato sulla letteratura, con Monte Carlo. Predice quando l’effetto svanisce, di quanto, e come evitarlo. La web app calcola quanta caffeina hai in corpo adesso, o mostra lo stato dei recettori a partire dai giorni di assunzione.

Live caffeine-lab.pages.dev, apre una nuova scheda Repo caffeine-tolerance-model su GitHub, apre una nuova scheda Nota →

Prep. M3 · serie documentaristica

IPERTROFIA

“Dal potenziale d’azione alla fibra muscolare”: un’opera didattica sulla fisiologia dell’ipertrofia in 43 capitoli più epilogo. Ogni episodio ha un PDF, figure originali e 30–60+ riferimenti verificati su PubMed e Crossref. Pipeline: ricerca → brief → struttura → piano di produzione → capitolo → build del PDF. Episodi completati: dall’1 al 34 e oltre.

Nota sulla serie →

Quantified self

Laboratorio N=1.

Allenamento, nutrizione e sonno sono il mio laboratorio, e io sono il soggetto dei miei stessi modelli. Per questo misuro molto — e diffido di ogni singolo numero.

Cartella del soggetto

N = 1

Età: 19 anni
Altezza: 177–180 cm
Peso: 67–70 kg
Massa grassa: ~16%
Stato: Natural, in ricomposizione con carb cycling
Allenamento: 4×/settimana, split Torso/Gamba
Cardio: Z2 1–2×/settimana; jogging e ciclismo
Volume: Set lavoranti — mai tonnellaggio

60–65kg × 1
Panca piana
≈ 1× peso corporeo
~9rip.
Trazioni
a corpo libero
~35min
5 km
corsa

Canali di acquisizione

4 fonti

CH 1
Apple Health
Passi, energia attiva e basale, camminata (velocità, lunghezza del passo, asimmetria), esposizione audio delle cuffie, piani saliti, audiogrammi.
244.000 record~100 MB di XML
CH 2
Zepp / Amazfit Helio Strap
Fasi del sonno (profondo, leggero, REM), variabilità della frequenza cardiaca, VO₂max stimato.
sonno · HRVstadi stimati
CH 3
Yazio
Calorie e macronutrienti giornalieri; apporto di micronutrienti confrontato con le RDA.
31+ giornianalisi RDA
CH 4
GymLog
Ogni set, carico, sforzo percepito e progressione, registrati con l’app che ho scritto.
ogni seriecarico · RPE

Analisi continue

Sonno ↔ performance
Recupero della HRV
Glicemia postprandiale
Controllo del peso

Le correlazioni su dati personali sono esplorative: un’ipotesi da testare, non una conclusione. Lo stack, nel dettaglio →

Strumenti e formazione

Da perito informatico a Medicina.

Un percorso tecnico-industriale, poi la scelta della medicina. La biologia umana è l’ossessione; il codice è il modo in cui la studio.

2026
Diploma — 97/100
I.I.S.S. “Galileo Ferraris”, Molfetta (BA) — Istituto Tecnico Tecnologico
Informatica e Telecomunicazioni, articolazione Informatica. Perito Industriale Capotecnico. Programmazione, sistemi e reti, TPSIT, laboratori; certificazioni curriculari CISCO (networking) e percorso ECDL.
2026/27 in corso
Medicina e Chirurgia
Università degli Studi di Bari “Aldo Moro” — sedi Bari / Taranto
Semestre filtro: Biologia, Chimica, Fisica e area umanistica. Per affrontarlo ho costruito da zero un sistema di studio completo: un manuale originale per ogni Unità Didattica, flashcard Anki con sync incrementale, video con animazioni, quiz e heatmap di tracker.
- BiologiaUD1→UD5
- ChimicaUD1→UD4
- FisicaUD1→UD3
Il metodo, nel dettaglio →

Stack tecnico

Linguaggi

TypeScript (strict)
JavaScript
Python
HTML / CSS
SQL
Bash

Frontend

React 18/19
Vite
Tailwind CSS 3/4
shadcn/ui
Radix
Recharts
motion
p5.js
dnd-kit
react-hook-form + zod

Backend e infrastruttura

Supabase (Postgres, Auth, RLS, Edge Functions)
Neon Postgres
Cloudflare Pages · Workers · Durable Objects
Netlify
REST
OAuth
PWA: vite-plugin-pwa, Workbox, service worker custom
MCP

Calcolo scientifico

numpy
Modelli a ODE
Simulazione Monte Carlo
Calibrazione di modelli
Fitting PK/PD
Statistica su dati personali

Agenti AI

Orchestrazione multi-agente (Hermes Agent)
Claude Code · Codex · OpenCode · Cline
Prompt engineering
RAG e sistemi di memoria
Pipeline LLM per contenuti
Browser headless / CDP

Metodo Sviluppo assistito da agenti AI con un loop di QA automatico: ogni progetto passa per round di verifica visiva e funzionale fino a superare una soglia di qualità — per esempio 9,5/10 — prima di essere considerato finito. Come funziona →

Competenze di dominio — studiate, verificate su letteratura peer-reviewed, modellate

Fisiologia umana: Fisiologia muscolare, adattamenti all’allenamento, biogenesi mitocondriale, sistema cardiorespiratorio, zone di intensità e VO₂max.
Endocrinologia: Asse HPA, ormoni steroidei, mTORC1/mTORC2, segnalazione insulinica, leptina, adattamenti al deficit calorico.
Neuroscienze cognitive: Architettura del sonno e debito di sonno, dopamina e reward, neuroplasticità, BDNF, attenzione, apprendimento.
Farmacologia e PK/PD: Cinetica dei recettori adenosinici, caffeina, cinetica dei farmaci, sperimentazione N-of-1.
Biochimica e nutrizione: Metabolismo energetico, AMPK e mTOR, partizionamento dei macronutrienti, carb cycling, nutrizione peri-workout, leucina, GLP-1, creatina.
Metodo scientifico: Gerarchia delle evidenze, pesatura per qualità, bias di sopravvivenza, calibrazione della confidenza.
Quantified self: Design di sistemi di metriche personali, integrazione di dati biometrici da più fonti, analisi di HRV e sonno.

Lingue Italiano, madrelingua · Inglese: lettura tecnica e scientifica fluente, scrittura buona.

Note

Un vault pubblico.

Appunti tecnici scritti in markdown e collegati fra loro come in un vault di Obsidian: fisiologia, farmacologia, metodo, progetti. Ogni linea del grafo è un wikilink fra due note.

Fig. 7.1Il vault, nodo per nodo: 20 note, 38 collegamenti. Passa sopra un nodo per vedere i vicini; clic per aprire la nota.

Ultime note

Indice delle note Grafo a tutto schermo

Contatti · colophon

Scrivimi.

Nessun profilo social: questo sito è il mio biglietto da visita. Per un progetto, una domanda su un modello o una nota, scrivimi.

giovanni.lmpd07@gmail.com

Scrivi una email GitHub · lampedev

App online

Colophon

Composto in Newsreader e IBM Plex Mono, in due inchiostri: ematossilina ed eosina, i colori della colorazione istologica più diffusa in medicina. Costruito con Astro, statico, senza tracciamento. Le figure sono screenshot reali delle app; la Fig. 1 è calcolata durante la build.