Nel cuore delle Marche, una collaborazione tra l’Azienda Ospedaliero-Universitaria di Ancona e l’Università Politecnica delle Marche sta segnando un passo importante nella trasformazione della medicina diagnostica attraverso l’intelligenza artificiale. L’iniziativa, guidata dal professor Andrea Giovagnoni, responsabile del Dipartimento di Scienze Radiologiche e del Centro Interdipartimentale di AI & Digital Health, ha portato all’adozione di quattro software di IA altamente specializzati in alcune aree critiche della radiologia, con l’obiettivo di accelerare le diagnosi, ridurre gli errori e snellire i percorsi clinici all’interno dei reparti radiologici dell’ospedale di Ancona e del presidio pediatrico Salesi.
Questa evoluzione tecnologica affronta una delle sfide più complesse della diagnostica per immagini: conciliare la ricchezza delle informazioni contenute in una radiografia, una TAC o una risonanza magnetica con la capacità umana di interpretarli in tempi brevi e con elevata affidabilità. Nel sistema tradizionale, l’analisi delle immagini richiede tempo ed esperienza, ed è soggetta alla fatica cognitiva che inevitabilmente accompagna turni intensi e volumi consistenti di esami clinici. Nel nuovo paradigma digitale, l’intelligenza artificiale non sostituisce il medico radiologo, ma si configura proprio come un “co-pilota”: un partner tecnologico che elabora in parallelo i dati visivi, suggerendo spunti, evidenziando anomalie e dando un secondo parere in tempo reale, così da liberare il professionista da compiti ripetitivi e permettergli di concentrarsi sugli aspetti più delicati della diagnosi e della cura.
I software adottati dall’Aoum sono stati sviluppati per rispondere a esigenze cliniche specifiche, andando oltre l’analisi generica delle immagini. Uno di questi, BoneView, è pensato per supportare in emergenza la rilevazione di fratture e lesioni scheletriche che potrebbero sfuggire a un esame visivo, specialmente in condizioni difficili. Un altro, BoneMetrics, automatizza le misurazioni nel distretto muscolo-scheletrico, offrendo dati oggettivi e ripetibili che migliorano la precisione diagnostica. BoneAge è qualificato per l’uso pediatrico, calcolando l’età ossea dai raggi X della mano con una precisione che può favorire un monitoraggio accurato dello sviluppo dei pazienti più giovani. ChestView si concentra sull’analisi del torace, identificando autonomamente segni di patologie polmonari complesse a partire da radiografie standard.
Il Rettore dell’Università Politecnica delle Marche, professor Enrico Quagliarini, ha sottolineato come questo modello non rappresenti semplicemente l’acquisto di nuove tecnologie, ma un’effettiva integrazione tra ricerca scientifica e assistenza clinica, in grado di innalzare lo standard sanitario e creare un centro di formazione dove studenti e specializzandi imparano a padroneggiare strumenti che stanno rapidamente definendo il futuro della medicina. In questo senso, l’IA non è un complemento accessorio, ma parte integrante di un processo didattico che favorisce l’alfabetizzazione digitale e scientifica dei futuri professionisti.
Le ricadute organizzative e cliniche di questa “radiologia aumentata” sono notevoli. Dal punto di vista operativo, la possibilità di ridurre liste d’attesa e evitare esami di secondo livello non necessari — come TAC o risonanze magnetiche che seguono a un referto incerto — rende il servizio più efficiente e meno oneroso per il sistema sanitario. Ridurre gli esami superflui non solo accelera l’iter diagnostico, ma diminuisce anche l’esposizione dei pazienti a procedure più invasive, con un impatto positivo sulla loro esperienza complessiva di cura.
Questo modello di integrazione tecnologica nella radiologia è parte di un fenomeno più ampio osservato a livello internazionale: l’intelligenza artificiale è sempre più utilizzata per automatizzare compiti di screening iniziale, rilevazione di anomalie e generazione di bozze di referti, consentendo ai radiologi di dedicare tempo ed energie alle decisioni cliniche più sofisticate. Strumenti di IA approvati da enti regolatori come la FDA negli Stati Uniti mostrano che, pur mantenendo sempre il medico al centro del processo, la precisione diagnostica può aumentare e il rischio di errori diminuire, specialmente in ambiti dove la tempestività è cruciale, come nel trattamento dell’ictus o nella diagnosi precoce di tumori.
Nonostante questi progressi, gli esperti sottolineano che l’IA deve rimanere sempre sotto la guida diretta dei clinici: l’obiettivo non è delegare la responsabilità decisionale agli algoritmi, ma rafforzare la qualità dell’interpretazione umana con strumenti che amplificano competenze e riducono la fatica professionale. Il co-pilota digitale permette al radiologo di vedere oltre ciò che l’occhio umano potrebbe inizialmente cogliere, suggerendo dettagli e correlazioni che potrebbero altrimenti passare inosservati in condizioni di carico di lavoro elevato.