Un nuovo studio italiano ha dimostrato come l’intelligenza artificiale possa rivoluzionare la diagnosi prenatale delle anomalie cerebrali fetali già nel primo trimestre di gravidanza, anticipando rispetto alle tecniche tradizionali l’individuazione di condizioni complesse del sistema nervoso centrale. La ricerca, pubblicata sulla rivista Radiology: Artificial Intelligence e coordinata da un gruppo internazionale guidato dal professor Tullio Ghi, ordinario di Ginecologia e Ostetricia all’Università Cattolica del Sacro Cuore e direttore dell’Unità Operativa Complessa di Ostetricia e Patologia Ostetrica della Fondazione Policlinico Universitario Agostino Gemelli IRCCS di Roma, ha coinvolto dieci centri di medicina fetale e ha utilizzato tecniche di deep learning per addestrare un algoritmo in grado di analizzare automaticamente le immagini ecografiche del cervello fetale acquisite tra la undicesima e la quattordicesima settimana di gestazione.
Il fulcro tecnologico del progetto è un modello di intelligenza artificiale addestrato su un dataset di 251 immagini ecografiche, di cui 150 normali e 101 affette da anomalie del sistema nervoso centrale. Queste immagini sono state impiegate per “insegnare” all’algoritmo a riconoscere schemi morfologici associati a patologie come la spina bifida aperta (OSB) e la malformazione di Dandy-Walker, due delle anomalie congenite più difficili da diagnosticare in epoca prenatale. L’uso di immagini ecografiche di routine, non invasive per il feto e per la madre, e la capacità del sistema di analizzarle con criteri standardizzati rappresentano un elemento di rottura rispetto alle pratiche diagnostiche tradizionali, che tipicamente richiedono scansioni più avanzate o sono eseguite in epoche gestazionali successive.
I risultati dello studio indicano un livello di accuratezza diagnostica pari all’88% nel distinguere immagini normali da quelle patologiche, un valore che suggerisce un’elevata capacità predittiva del modello. Per la spina bifida aperta, in particolare, l’algoritmo ha raggiunto un’accuratezza ancora maggiore, pari al 93%, con elevata sensibilità nel rilevare casi positivi. Questo dato è particolarmente significativo perché la spina bifida, se identificata precocemente, è oggi suscettibile di trattamenti prenatali che possono migliorare gli esiti clinici del neonato.
La tecnologia di intelligenza artificiale utilizzata si basa su algoritmi di deep learning in grado di estrarre caratteristiche morfologiche complesse dalle immagini ecografiche, al di là di ciò che potrebbe essere visivamente evidente a un osservatore umano. Durante la fase di addestramento, il modello apprende a riconoscere pattern associati a specifiche anomalie, migliorando la sua capacità di discriminare tra tessuti normali e alterati nel contesto anatomico fetale. Questo tipo di approccio affianca la competenza clinica tradizionale, standardizzando l’interpretazione delle immagini e riducendo la variabilità che può derivare dall’esperienza dell’operatore ecografista.
Un vantaggio fondamentale di questa applicazione dell’IA è la possibilità di anticipare sensibilmente la diagnosi rispetto alla prassi corrente. Le anomalie del sistema nervoso centrale vengono comunemente identificate nel corso del secondo trimestre di gravidanza, ma con l’uso dell’algoritmo di deep learning è possibile evidenziarle già tra l’11ª e la 14ª settimana. Questa anticipazione non solo amplia il tempo disponibile per il counseling genetico e per le valutazioni cliniche successive, ma consente anche di pianificare con maggiore precisione ulteriori indagini come test genetici mirati o risonanze magnetiche fetali, nonché di avviare percorsi di cura individualizzati in centri di riferimento specialistici.
Dal punto di vista tecnico, la sfida principale nella diagnosi precoce delle anomalie cerebrali consiste nella complessità delle strutture fetali in sviluppo e nella variabilità fisiologica che caratterizza la morfologia del cervello nei primi mesi di gestazione. Le tecniche tradizionali di analisi ecografica possono incontrare difficoltà nel riconoscimento di leggere alterazioni di forma o volume, soprattutto in epoche gestazionali precoci. L’integrazione di un algoritmo di deep learning, addestrato su un dataset clinico rilevante e diversificato, supera in parte queste limitazioni offrendo un’interpretazione basata su una quantità di dati e schemi precedentemente appresi piuttosto che su criteri visivi soggettivi.
Un’altra dimensione importante dell’innovazione riguarda l’equità diagnostica: l’adozione di un sistema supportato dall’intelligenza artificiale può contribuire a uniformare standard di valutazione anche in centri con meno esperienza specialistica, riducendo potenziali discrepanze tra diversi operatori e strutture sanitarie. In contesti in cui l’accesso a ecografisti altamente specializzati è limitato, un algoritmo affidabile può rappresentare un valido supporto per individuare anomalie complesse in maniera tempestiva e sicura.
Nonostante i risultati promettenti, gli autori dello studio sottolineano che l’intelligenza artificiale non sostituisce il ruolo del medico, ma lo affianca. La tecnologia fornisce uno “sguardo digitale” in grado di evidenziare segnali che possono necessitare di attenzione specialistica, lasciando poi alla valutazione clinica e alla gestione multidisciplinare la responsabilità delle decisioni diagnostiche e terapeutiche. L’obiettivo dichiarato è rendere la diagnosi prenatale sempre più precoce, accurata e accessibile, fornendo alle famiglie informazioni cruciali nella fase più delicata del percorso di gravidanza.