Ho un piccolo guilty pleasure: mi piace leggere paper scientifici e mandarli ai miei amici, soprattutto quando mi capita tra le mani uno studio che riguarda proprio il loro campo di ricerca.
È una cosa che faccio spessissimo: leggo qualcosa di interessante, mi viene in mente una persona che potrebbe apprezzarlo e glielo mando.
Ieri, però, è successa una cosa un po’ diversa.
Avevo appena finito di leggere uno dei paper che troverete nell’edizione odierna di SINAPSI. Lo studio raccontava un’interessante applicazione dell’intelligenza artificiale in medicina, in un ambito che conosco abbastanza bene grazie a un amico che dirige un laboratorio di ricerca negli Stati Uniti. Così ho pensato di mandarglielo, immaginando che avrebbe avuto qualcosa da dire, soprattutto perché so che anche lui sta esplorando come utilizzare l’AI nel suo campo.
La sua risposta, però, mi ha sorpreso:
“Uh! we were working on basically this exact project!”
In pratica, nel suo laboratorio stavano già lavorando a un progetto che sfruttava l’intelligenza artificiale per affrontare praticamente lo stesso problema medico descritto nel paper. Solo che, nel frattempo, un altro gruppo di ricercatori era arrivato a pubblicare i propri risultati.
E questa cosa mi ha fatto riflettere, perché secondo me racconta molto bene il momento che stiamo vivendo, soprattutto nel mondo dell’intelligenza artificiale applicata alla medicina.
La ricerca scientifica è sempre stata competitiva: non è una novità che laboratori diversi lavorino contemporaneamente agli stessi problemi o che ci sia una certa pressione a pubblicare per primi. Eppure, con l’arrivo dell’intelligenza artificiale tutto questo sta accelerando ulteriormente, a un ritmo che fino anche a pochissimi anni fa sarebbe stato difficile immaginare.
E così sempre più gruppi di ricerca, magari in continenti diversi e senza sapere nulla gli uni degli altri, finiscono per avere intuizioni simili e sviluppare soluzioni che cercano di rispondere alle stesse domande.
Diciamocelo: ormai è diventato impossibile stare dietro a tutto!
Un giorno leggi un paper e pensi che sia un’idea completamente nuova, strabiliante, rivoluzionaria. Il giorno dopo ne esce un altro che affronta lo stesso problema in modo diverso, qualche giorno dopo ancora arriva un terzo gruppo che prova a verificare quei risultati, magari scoprendo che alcune cose funzionano benissimo e altre un po’ meno di quanto sembrasse inizialmente. E nel frattempo, da qualche parte nel mondo, c’è probabilmente qualcuno che sta già lavorando al passo successivo.
In fondo, è anche così che funziona la scienza.
Ed è anche uno dei motivi per cui mi piace raccontare queste storie su SINAPSI, perché in mezzo a così tante novità è facile perdere di vista ciò che conta davvero: capire cosa è stato dimostrato, cosa resta ancora da verificare e quali scoperte potrebbero, un giorno, fare la differenza nella vita delle persone.
Questa settimana abbiamo selezionato per voi sei notizie: un’AI che ha contribuito ad anticipare una diagnosi di quasi tre mesi, un sistema che cerca segnali del rischio di Alzheimer nel cervello, un navigatore per le biopsie polmonari e un modello che potrebbe aiutare a personalizzare le cure per alcuni bambini con tumore cerebrale.
E per finire, una piccola idea tutta italiana che mi è piaciuta particolarmente.
SINAPSI #02
Lunedì 9 novembre 2026
- Un’intelligenza artificiale può ridurre i tempi della diagnosi di tre mesi?
La cosa più frustrante di quando non si sta bene è non riuscire a capire che cosa si ha, soprattutto quando i sintomi sono poco chiari e per arrivare a una diagnosi servono mesi.
È quello che succede spesso con le malattie autoimmuni: si comincia con una stanchezza persistente, qualche dolore articolare, degli esami del sangue che mostrano valori anomali. Il medico sospetta qualcosa e prescrive una visita specialistica, ma tra prenotazioni e liste d’attesa può passare parecchio tempo.
Per ovviare a questo problema i ricercatori della Johns Hopkins University e della Vanderbilt University hanno provato a capire se l’intelligenza artificiale potesse aiutare ad accorciare questi tempi.
Nasce così AURA, un sistema che analizza le cartelle cliniche dei pazienti con un test ANA positivo, ossia un esame che può essere associato ad alcune malattie autoimmuni. Anche se per correttezza dobbiamo precisare che il risultato positivo, tuttavia, non significa necessariamente essere malati: può comparire anche in persone sane.
Comunque sia, l’obiettivo di AURA non è sostituire il medico o formulare una diagnosi, ma individuare i pazienti che potrebbero aver bisogno di una valutazione specialistica più rapida.
Pertanto, per capire se funzionasse davvero, i ricercatori hanno condotto uno studio su 1.960 pazienti, suddivisi casualmente in due gruppi: uno seguito con il percorso tradizionale e uno in cui i medici ricevevano anche le segnalazioni dell’AI e i risultati sono stati davvero notevoli!
Infatti, nei pazienti che hanno ricevuto una diagnosi autoimmune, il tempo mediano necessario per arrivarci è stato di 43 giorni con il supporto dell’AI, contro 138 giorni nel gruppo di controllo. Oltre tre mesi di differenza!
Perché è importante?
Perché spesso il problema non è soltanto riconoscere una malattia, ma riuscire a far arrivare il paziente allo specialista giusto in tempi utili.
Questo è un esempio in cui l’AI non scopre una nuova patologia e non prende decisioni al posto del medico, ma aiuta a dare una priorità alle persone che potrebbero averne più bisogno.
C’è però una precisazione importante: i 95 giorni sono la differenza tra i tempi mediani necessari per arrivare a una diagnosi nei due gruppi, considerando soltanto i pazienti che hanno ricevuto una diagnosi autoimmune. Non significa che tutti abbiano ottenuto una risposta con tre mesi di anticipo.
E anche se arrivare prima a una diagnosi è certamente promettente, dobbiamo ancora capire se questo vantaggio si traduca in benefici concreti per la salute dei pazienti.
Tuttavia, questo resta comunque un risultato interessante proprio perché riguarda qualcosa di molto concreto: l’organizzazione delle cure.
Per chi aspetta da mesi di sapere perché sta male, riuscire ad abbreviare quell’attesa può fare una differenza davvero enorme.
Fonte: Johns Hopkins University — NEJM AI, 6 novembre 2026
2. Possiamo individuare i segnali del declino cognitivo prima dei primi sintomi?
Mia nonna, secondo me, aveva l’opposto dell’Alzheimer. Si ricordava tutto. Ma proprio tutto.
Non dimenticava mai un compleanno, una ricorrenza, i numeri di telefono delle sue amiche.
La cosa che mi è rimasta più impressa, però, è successa poco prima che venisse a mancare, quando ha iniziato a chiamare tutte le persone con cui aveva qualche conto in sospeso, anche da più di quarant’anni! Evidentemente non aveva dimenticato proprio niente, nemmeno quello.
Quando ho letto questo studio della Stanford University, mi è tornata subito in mente lei.
I ricercatori hanno studiato i cosiddetti SuperAgers, persone anziane che mantengono una memoria eccezionalmente buona nonostante l’età, per cercare di capire che cosa renda il loro cervello diverso da quello delle persone con Alzheimer.
L’idea era confrontare l’attività cerebrale dei due gruppi, cercando differenze nel modo in cui le diverse regioni del cervello comunicano tra loro.
Per farlo, hanno utilizzato la risonanza magnetica funzionale, che permette di osservare indirettamente l’attività delle diverse aree cerebrali. Hanno analizzato i dati di 180 SuperAgers e 110 persone con Alzheimer, sviluppando un sistema chiamato ARC.
In pratica, ARC assegna un punteggio in base a quanto l’attività cerebrale di una persona assomigli a quella dei SuperAgers oppure a quella delle persone con Alzheimer.
Poi hanno applicato questo sistema a oltre 1.300 persone tra i 55 e i 70 anni, tutte senza problemi cognitivi evidenti al momento dell’esame.
La domanda di base era : quei punteggi potevano dire qualcosa su quello che sarebbe successo negli anni successivi? I dati hanno suggerito di sì!
Le persone con schemi cerebrali più simili a quelli osservati nell’Alzheimer, infatti, tendevano ad avere un declino cognitivo maggiore durante il periodo di osservazione.
Alcuni partecipanti disponevano di dati fino a dodici anni dopo l’esame, anche se per la maggior parte il monitoraggio era durato circa cinque o sei anni.
Perché è importante?
Perché quando compaiono i primi problemi di memoria, i cambiamenti biologici associati all’Alzheimer potrebbero essere iniziati già da molto tempo. Riuscire a individuare segnali precedenti ai sintomi potrebbe aiutare dunque, un giorno, a capire chi monitorare più attentamente e quando intervenire.
Ma non siamo ancora a quel punto.
ARC non è un test clinico che permette di prevedere con certezza se una persona svilupperà l’Alzheimer. È uno strumento sperimentale che ha mostrato un’associazione tra alcuni schemi di attività cerebrale e il rischio futuro di declino cognitivo.
La cosa che ho trovato particolarmente interessante, però, è il modo in cui è nata la ricerca: per capire meglio una malattia che compromette la memoria, gli scienziati hanno deciso di studiare anche chi sembra conservarla particolarmente bene. È proprio un approccio che mi piace davvero tanto: a volte, per capire perché qualcosa smette di funzionare, vale la pena osservare chi riesce a farla funzionare più a lungo.
Fonte: Stanford Medicine — Science Advances, 4 novembre 2026
3. Una specie di Google Maps per le biopsie polmonari?
Quando ho letto il nome GPS-Lung, ho pensato subito a un navigatore.
Ed è proprio questa l’idea, anche se qui non si tratta di trovare una strada, ma di aiutare un medico a raggiungere un piccolo nodulo all’interno di un polmone.
Durante alcune biopsie polmonari, il medico inserisce un ago attraverso la parete toracica per prelevare un campione di tessuto, e questa è una procedura molto delicata: bisogna raggiungere il punto giusto, evitando per quanto possibile vasi sanguigni e altre strutture sensibili. Una delle complicazioni più comuni è lo pneumotorace, cioè l’ingresso di aria nello spazio che circonda il polmone, che può provocarne un collasso parziale.
Un gruppo di ricercatori cinesi ha sviluppato GPS-Lung proprio per aiutare i medici a pianificare e seguire il percorso dell’ago utilizzando immagini radiologiche e intelligenza artificiale.
E fin qui potrebbe sembrare una delle tante applicazioni sperimentali dell’AI, ma i ricercatori hanno fatto qualcosa di importante: hanno valutato il sistema attraverso uno studio clinico randomizzato, confrontandolo con le procedure tradizionali e i risultati sono stati molto interessanti!
Nel gruppo assistito da GPS-Lung, lo pneumotorace si è verificato nel 12,7% dei casi, contro il 23,9% del gruppo di controllo. Anche la durata media della procedura è diminuita, passando da 23,2 a 20,4 minuti e il numero medio di punture necessarie è sceso da 2,5 a 2, e come se non bastasse I ricercatori hanno osservato anche una riduzione dell’esposizione alle radiazioni.
Perché è importante?
Perché una biopsia non serve soltanto a ottenere una diagnosi: deve anche essere eseguita nel modo più sicuro possibile. Quindi, un sistema che aiuta il medico a scegliere un percorso più preciso potrebbe ridurre il rischio di complicazioni e rendere la procedura meno impegnativa per il paziente.
Ovviamente, un singolo studio non basta per stabilire che GPS-Lung funzionerà altrettanto bene in tutti gli ospedali e non stiamo parlando di un robot che si muove all’interno dei bronchi: il sistema assiste biopsie eseguite con un ago attraverso la parete toracica, sotto guida radiologica.
Ogni giorno usiamo i navigatori per raggiungere un luogo di cui non conosciamo esattamente la localizzazione e qui lo stesso principio viene applicato a un gesto medico in cui anche pochi millimetri possono essere importanti.
Fonte: npj Digital Medicine — GPS-Lung, 21 ottobre 2026
4. Meno radioterapia per alcuni bambini con tumore cerebrale?
Quando si parla di tumori, si può cadere nell’errore di pensare che un trattamento più intenso sia anche più efficace. Ma non è sempre così semplice, soprattutto quando si tratta di pazienti bambini.
Infatti la radioterapia, fondamentale per curare alcune forme di tumore cerebrale, può avere effetti collaterali importanti sullo sviluppo, sull’apprendimento e sulla qualità della vita.
Per questo motivo i medici cercano da tempo di capire se sia possibile personalizzare meglio le cure, evitando trattamenti più aggressivi del necessario.
Un gruppo internazionale guidato dal Dana-Farber Cancer Institute ha sviluppato un sistema di intelligenza artificiale chiamato MANTIS. Il modello analizza alcune caratteristiche molecolari dei tumori, in particolare i profili di metilazione del DNA, per stimare in modo più preciso la prognosi dei singoli pazienti.
La ricerca ha utilizzato dati relativi a 2.786 pazienti con medulloblastoma o ependimoma, due tipi di tumore cerebrale studiati in età pediatrica.
La parte che mi ha colpito maggiormente riguarda proprio il medulloblastoma: analizzando i dati già disponibili, i ricercatori hanno individuato un gruppo di bambini a rischio medio che potrebbe essere candidato, in futuro, a una dose inferiore di radioterapia. Secondo il modello infatti, circa il 60% dei pazienti di questa categoria potrebbe rientrare tra i possibili candidati.
Nell’analisi retrospettiva, i pazienti trattati con dosi inferiori mostravano risultati cognitivi più favorevoli. La valutazione degli esiti cognitivi, tuttavia, si basava però su un gruppo relativamente piccolo di 61 pazienti.
Nel sottogruppo individuato dal modello non è emersa una differenza statisticamente significativa nella sopravvivenza, ma questo non basta a dimostrare che ridurre la dose sia altrettanto sicuro.
Perché è importante?
Perché ci aiuta a capire come due bambini con lo stesso tipo di tumore possono avere caratteristiche biologiche molto diverse. Oggi i trattamenti vengono già personalizzati in base a diversi fattori, ma strumenti come MANTIS potrebbero aiutare a distinguere ancora meglio chi ha bisogno di terapie più intense e chi potrebbe beneficiarne con dosi inferiori.
Il punto fondamentale è che questa ricerca non dimostra ancora che ridurre la radioterapia sia sicuro.
Si tratta di analisi retrospettive: per capire se la strategia funzioni davvero serviranno studi clinici prospettici. Inoltre, non trovare una differenza statisticamente significativa non equivale a dimostrare che due trattamenti siano ugualmente efficaci.
E soprattutto, non si parla di eliminare la radioterapia, ma di una possibile riduzione della dose in pazienti selezionati.
Quando pensiamo ai progressi nella cura dei tumori, immaginiamo quasi sempre nuovi farmaci o terapie più potenti, ma questa notizia suggerisce come per alcuni pazienti il progresso potrebbe consistere anche nel riuscire a ottenere gli stessi risultati con meno effetti collaterali.
Fonte: Nature Genetics — Studio MANTIS, novembre 2026
5. L’intelligenza artificiale può imparare il linguaggio come un bambino?
Una delle cose più affascinanti nella vita è vedere come i bambini imparano a parlare.
Infatti non “studiano” il linguaggio, ma ascoltano l’ambiente che li circonda:
sentono i genitori parlare, le conversazioni a tavola, le storie prima di dormire. Così, piano piano, iniziano a riconoscere suoni e parole.
Alla Princeton University hanno provato a capire se un’intelligenza artificiale potesse imparare qualcosa di simile e per farlo, hanno utilizzato le registrazioni del progetto 1,000 Days, che ha raccolto audio e video della vita quotidiana di bambini nei primi anni di vita.
I ricercatori hanno selezionato le registrazioni di otto bambini e creato altrettanti modelli di intelligenza artificiale in cui ogni modello riceveva soltanto l’audio ascoltato dal bambino a cui era associato, seguendo l’ordine delle giornate.
Dunque niente testi scritti e soprattutto niente enormi archivi di pagine web ma solo il linguaggio ascoltato nella vita di tutti i giorni.
All’inizio i risultati non sono stati per nulla incoraggianti: infatti senza un meccanismo per “riprendere” le esperienze precedenti, i modelli faticavano a consolidare quello che avevano imparato.
Fino a quando i ricercatori hanno introdotto un meccanismo chiamato replay.
In pratica, alla fine di ogni giornata simulata, il modello poteva rielaborare una parte dei suoni ascoltati di recente. L’idea si ispira al modo in cui il cervello consolida alcune esperienze durante il sonno ed è con questo cambiamento che i risultati sono migliorati nettamente: i modelli hanno iniziato a riconoscere i suoni del linguaggio e a individuare migliaia di parole!
Perché è importante?
Oggi molti sistemi di intelligenza artificiale imparano analizzando quantità enormi di dati, mentre i bambini, invece, imparano da un’esperienza molto più empirica, fatta di interazioni quotidiane e informazioni che arrivano poco alla volta. Capire come questo sia possibile potrebbe aiutarci a sviluppare sistemi capaci di apprendere in modo più continuo ed efficiente.
Ma c’è una distinzione importante: i modelli di Princeton non hanno imparato a comprendere il significato delle parole come fanno i bambini.
Hanno riconosciuto strutture nei suoni. Non hanno imparato a parlare, né possiedono l’esperienza sociale e la comprensione del mondo di un essere umano.
La cosa che mi piace di questa ricerca è che non cerca semplicemente di costruire un’AI più potente, ma prova a usare l’intelligenza artificiale per capire meglio come funziona l’apprendimento umano.
E, considerando quanto velocemente imparano i bambini, direi che abbiamo ancora parecchio da scoprire.
Fonte: Princeton Neuroscience Institute — Science, 5 novembre 2026
6. Un progetto italiano può aiutarci a proteggere i nostri referti medici? (BONUS!)
Sicuramente vi sarà capitato di inviare le analisi del sangue a qualcuno: al vostro medico, a un amico che lavora in ospedale oppure a un chatbot per capire meglio qualche valore. Il problema è che spesso, insieme ai risultati degli esami, condividiamo anche nome, cognome, codice fiscale, data di nascita e altre informazioni personali.
È proprio questo il problema che prova ad affrontare Anonymizer, un progetto indipendente presentato come sviluppato in Italia.
L’idea è aiutare le persone a oscurare i dati personali presenti nei documenti sanitari prima di condividerli. Secondo la descrizione del suo sviluppatore, Gianluca Braccini, il programma permetterebbe di caricare un PDF o la fotografia di un referto e di individuare le informazioni che potrebbero identificare il paziente.
L’obiettivo è produrre una copia in cui questi dati siano oscurati, lasciando leggibili le informazioni importanti. Il sistema è pensato soprattutto per i referti clinici, dove valori degli esami, unità di misura e note mediche devono rimanere visibili.
Una caratteristica interessante è che il programma mostra il documento originale e quello modificato uno accanto all’altro, permettendo all’utente di controllare il risultato prima di condividerlo.
Ma la cosa che mi ha incuriosito di più è un’altra: Anonymizer sarebbe progettato per funzionare interamente sul computer dell’utente, senza inviare i documenti a servizi esterni.
E per farlo non utilizzerebbe nemmeno modelli linguistici come ChatGPT, ma una combinazione di regole pensate per riconoscere i formati dei documenti italiani e un piccolo modello di intelligenza artificiale specializzato nell’individuazione di informazioni personali.
Perché è importante?
Perché stiamo condividendo sempre più informazioni sanitarie in formato digitale, spesso senza pensare a quanti dati personali contengano. Uno strumento che aiuti a oscurarli potrebbe essere utile, soprattutto per chi non sa modificare manualmente un PDF.
C’è da precisare però che Anonymizer viene presentato come un prototipo e non abbiamo verifiche indipendenti sulla sua affidabilità.
Lo stesso sviluppatore presenta Anonymizer come uno studio di fattibilità, gratuito per uso esclusivamente personale, e non come uno strumento professionale. Inoltre, non abbiamo verifiche indipendenti sulla sua affidabilità.
Un sistema automatico può non riconoscere alcuni dati personali e oscurare nome e cognome non significa necessariamente rendere un documento anonimo.
Prima di condividere un referto, quindi, resta indispensabile controllare attentamente il risultato.
Ho voluto includere questa storia anche perché si tratta di un’iniziativa italiana che affronta un problema molto concreto ed è un esempio di come non tutte le applicazioni interessanti dell’intelligenza artificiale nascano nei grandi laboratori o richiedano investimenti enormi: a volte partono da un’esigenza quotidiana che qualcuno decide di provare a risolvere.
E mi è sembrato giusto dare spazio anche a queste idee.
Fonte: descrizione attribuita allo sviluppatore del prototipo Anonymizer.