L’utilizzo di dati sintetici in sanità rappresenta oggi una delle soluzioni più innovative per superare le limitazioni diagnostiche legate alla mancanza di informazioni complete sui pazienti. XGeM, sviluppato da un team internazionale guidato dall’Università Campus Bio-Medico di Roma, dimostra come questa tecnologia possa trasformare radicalmente l’approccio alla diagnostica medica.
Indice degli argomenti
Il problema della visione olistica del paziente nella sanità moderna
Uno dei problemi più attuali nel mondo della sanità è la difficoltà di avere una visione davvero completa del paziente, specialmente quando si tratta di esami radiologici come le radiografie del torace.
In molti casi, infatti, il medico si trova a dover prendere decisioni cliniche importanti con informazioni parziali: può mancare la proiezione laterale dell’immagine, non essere disponibile il referto scritto, o non esserci uno storico di esami precedenti. Tutto questo limita la possibilità di avere un inquadramento chiaro e globale dello stato di salute del paziente – quella che in medicina si definisce una “visione olistica”.
A questo si aggiunge un ulteriore ostacolo: la protezione della privacy del paziente. I dati medici reali, come immagini o referti, contengono informazioni estremamente sensibili e non possono essere facilmente condivisi tra ospedali, centri di ricerca o strutture sanitarie diverse.
Questa frammentazione rende più difficile anche la collaborazione tra medici e la possibilità di confrontare i casi, imparare da situazioni già affrontate o costruire percorsi diagnostici condivisi.
XGeM: un modello di AI per la generazione di dati sintetici clinici
In questo contesto, avere strumenti in grado di completare le informazioni mancanti, fornire immagini supplementari o sintetizzare referti coerenti con il quadro clinico, può fare la differenza tra una diagnosi incerta e una diagnosi tempestiva e accurata.
In questo scenario, un gruppo di ricercatori dell’Università Campus Bio-Medico di Roma, in collaborazione con la Umeå University (Svezia), l’Università di Shenzhen (Cina) e con la National Academic Infrastructure for Supercomputing (NAISS, Svezia), ha sviluppato XGeM, un modello di intelligenza artificiale generativa capace di ricostruire o completare il quadro clinico del paziente, anche a partire da una singola immagine radiografica. Si tratta di una tecnologia all’avanguardia, già testata con successo in laboratorio e validata in contesti clinici controllati, pensata per supportare il medico, non sostituirlo, nelle fasi più delicate della diagnosi e della cura, operando quindi nel contesto dell’intelligenza aumentata
Dati sintetici, ma clinicamente realistici
Il progetto prende forma da una sfida concreta: come fornire dati clinici completi anche quando non sono realmente disponibili?
Grazie a un’architettura innovativa, il modello è in grado di generare immagini mediche o referti testuali anche in presenza di informazioni parziali. Ad esempio, può:
- creare una vista laterale del torace a partire da una radiografia frontale (e viceversa);
- scrivere automaticamente un referto clinico realistico sulla base dell’immagine;
- oppure combinare più fonti (immagini + testo) per simulare esami non eseguiti, ma clinicamente coerenti.
Tutto questo avviene tramite la generazione di dati sintetici altamente realistici: artificiali, sì, ma così accurati da risultare indistinguibili da quelli reali, secondo test effettuati con radiologi esperti.
XGeM si basa su un’architettura multimodale: è in grado di lavorare su immagini e testi clinici insieme, garantendo coerenza tra ciò che “vede” e ciò che “scrive”. È un principio che riflette l’essenza stessa della medicina: nessun dato è utile da solo, ma lo diventa solo se integrato nel contesto del paziente.
Dati sintetici: la chiave per una medicina più inclusiva e precisa
Questo approccio inoltre protegge la privacy del paziente, garantisce l’anonimizzazione, pur mantenendo una coerenza clinica elevata.
XGeM nella formazione dei medici: uno strumento per simulazioni realistiche
L’adozione di strumenti di AI in ambito sanitario solleva spesso dubbi, soprattutto su responsabilità e affidabilità. Per questo, XGeM è stato progettato con un’impostazione chiara: non prende decisioni cliniche, ma affianca il medico.
Può generare bozze di referti da revisionare, ricostruire immagini simulate in casi complessi o offrire scenari ipotetici per esplorare alternative diagnostiche. È anche uno strumento prezioso per la formazione dei medici: dove mancano archivi clinici completi, XGeM può generare casi realistici su cui esercitarsi in modo sicuro ed etico.
Dati sintetici per colmare il divario sanitario globale
Uno degli impatti più promettenti di XGeM riguarda i Paesi a basso e medio reddito, dove l’accesso a esami come TAC, risonanza magnetica (RM) o anche una semplice vista laterale del torace è spesso limitato o inesistente.
In questi contesti, XGeM può:
- simulare esami mai eseguiti, ma fondamentali per la diagnosi;
- offrire una valutazione iniziale del paziente nei centri con personale ridotto;
- rafforzare la telemedicina, permettendo ai medici di confrontarsi a distanza su immagini e referti generati automaticamente.
XGeM può così contribuire a colmare un divario spesso invisibile: quello tra chi ha accesso a diagnosi avanzate, e chi può contare solo su pochi strumenti e molto intuito clinico.
XGeM: un alleato del medico nella riduzione delle radiazioni
Anche nei sistemi sanitari più avanzati, l’abuso di esami radiologici può comportare rischi inutili, soprattutto nei pazienti pediatrici o cronici.
XGeM consente di ottenere più informazioni a partire da meno esami, riducendo così l’esposizione alle radiazioni ionizzanti.
Ad esempio, partendo da una radiografia frontale, il modello può generare una vista laterale simulata, utile al medico senza dover sottoporre nuovamente il paziente a radiazioni.
Evoluzione dei dati sintetici: da 2D a 3D e oltre
Il progetto, inizialmente centrato sulle radiografie del torace, è già stato esteso alla generazione di immagini TAC tridimensionali.
Questa evoluzione permette al modello di “ragionare” in tre dimensioni, ricostruendo strutture anatomiche complesse. Questa nuova tecnologia apre altri scenari applicativi, ad esempio nei Paesi a basso e medio reddito, dove l’accesso a esami come TAC, RM o anche una semplice vista laterale del torace è spesso limitato o inesistente.
In questi contesti XGeM può così contribuire a colmare un divario spesso invisibile: quello tra chi ha accesso a diagnosi avanzate, e chi può contare solo su pochi strumenti e molto intuito clinico.
Inoltre, il team sta lavorando per integrare anche immagini da MRI e PET, ampliando la modalità incluse nel sistema e aprendo nuove applicazioni di diagnostica avanzata in diversi settori, quali ad esempio l’oncologia e la neurologia.
In un mondo che parla sempre più di sanità digitale, XGeM mostra come l’intelligenza artificiale possa essere alleata del medico: per fare meglio, con meno. E soprattutto, per non lasciare nessuno indietro.
