Per la prima volta, secondo quanto annunciato dallo University College London Hospitals, un sistema di intelligenza artificiale ha affiancato in tempo reale un neurochirurgo durante un intervento su un paziente, analizzando direttamente il video dell’operazione e segnalando le strutture anatomiche più delicate. La procedura, eseguita al National Hospital for Neurology and Neurosurgery di Londra, ha permesso di rimuovere un tumore cerebrale che minacciava la vista di un uomo di 48 anni, preservandone la capacità visiva.
L’intervento fa parte di uno studio clinico condotto presso l’ospedale londinese, appartenente allo University College London Hospitals, e utilizza una tecnologia sviluppata internamente dallo University College London. Il progetto ha ricevuto finanziamenti dal National Institute for Health and Care Research, l’ente britannico che sostiene la ricerca applicata al servizio sanitario nazionale, e da Google.
Il primo paziente sottoposto alla procedura è stato Rhys Hibbert, responsabile del servizio clienti e volontario nella propria comunità, residente nel Bedfordshire. Senza l’intervento, il tumore avrebbe continuato a compromettere la sua vista, con il rischio di provocare nel tempo la cecità. L’operazione ha consentito di asportare la massa tumorale e, nello stesso tempo, di proteggere la funzione visiva.
Un’analisi basata sulle immagini dell’intervento
L’elemento distintivo della sperimentazione è il modo in cui l’intelligenza artificiale viene utilizzata. Il sistema non si limita a elaborare le scansioni effettuate prima dell’operazione, come risonanze magnetiche o altre immagini diagnostiche. Analizza invece il flusso video prodotto durante l’intervento, mentre il chirurgo sta operando.
L’obiettivo è riconoscere e mettere in evidenza in tempo reale le strutture anatomiche critiche presenti alla base del cervello, offrendo al team chirurgico un ulteriore livello di supporto nel momento in cui deve prendere decisioni particolarmente delicate.
In questa zona si trovano, a distanza estremamente ridotta, la ghiandola pituitaria o ipofisi, grande all’incirca come una biglia, i principali vasi sanguigni e i nervi che controllano la vista. Un errore di appena un millimetro può determinare conseguenze gravissime, tra cui cecità, ictus o morte. Durante la procedura, il sistema ha quindi aiutato a individuare le aree da evitare, mentre i chirurghi cercavano di rimuovere la maggiore quantità possibile di tessuto tumorale senza compromettere le strutture circostanti.
L’intelligenza artificiale non prende decisioni autonome e non sostituisce il medico. La responsabilità dell’intervento rimane nelle mani del chirurgo, che interpreta le informazioni visualizzate e decide come procedere. In questa fase, la tecnologia funziona come uno strumento aggiuntivo di orientamento e riconoscimento anatomico, progettato per ridurre l’incertezza nei passaggi più complessi.
Un sistema addestrato con centinaia di video chirurgici
La tecnologia è stata sviluppata presso lo UCL Hawkes Institute, un gruppo multidisciplinare specializzato nelle applicazioni dell’ingegneria e dell’intelligenza artificiale alla medicina. Il sistema è stato addestrato e valutato utilizzando un’ampia raccolta di video annotati, provenienti da precedenti operazioni endoscopiche sulla ghiandola pituitaria.
L’annotazione dei video è un passaggio determinante: ricercatori e specialisti identificano nelle immagini le strutture anatomiche, gli strumenti chirurgici e le interazioni tra strumenti e tessuti. Sulla base di questi esempi, gli algoritmi imparano a riconoscere configurazioni simili all’interno di un nuovo flusso video.
Secondo i ricercatori, la disponibilità di centinaia di registrazioni permette al sistema di confrontarsi con una varietà di situazioni che un singolo chirurgo potrebbe incontrare soltanto nel corso di molti anni di attività. Questo non significa che l’algoritmo possieda l’esperienza clinica o la capacità di giudizio di uno specialista: indica piuttosto che può individuare rapidamente schemi visivi già presenti nei dati con cui è stato addestrato.
La dottoressa Sophia Bano, professoressa associata di Robotica e Intelligenza artificiale presso UCL Computer Science e lo UCL Hawkes Institute e responsabile tecnica del sistema, ne ha descritto così la funzione: "It is designed to help recognise critical anatomy, surgical instruments and tissue interactions in real time, supporting the surgeon during highly delicate procedures."
Prima dell’impiego sul paziente, la tecnologia era già stata valutata e utilizzata come strumento di formazione per i chirurghi impegnati in questo tipo di procedura. Il passaggio dalla formazione all’assistenza durante un intervento reale rappresenta quindi il principale avanzamento introdotto dalla sperimentazione.
L’infrastruttura necessaria per lavorare in tempo reale
Il sistema viene eseguito su una piattaforma NVIDIA Clara IGX, progettata per gestire applicazioni di intelligenza artificiale in dispositivi e ambienti sanitari. In chirurgia, la velocità di elaborazione è essenziale: se l’analisi delle immagini arrivasse con un ritardo significativo, le indicazioni perderebbero gran parte della loro utilità.
L’elaborazione in tempo reale richiede una combinazione di algoritmi, potenza di calcolo e integrazione con le apparecchiature presenti in sala operatoria. Occorre inoltre assicurare che il sistema continui a funzionare in condizioni visive variabili, per esempio quando il campo chirurgico cambia, uno strumento copre temporaneamente una struttura o sangue e tessuti modificano l’aspetto delle immagini.
Tra gli sviluppi prospettati dai ricercatori c’è anche la possibilità di seguire gli strumenti chirurgici e analizzare il modo in cui interagiscono con i tessuti. In futuro, questa capacità potrebbe consentire di fornire avvisi o riscontri più articolati durante le procedure complesse. Si tratta tuttavia di un potenziale sviluppo: la fonte non indica che tutte queste funzioni siano già pienamente disponibili o validate per un impiego clinico ordinario.
Dal primo paziente alla verifica clinica
Il successo dell’intervento su Rhys Hibbert costituisce un risultato importante per la sperimentazione, ma un singolo caso non è sufficiente a dimostrare l’efficacia generale del sistema. Per stabilire se l’assistenza basata sull’intelligenza artificiale riduca realmente il numero di complicazioni sarà necessario valutarla su più pazienti e in condizioni cliniche differenti.
Restano da misurare aspetti fondamentali come l’accuratezza nel riconoscimento delle strutture anatomiche, la frequenza di eventuali segnalazioni errate o mancate, i tempi di risposta e l’influenza delle indicazioni sul comportamento del chirurgo. Sarà inoltre necessario capire quanto il sistema riesca a mantenere le proprie prestazioni quando viene utilizzato da équipe diverse o in ospedali dotati di apparecchiature differenti.
La fonte non fornisce benchmark numerici, tassi di accuratezza o confronti con interventi eseguiti senza assistenza algoritmica. Di conseguenza, il risultato deve essere interpretato come un primo passaggio clinico all’interno di uno studio, non come la dimostrazione definitiva della superiorità dell’approccio.
Anche la sicurezza richiederà particolare attenzione. Un’indicazione visiva prodotta dall’algoritmo potrebbe essere utile, ma potrebbe anche generare un eccessivo affidamento sulla tecnologia. La progettazione dell’interfaccia, la formazione dei chirurghi e la capacità di riconoscere rapidamente un errore del sistema saranno importanti quanto le prestazioni dell’intelligenza artificiale stessa.
Un possibile nuovo mercato per le tecnologie chirurgiche
Se gli studi successivi confermeranno i benefici, strumenti di questo tipo potrebbero diventare una nuova componente delle sale operatorie digitali. I primi beneficiari sarebbero probabilmente i centri specializzati nelle procedure più complesse, dove anche un miglioramento limitato nella capacità di distinguere tessuti, nervi e vasi sanguigni potrebbe contribuire a ridurre il rischio per i pazienti.
L’interesse industriale riguarda non soltanto gli sviluppatori di algoritmi, ma anche i produttori di apparecchiature endoscopiche, piattaforme di calcolo medicali e sistemi per la gestione delle immagini chirurgiche. La capacità di integrare tutti questi elementi in un ambiente affidabile e certificato potrebbe diventare un vantaggio competitivo rilevante.
Al tempo stesso, l’adozione potrebbe essere rallentata dai costi dell’infrastruttura, dalla necessità di raccogliere e annotare grandi quantità di video, dai requisiti normativi e dalle differenze operative tra gli ospedali. I modelli devono inoltre essere addestrati su dati sufficientemente rappresentativi: se le immagini disponibili provengono da un numero limitato di centri o da particolari configurazioni tecniche, le prestazioni potrebbero non trasferirsi automaticamente ad altri contesti.
L’impiego della piattaforma NVIDIA mostra anche come l’intelligenza artificiale medica dipenda sempre più da ecosistemi hardware e software specializzati. Questa integrazione può accelerare lo sviluppo, ma potrebbe creare una dipendenza tecnologica da un numero ristretto di fornitori. Per gli ospedali diventeranno quindi centrali questioni come l’interoperabilità, la manutenzione nel lungo periodo e la possibilità di aggiornare gli algoritmi senza sostituire l’intera infrastruttura.
Un assistente per il chirurgo, non un sostituto
L’intervento londinese suggerisce un modello di applicazione dell’intelligenza artificiale diverso da quello dell’automazione completa. Il valore della tecnologia, almeno in questa fase, non consiste nel rimpiazzare il neurochirurgo, ma nel aumentarne la capacità di interpretare rapidamente una scena operatoria complessa.
In prospettiva, sistemi analoghi potrebbero essere adattati ad altre procedure nelle quali è indispensabile riconoscere strutture molto piccole e ravvicinate. Ogni estensione richiederebbe però nuovi dati di addestramento, una validazione specifica e studi clinici capaci di dimostrare un beneficio concreto per i pazienti.
Il primo intervento rappresenta dunque un passaggio significativo dalla sperimentazione tecnica all’utilizzo clinico, ma non chiude il percorso di verifica. La possibilità di proteggere la vista di Rhys Hibbert mostra ciò che l’assistenza algoritmica può contribuire a realizzare quando viene inserita in un’équipe altamente specializzata. Resta ora da stabilire se questi risultati siano riproducibili su larga scala, quali rischi emergano con l’uso continuativo e se i sistemi sanitari possano sostenerne costi, formazione e integrazione.
La prospettiva più concreta non è una sala operatoria governata dall’intelligenza artificiale, ma una chirurgia nella quale persone e sistemi di analisi lavorano insieme, con controlli rigorosi e una chiara responsabilità clinica. Il valore della tecnologia dipenderà dalla capacità di trasformare il successo di un singolo caso in un miglioramento misurabile, affidabile e accessibile delle cure.
