Un utilizzo dell’intelligenza artificiale orientato al rigore metodologico e alla verifica empirica. È quanto emerge dallo studio realizzato da un gruppo di ricerca dell’IRCCS Ospedale Galeazzi-Sant’Ambrogio, con il contributo metodologico e computazionale di Marco Giacalone e Davide Lamartina, pubblicato su European Spine Journal e indicizzato su PubMed.

La ricerca nasce dall’esigenza di approfondire lo studio dell’allineamento spinopelvico nei soggetti asintomatici, un elemento fondamentale per comprendere l’equilibrio sagittale fisiologico della colonna vertebrale e definire parametri di riferimento utili nella valutazione delle deformità spinali.

La raccolta di dati su soggetti sani presenta tuttavia importanti limiti etici e logistici. L’esposizione radiologica necessaria per ottenere ulteriori immagini diagnostiche rende infatti complesso ampliare i campioni di ricerca attraverso nuove acquisizioni radiografiche effettuate esclusivamente a fini scientifici.

Per superare tali criticità, i ricercatori sono partiti da un campione reale costituito da 123 soggetti asintomatici, utilizzando un metodo computazionale assistito dall’intelligenza artificiale per generare un dataset sintetico di 10.000 configurazioni anatomiche biologicamente plausibili. L’obiettivo non era sostituire i dati clinici autentici, ma rendere più stabile l’analisi delle correlazioni anatomiche e formulare ipotesi verificabili.

Le radiografie in posizione eretta dell’intera colonna vertebrale hanno consentito di raccogliere dati demografici e parametri spinopelvici quali incidenza pelvica (PI), inclinazione pelvica (PT), pendenza sacrale (SS), lordosi lombare (LL), cifosi toracica (TK) e misure dell’allineamento cervicale.

Sul piano metodologico, il gruppo di ricerca ha adottato un approccio di ricampionamento gaussiano probabilistico guidato da vincoli anatomici e biologici. Le correlazioni emerse nel dataset sintetico sono state successivamente sottoposte a validazione attraverso procedure statistiche indipendenti applicate ai 123 casi reali, mediante tecniche di bootstrap che consentono di verificare ripetutamente la robustezza dei risultati sui dati originali.

L’aspetto più rilevante dello studio risiede proprio in questo flusso di lavoro bidirezionale: le ipotesi generate attraverso il dataset sintetico sono state ricondotte ai dati clinici autentici, riducendo il rischio che le associazioni osservate fossero il risultato del caso o della limitata numerosità del campione iniziale.

I risultati suggeriscono che la generazione controllata di dati sintetici possa rappresentare uno strumento esplorativo utile nella ricerca sulla colonna vertebrale e, più in generale, in tutti quei contesti caratterizzati da dataset clinici ridotti. Tale approccio potrebbe contribuire anche a limitare la necessità di ulteriori studi di imaging su soggetti sani, mantenendo sempre centrale il riferimento ai dati reali.

Lo studio dimostra quindi che l’intelligenza artificiale, quando progettata, controllata e validata con rigore scientifico, non sostituisce la realtà clinica ma può aiutare a leggerla meglio, generando nuove ipotesi e rafforzando l’affidabilità delle evidenze disponibili.

Gli autori della ricerca sono Domenico Compagnone, Riccardo Cecchinato, Pedro Berjano e Claudio Lamartina dell’IRCCS Ospedale Galeazzi-Sant’Ambrogio di Milano.