L’uso dei dati sintetici nella ricerca medica entra in una fase più concreta: non come sostituzione dei dati clinici reali, ma come strumento computazionale da progettare, controllare e validare sui casi osservati.
È questa l’impostazione dello studio “Artificial intelligence-driven data expansion for the validation of spinopelvic parameter correlations in asymptomatic subjects”, pubblicato su European Spine Journal, rivista del gruppo Springer, e indicizzato su PubMed con PMID 42228165.
La ricerca, già ripresa da Italpress e da altre testate, riguarda l’applicazione di un metodo computazionale assistito dall’intelligenza artificiale allo studio delle correlazioni spinopelviche in soggetti asintomatici.
Il direttore scientifico di TerzaNotizia, Marco Giacalone, è tra gli autori dello studio. Per questa ragione la notizia viene riportata attenendosi ai dati della pubblicazione scientifica e alle informazioni già diffuse dalle agenzie di stampa.
Lo studio è partito da 123 soggetti asintomatici reali, sottoposti a radiografie in posizione eretta dell’intera colonna vertebrale. Sulla base di questi dati è stato generato un dataset sintetico di 10.000 configurazioni anatomiche biologicamente plausibili, utilizzato per analizzare e rendere più stabili alcune correlazioni della colonna vertebrale.
Le correlazioni individuate nel campione ampliato non sono state assunte come risultato autonomo del modello. Sono state invece riportate sui 123 casi reali e verificate attraverso bootstrap statistico, una procedura che consente di valutare la robustezza dei risultati mediante ricampionamenti ripetuti del dataset originale.
Il valore metodologico dello studio risiede in questo passaggio: i dati sintetici sono utilizzati come strumento esplorativo, mentre la validazione resta ancorata ai dati clinici reali. In questo modo l’intelligenza artificiale non viene presentata come fonte indipendente di evidenza, ma come supporto alla generazione e alla verifica di ipotesi.
La ricerca riguarda l’allineamento spinopelvico, cioè l’insieme delle relazioni tra bacino, colonna lombare, colonna toracica e allineamento cervicale. Questi parametri sono importanti per comprendere l’equilibrio sagittale fisiologico e per definire valori di riferimento utili nella valutazione delle deformità spinali.
La disponibilità di dati su soggetti sani è però limitata da vincoli etici, logistici e legati all’esposizione radiologica. Non è infatti semplice, né sempre opportuno, sottoporre persone sane a esami radiografici al solo scopo di ampliare un campione di ricerca. In questo contesto, la generazione controllata di dati sintetici può rappresentare una strategia utile per esplorare relazioni anatomiche senza perdere il riferimento ai dati reali.
Per lo studio sono state analizzate radiografie in posizione eretta dell’intera colonna vertebrale, registrando caratteristiche demografiche e molteplici parametri spinopelvici, tra cui incidenza pelvica, inclinazione pelvica, pendenza sacrale, lordosi lombare, cifosi toracica e misure di allineamento cervicale.
Sul piano metodologico è stato utilizzato un approccio di ricampionamento gaussiano probabilistico, guidato da vincoli anatomici e biologici. Le correlazioni identificate nel dataset sintetico sono state successivamente validate rispetto ai dati misurati sui soggetti reali. Il risultato è un approccio fattibile e riproducibile per studiare le relazioni spinopelviche in campioni clinici numericamente limitati.
Questa combinazione può contribuire a ridurre la necessità di ulteriori studi di imaging su soggetti sani e può servire come strumento esplorativo nella ricerca sulla colonna vertebrale e in altri campi caratterizzati da dataset limitati.
In sintesi, lo studio non propone di sostituire i dati clinici con dati artificiali, ma mostra come un metodo computazionale assistito dall’intelligenza artificiale possa essere utilizzato per generare ipotesi, verificarle sui dati reali e preservare la plausibilità biologica.
Gli autori della ricerca sono Domenico Compagnone, Davide Lamartina, Marco Giacalone, Riccardo Cecchinato, Pedro Berjano e Claudio Lamartina.
Lo studio è stato realizzato con il team di chirurgia vertebrale dell’IRCCS Ospedale Galeazzi-Sant’Ambrogio di Milano e con il contributo metodologico e computazionale di Marco Giacalone e Davide Lamartina.
European Spine Journal
PMID: 42228165
DOI: 10.1007/s00586-026-10051-x
Link allo studio:
https://link.springer.com/article/10.1007/s00586-026-10051-x