Tumore del rene, un modello di intelligenza artificiale del San Raffaele stima il rischio prima dell’operazione

Un gruppo di ricerca del San Raffaele di Milano ha sviluppato un modello di intelligenza artificiale capace di stimare, prima ancora dell’intervento chirurgico, il rischio di mortalità legata al tumore nei pazienti con carcinoma renale non metastatico. La notizia, diffusa il 10 luglio 2026, arriva da uno studio pubblicato sulla rivista scientifica Nature Communications e nasce dalla collaborazione tra l’Università Vita-Salute San Raffaele, l’Urological Research Institute dell’ospedale milanese e l’Università di Firenze con l’ospedale Careggi. Il risultato è significativo perché tocca un punto delicato della medicina: la capacità di prevedere l’andamento di una malattia oncologica quando ci sono ancora tutte le opzioni terapeutiche sul tavolo, aiutando medico e paziente a prendere decisioni più informate. È un esempio concreto di come l’intelligenza artificiale stia entrando nella pratica clinica reale, non come sostituto del giudizio umano ma come strumento che lo affianca.

Come funziona il modello e quali dati utilizza

La caratteristica più interessante del sistema sviluppato al San Raffaele è la sua semplicità apparente. Il modello si basa infatti su soli otto parametri clinici, tutti già disponibili nella normale pratica che precede un intervento. Si tratta della dimensione del tumore, del coinvolgimento dei linfonodi, del valore di emoglobina, della conta delle piastrine, della funzione renale, dell’età del paziente, dell’indice di massa corporea e dello stato generale di salute, quello che in medicina viene chiamato performance status. Sono dati che qualsiasi struttura ospedaliera raccoglie di routine, senza bisogno di esami costosi o di tecnologie particolari, e questo rende il modello potenzialmente adottabile su larga scala.

Dietro questa semplicità c’è però un lavoro statistico rigoroso. Il sistema è stato addestrato su una coorte di 2.536 pazienti trattati al San Raffaele negli anni recenti, un insieme di casi sufficientemente ampio da permettere all’algoritmo di individuare le relazioni tra i parametri di partenza e l’esito della malattia. Per verificare che il modello non funzionasse bene solo sui dati con cui era stato costruito, i ricercatori lo hanno poi validato su una coorte indipendente di 580 pazienti dell’ospedale universitario Careggi di Firenze. Questo passaggio, chiamato validazione esterna, è cruciale in ogni progetto serio di machine learning applicato alla medicina, perché dimostra che le previsioni reggono anche di fronte a pazienti curati in un altro centro, con abitudini cliniche potenzialmente diverse.

Secondo quanto riportato dai ricercatori, il modello ha mostrato prestazioni superiori rispetto ai principali strumenti prognostici oggi disponibili per lo stesso scopo. In altre parole, a parità di informazioni di partenza, riesce a stimare il rischio in modo più accurato dei sistemi tradizionali, che spesso si basano su tabelle e punteggi costruiti su popolazioni meno ampie.

Perché stimare il rischio prima dell’intervento fa la differenza

Il carcinoma renale non metastatico è una forma di tumore che non si è ancora diffusa ad altri organi, e per la quale la chirurgia rappresenta spesso la strada principale. Tuttavia non tutti i pazienti hanno lo stesso quadro clinico, e non tutti trarranno lo stesso beneficio dallo stesso percorso di cura. Poter stimare in anticipo, con maggiore precisione, quale sia il rischio associato al singolo caso permette di personalizzare le scelte terapeutiche, un principio che sta al cuore della cosiddetta medicina di precisione.

Nella pratica, una previsione più affidabile può orientare diverse decisioni. Aiuta a stabilire quanto debba essere aggressivo l’intervento, con quale frequenza programmare i controlli successivi, se e quando valutare terapie aggiuntive. Fornisce inoltre uno strumento di dialogo tra medico e paziente, perché traduce un quadro clinico complesso in una stima più chiara, utile per spiegare le opzioni disponibili e condividere le scelte. In un ambito in cui l’incertezza è inevitabile, avere una bussola più precisa è un vantaggio concreto, sia sul piano clinico sia su quello umano.

Va sottolineato che uno strumento di questo tipo non elimina l’incertezza, ma la gestisce meglio. Nessun modello può dire con assoluta sicurezza come evolverà una malattia in una singola persona. Ciò che può fare è collocare quel caso in un quadro statistico più affidabile, riducendo il margine di errore rispetto ai metodi precedenti e offrendo un punto di riferimento aggiuntivo a chi deve decidere.

Uno strumento a supporto del medico, non un sostituto

Gli stessi autori dello studio hanno tenuto a precisare un aspetto fondamentale: il modello non sostituisce il giudizio del medico, ma è progettato per sostenerlo. È una distinzione che ricorre in quasi tutti i progetti seri di intelligenza artificiale in ambito sanitario, e non si tratta di semplice prudenza formale. La decisione clinica finale coinvolge elementi che nessun algoritmo può cogliere pienamente, dalle condizioni complessive del paziente alle sue preferenze, dal contesto familiare alla valutazione esperta di chi ha di fronte la persona in carne e ossa.

L’approccio corretto, quindi, è quello di considerare questi sistemi come un supporto alle decisioni, uno strumento in più nella cassetta degli attrezzi del clinico. Lo stesso principio guida molti altri progetti internazionali, come le collaborazioni tra grandi aziende tecnologiche e centri di eccellenza medica che stanno portando i modelli di AI nella sanità, oppure gli strumenti che assistono i medici nella diagnosi assistita dall’intelligenza artificiale di patologie complesse. In tutti questi casi l’obiettivo dichiarato è ampliare le capacità del personale sanitario, non rimpiazzarlo.

Questo equilibrio è importante anche sul piano della fiducia. Perché uno strumento venga davvero adottato nella pratica clinica, i medici devono poterne comprendere il funzionamento, verificarne i limiti e mantenere il controllo sulle decisioni. La trasparenza del modello, unita alla sua validazione su dati indipendenti, è ciò che può trasformare un risultato di ricerca in uno strumento realmente utile nelle corsie degli ospedali.

L’intelligenza artificiale entra nella pratica clinica italiana

Il lavoro del San Raffaele è anche un segnale della crescente maturità dell’intelligenza artificiale applicata alla medicina in Italia. Per anni il tema è rimasto confinato ai laboratori di ricerca e alle sperimentazioni, mentre oggi arrivano modelli sviluppati e validati su dati di pazienti reali, pubblicati su riviste scientifiche internazionali e pensati per un utilizzo clinico concreto. Che tutto questo nasca dalla collaborazione tra centri italiani di primo piano, come Milano e Firenze, è un elemento che vale la pena evidenziare, perché mostra la capacità del sistema della ricerca nazionale di contribuire a un campo in forte crescita.

Il contesto più ampio è quello di una trasformazione profonda del settore sanitario, in cui l’intelligenza artificiale nel settore sanitario sta trovando applicazione nella diagnostica per immagini, nella scoperta di nuovi farmaci, nell’analisi dei dati clinici e, come in questo caso, nella stima prognostica. La direzione è chiara: strumenti sempre più capaci di supportare i professionisti in decisioni difficili, a patto di mantenere al centro la responsabilità umana e il rispetto rigoroso dei dati sensibili dei pazienti.

Restano naturalmente le sfide, che sono tecniche ed etiche insieme. La qualità e la rappresentatività dei dati determinano l’affidabilità dei modelli, e serve attenzione affinché uno strumento addestrato su una certa popolazione funzioni bene anche per gruppi diversi. La tutela della privacy dei pazienti e la chiarezza sulle responsabilità in caso di errore sono altri nodi da affrontare con serietà. Sono questioni che accompagnano ogni innovazione in questo campo, e che richiedono un dialogo continuo tra ricercatori, medici, istituzioni e cittadini.

Conclusioni

Il modello di intelligenza artificiale sviluppato al San Raffaele per stimare il rischio nel tumore del rene è un esempio virtuoso di come questa tecnologia possa entrare nella medicina reale: parte da dati clinici semplici e già disponibili, è stato validato su pazienti di un altro ospedale, ha dimostrato prestazioni migliori degli strumenti esistenti ed è pensato per affiancare il medico, non per sostituirlo. È un tassello che si aggiunge a una tendenza più ampia, quella di un’intelligenza artificiale che diventa strumento quotidiano al servizio della salute delle persone. Se ti interessa capire come l’AI sta cambiando la sanità e molti altri settori, continua a seguire i nostri approfondimenti dedicati alle applicazioni concrete di questa tecnologia. Puoi leggere la notizia originale sul sito dell’ANSA.