La trasformazione digitale della sanità si racconta spesso attraverso i servizi più visibili ai cittadini: le prenotazioni online, il fascicolo sanitario elettronico, la telemedicina. Una parte altrettanto decisiva, però, avviene lontano dagli sportelli, nei reparti che producono le informazioni su cui si fondano le decisioni cliniche. È un lavoro poco conosciuto, fatto di processi, strumenti e competenze che evolvono insieme, un lavoro che incide in modo diretto sulla qualità delle cure e sui tempi con cui raggiungono i pazienti.
Per esempio, in oncologia la diagnosi nasce spesso lontano dal letto del paziente, in un laboratorio dove un frammento di tessuto diventa un vetrino da analizzare e il vetrino diventa un referto. Da quel referto dipendono la scelta della terapia e il momento in cui può cominciare. Per decenni il passaggio è avvenuto attraverso l’analisi al microscopio ottico, un esame alla volta, con il materiale fisico che resta legato alla postazione in cui viene letto. La digitalizzazione dei vetrini e l’intelligenza artificiale cambiano questo schema, perché trasformano l’immagine istologica in un dato da analizzare, misurare e condividere. È il percorso che l’Ospedale San Carlo di Nancy di Roma ha completato nel proprio laboratorio di anatomia patologica.
Il contesto
San Carlo di Nancy è un ospedale polispecialistico romano che opera nella sanità privata ed è accreditato con il Servizio sanitario nazionale. Fa capo a Gvm Care & Research, gruppo nato su iniziativa di Ettore Sansavini, che ne è tuttora presidente, con sede a Lugo, in provincia di Ravenna. La rete conta 30 ospedali, 8 poliambulatori e 5 strutture residenziali in undici regioni italiane, oltre a 14 strutture all’estero distribuite fra Francia, Polonia, Albania, Kosovo e Ucraina.
Il progetto romano si colloca in un quadro di sanità digitale in cui l’anatomia patologica procede a velocità diverse. I numeri presentati a Milano, al decimo congresso triennale della Società italiana di anatomia patologica e citologia diagnostica (Siapec-Iap), indicano che solo il 35% dei laboratori italiani è completamente digitale, cioè in grado di formulare la diagnosi al monitor anziché al microscopio; ancora più rari sono quelli che al vetrino digitale affiancano sistemi di intelligenza artificiale. Il dato conta perché la sequenza delle possibilità è vitale: senza immagini digitali non è possibile alcuna analisi algoritmica, e la digitalizzazione resta il prerequisito di qualsiasi applicazione dell’AI in questo ambito. Per un laboratorio la transizione non si riduce a un cambio di strumento: investe l’intera catena che va dall’accettazione del campione alla firma del referto, ed è uno dei cantieri su cui si misura la trasformazione digitale di aziende sanitarie e ospedali.
Il bisogno e il metodo
Il bisogno del laboratorio è quindi duplice: accorciare il tempo che separa l’arrivo del campione dal referto firmato e rendere più precisa la lettura dei casi complessi. Nel flusso tradizionale i due obiettivi faticano a convivere, perché ogni passaggio poggia sul vetrino fisico e sull’esame visivo dello specialista, e guadagnare tempo senza cedere sull’accuratezza diventa difficile. Sullo sfondo c’è un fattore di contesto, che riguarda direttamente chi in laboratorio lavora. “La disponibilità di strumenti digitali è particolarmente importante – spiega Silvia Taccogna, responsabile del laboratorio di anatomia patologica dell’Ospedale San Carlo di Nancy – tanto più in un contesto in cui gli anatomopatologi devono rispondere a una domanda crescente di esami”.
Il passaggio alla refertazione digitale non nasce comunque come intervento isolato. Si inserisce in un piano di digitalizzazione più ampio dell’ospedale, pensato per rivedere i flussi di lavoro in tutte le fasi, dalla preparazione dei campioni alla firma del referto, con l’obiettivo di ridurre i tempi e migliorare l’accuratezza a supporto della medicina di precisione. L’ordine dei fattori conta: l’intelligenza artificiale si innesta su un flusso ridisegnato attorno al vetrino digitale, con un ruolo che Taccogna circoscrive bene. “L’algoritmo non sostituisce lo specialista: mette a sua disposizione ulteriori strumenti per leggere e valutare il campione – precisa – la possibilità di analizzare le immagini con sistemi dedicati, in grado di identificare micro-lesioni talora difficili da rilevare con i metodi tradizionali, effettuare misurazioni in modo automatico e confrontarsi con altri colleghi, rappresenta un supporto fondamentale”. È un’impostazione che ritorna in altre esperienze italiane di AI applicata alla diagnostica oncologica. La seconda scelta riguarda il perimetro. Invece di partire da un unico ambito, il laboratorio adotta tre moduli specialistici, ciascuno addestrato su un diverso tipo di tessuto: prostata, mammella e stomaco. È una scelta che estende fin da subito l’AI a più percorsi oncologici, anziché sperimentarla su una sola linea diagnostica.
La soluzione
Il cuore tecnico del progetto è proprio la digitalizzazione del vetrino. Il campione istologico viene acquisito come immagine ad altissima risoluzione e su quell’immagine lavorano i moduli software di Ibex Medical Analytics: Ibex Prostate, Ibex Breast e Ibex Gastric, dedicati rispettivamente ai campioni prostatici, mammari e gastrici.
L’analisi computazionale copre sia l’aspetto morfologico del tessuto sia la valutazione dei fattori prognostici, i parametri che aiutano a stimare l’evoluzione della malattia. I moduli sono certificati CE-Ivd per l’uso diagnostico in Europa, nel quadro del regolamento europeo sui dispositivi medico-diagnostici in vitro (Ivdr). Sul fronte statunitense, l’autorizzazione della Food and Drug Administration riguarda per ora la sola prostata. Spieghiamo: nel febbraio 2025 lo strumento Ibex Prostate Detect ha ottenuto il via libera 510(k) della Fda, mentre negli Stati Uniti le soluzioni per mammella e stomaco restano destinate alla ricerca.
Ibex Medical Analytics è azienda specializzata in algoritmi di intelligenza artificiale per la diagnosi dei tumori in anatomia patologica, con un portafoglio costruito proprio su prostata, mammella e stomaco e registrazioni regolatorie che, oltre all’Unione europea, comprendono Regno Unito, Australia e Brasile. Un elemento del suo posizionamento è il rapporto con Philips. Avviata nel 2021, la collaborazione è stata estesa nel marzo 2025 con una motivazione esplicita: la pressione sui patologi generata dalla carenza di specialisti a livello globale e dall’aumento dei pazienti oncologici. L’obiettivo dichiarato rafforzare l’interoperabilità tra la piattaforma di patologia digitale di Philips, IntelliSite Pathology Solution (Pips), e gli strumenti di Ibex. Con la versione 6.0 di Pips i vetrini possono essere inviati in automatico alle applicazioni di Ibex subito dopo la scansione, e lo stato dell’elaborazione è visibile caso per caso nelle liste di lavoro dei patologi. È lo stesso nodo su cui lavora il progetto romano: portare l’AI dentro il flusso di refertazione, invece di aggiungerla come passaggio a parte.
I vantaggi
Il primo beneficio atteso riguarda il tempo. “Il passaggio a una refertazione digitalizzata e supportata da intelligenza artificiale ci consentirà di abbattere i tempi di refertazione (Tat) di circa il 30% – afferma Taccogna – un risparmio di tempo fondamentale per ottimizzare la gestione del paziente e permettere alle équipe multidisciplinari di avviare tempestivamente i trattamenti terapeutici”. La stima, va detto, non deriva ancora da una misurazione condotta sui casi del San Carlo: il riferimento è uno studio pubblicato nel 2025 da Deman e colleghi, che documenta l’introduzione dell’AI in un laboratorio di patologia non accademico e non commerciale.
Il secondo riguarda la riproducibilità. Un’analisi computazionale condotta con gli stessi criteri su ogni vetrino rende il risultato meno dipendente dalle condizioni del singolo esame, e consegna all’anatomopatologo un riscontro oggettivo su cui fondare il giudizio finale, che resta suo.
Il terzo è logistico: le immagini digitali possono essere condivise in tempo reale con specialisti che lavorano altrove, senza che il vetrino lasci il laboratorio. “Con l’adozione della digital pathology e dell’AI – sottolinea Ettore Sansavini, presidente di Gvm Care & Research – la diagnostica dell’Ospedale San Carlo di Nancy evolve verso una personalizzazione totale della cura, garantendo che ogni paziente riceva sin da subito la terapia più mirata ed efficace”. La verifica passerà dai prossimi mesi di attività: il confronto tra i tempi di refertazione attesi e quelli misurati in laboratorio dirà quanta parte dell’obiettivo si traduce in pratica clinica.
© RIPRODUZIONE RISERVATA
