Utilizzo dell’intelligenza artificiale per identificare l’anatomia chirurgica durante la nefrectomia donatrice laparoscopica – studio di validazione e fattibilità

Tecnologia più intelligente per un dono ad alto rischio

La nefrectomia donatrice laparoscopica è l’intervento minimamente invasivo utilizzato quando una persona sana dona un rene — un atto altruistico in cui qualsiasi errore chirurgico è particolarmente difficile da accettare. Questo studio esplora come l’intelligenza artificiale (IA) possa aiutare i chirurghi a vedere più chiaramente le strutture vitali durante questa procedura delicata, con l’obiettivo di ridurre il rischio per i donatori e migliorare la formazione dei futuri chirurghi.

Perché la chirurgia del rene donato richiede particolare attenzione

I donatori viventi di rene sono spesso persone perfettamente sane che scelgono l’intervento solo per aiutare un’altra persona. Sebbene le tecniche laparoscopiche abbiano già reso la donazione più sicura e il recupero più rapido, l’operazione comporta comunque il lavoro in uno spazio ristretto attorno ad arterie, vene e all’uretere che non devono essere danneggiati. I chirurghi oggi si affidano al proprio occhio e alla propria esperienza per riconoscere queste strutture sullo schermo video. Un “co‑pilota” basato su IA in grado di indicare con affidabilità l’anatomia chiave in tempo reale potrebbe aiutare a prevenire errori, specialmente per chirurghi meno esperti o in casi difficili.

Insegnare a un computer a vedere all’interno del corpo

Il team di ricerca si è associato a una società di tecnologia medica per costruire un sistema di computer vision in grado di riconoscere le strutture importanti durante un intervento di donazione del rene sinistro. Hanno raccolto registrazioni video di 30 operazioni e si sono concentrati sui momenti in cui il grasso circostante era già stato rimosso, rendendo visibili il rene, la milza, i principali vasi sanguigni e l’uretere. Da questi video sono state estratte migliaia di immagini statiche. Ogni immagine è stata etichettata con cura pixel per pixel da un anatomista e poi ricontrollata da un chirurgo esperto di trapianto. Queste immagini annotate hanno fatto da “risposta corretta” per addestrare l’IA. Il sistema è stato costruito su un moderno modello di deep learning originariamente progettato per rilevare oggetti rapidamente nelle immagini, poi adattato per delineare organi e vasi su ciascun fotogramma chirurgico.

Come è stato addestrato e testato il sistema

I ricercatori hanno usato 6.828 immagini etichettate provenienti da 16 interventi per insegnare all’IA e hanno tenuto da parte altre 1.757 immagini provenienti da quattro interventi differenti per testare quanto avesse appreso. Hanno volutamente dato un peso maggiore alle strutture più critiche — l’arteria renale, la vena renale e l’uretere — così che il modello prestasse particolare attenzione a queste. Durante l’addestramento, il programma ha ripetutamente confrontato le proprie ipotesi con le etichette degli esperti, aggiustandosi per ridurre gli errori. La domanda centrale era se, mostrata una nuova immagine, l’IA fosse in grado di evidenziare correttamente la milza, il rene, i principali vasi e l’uretere senza perderli o confondere una struttura con un’altra.

Quanto bene ha funzionato il co‑pilota IA

Durante i test, il sistema IA ha mostrato una precisione incoraggiante. Si è dimostrato particolarmente efficace nel riconoscere la milza e i principali vasi che irrorano il rene. Per il rene sinistro, l’arteria renale e la vena renale, il sistema ha raggiunto un buon equilibrio tra non etichettare erroneamente il tessuto di sfondo e non trascurare le strutture che doveva individuare. Questi risultati soddisfano le soglie comunemente accettate per il rilevamento in tempo reale in chirurgia. L’uretere — un sottile tubo che drena l’urina dal rene — si è rivelato più difficile da individuare, probabilmente perché è stretto, mobile, di colore simile ai tessuti circostanti e inoltre meno rappresentato nelle immagini di addestramento. Oltre ai test statici, il team ha anche provato il sistema dal vivo in sala operatoria e su video provenienti da un altro ospedale in un diverso Paese. L’IA ha comunque identificato l’anatomia chiave e ha persino rilevato un pattern insolito di arterie doppie, suggerendo che potrebbe generalizzare oltre il centro di addestramento originale.

Cosa potrebbe significare per chirurghi e pazienti

Pur non essendo ancora pronta a funzionare come uno strumento di navigazione in tempo reale completo, questo lavoro rappresenta un importante primo passo. Essere in grado di delineare in modo affidabile l’anatomia cruciale apre la porta a diverse applicazioni: guida su schermo durante i passaggi più complessi dell’intervento, etichettatura automatica dei video didattici per i tirocinanti e modi più oggettivi per valutare la performance chirurgica. I miglioramenti futuri richiederanno dati più diversi provenienti da più ospedali, una gestione migliore di strutture difficili come l’uretere e una misurazione formale di quanto rapidamente e costantemente l’IA funzioni fotogramma per fotogramma. Tuttavia, il messaggio centrale è chiaro anche per i non specialisti: l’IA può già “vedere” gran parte di quello che vede un chirurgo esperto e, con ulteriori perfezionamenti, sistemi come questo potrebbero rendere ancora più sicuro il dono della donazione renale.

Citazione: Ong, C.S.H., Wong, H.P.N., Leung, M. et al. Utilising artificial intelligence to identify surgical anatomy during laparoscopic donor nephrectomy – a validation and feasibility study. Sci Rep 16, 7416 (2026). https://doi.org/10.1038/s41598-026-35999-0

Parole chiave: dono di rene, chirurgia laparoscopica, intelligenza artificiale chirurgica, computer vision in medicina, sicurezza nei trapianti di organi