Nota: anche questo è un articolo di prova, pubblicato per verificare il funzionamento del blog con più contenuti contemporaneamente presenti.

Negli ultimi anni l'intelligenza artificiale ha smesso di essere una promessa lontana per diventare uno strumento concreto nella pratica radiologica quotidiana. Gli algoritmi di deep learning sono oggi in grado di assistere il radiologo in compiti come la rilevazione precoce di noduli polmonari, la caratterizzazione di lesioni epatiche o la quantificazione automatica di parametri in risonanza magnetica.

Ciò che trovo particolarmente interessante, e su cui mi capita spesso di riflettere anche nel mio ruolo in ambito ESR, non è tanto la tecnologia in sé, quanto il cambiamento che comporta nel modo di lavorare del radiologo: da interprete solitario dell'immagine a supervisore critico di un processo in parte automatizzato, che richiede nuove competenze e un approccio formativo diverso rispetto al passato.

Un tema su cui insisto spesso con gli specializzandi è che l'intelligenza artificiale, per quanto sofisticata, non sostituisce il giudizio clinico: lo integra, lo accelera in alcuni casi, ma richiede comunque un radiologo capace di validare, contestualizzare e, quando necessario, correggere l'output dell'algoritmo. È un equilibrio che la nostra comunità scientifica sta ancora costruendo, e che probabilmente definirà il profilo del radiologo dei prossimi dieci anni.

Ne riparleremo sicuramente in futuro con contenuti più approfonditi, magari con esempi pratici tratti dalla nostra attività di ricerca a Pisa.

Prof. Emanuele Neri