L’intelligenza artificiale che aiuta a riconoscere i rischi di tumore: come funzionano i nuovi modelli

Identificare chi ha maggior probabilità di sviluppare un tumore prima ancora che compaiano i sintomi: è l’obiettivo di una ricerca presentata all’ESMO 2026, il Congresso della Società Europea di Oncologia Medica tenutosi a Madrid, che ha mostrato come l’intelligenza artificiale applicata al rischio di tumore possa funzionare partendo da dati che i medici raccolgono già ogni giorno, senza esami straordinari né procedure invasive. Un passo che merita attenzione, con la giusta misura.

Dati di routine, potenziale straordinario

Il punto di partenza della ricerca coordinata da Paul-Henry Koop dell’Else Kröner Fresenius Center for Digital Health della Technische Universität Dresden è apparentemente semplice: usare ciò che già esiste. Analisi del sangue, anamnesi del paziente, informazioni sullo stile di vita — il tipo di dati che finisce nelle cartelle cliniche di quasi chiunque abbia mai fatto una visita medica di controllo.

Questi elementi, presi singolarmente, dicono poco. Messi insieme e analizzati da algoritmi di intelligenza artificiale, possono invece rivelare pattern che sfuggono all’occhio umano: combinazioni di valori, abitudini e precedenti clinici che, statisticamente, si associano a un rischio elevato di sviluppare un tumore anche anni prima della diagnosi. Non si tratta di una diagnosi precoce in senso tradizionale, ma di qualcosa di diverso: una stima del rischio individuale, costruita su dati già disponibili.

Circa 500 modelli, quasi mezzo milione di persone

La scala del lavoro è notevole. Il team ha sviluppato circa 500 modelli di intelligenza artificiale, addestrati su dati provenienti da quasi mezzo milione di persone. Lavorare su una base così ampia è essenziale in questo tipo di ricerca: più numerosi e diversificati sono i dati di partenza, più robusti e generalizzabili diventano i modelli risultanti.

→ Leggi anche: IA e medicina di precisione: come Carbon-X traduce il Dna per cure personalizzate

I risultati migliori — quelli in cui l’intelligenza artificiale per il rischio di tumore ha mostrato prestazioni particolarmente elevate — riguardano tre tipi di cancro: polmone, esofago e fegato. Non è casuale. Si tratta di tumori che, nella pratica clinica, vengono spesso diagnosticati in stadio avanzato, proprio perché i sintomi iniziali sono sfumati o assenti. Riuscire a identificare in anticipo le persone più a rischio potrebbe cambiare in modo significativo le possibilità di intervento.

Come funziona nella pratica

Il meccanismo alla base di questi modelli non richiede che il paziente faccia nulla di diverso rispetto a quello che già fa. L’algoritmo lavora su tre categorie principali di informazioni:

• Risultati delle analisi del sangue — parametri ematologici, marcatori metabolici e altri valori di laboratorio raccolti nel tempo.
• Anamnesi del paziente — patologie pregresse, farmaci assunti, eventuali familiarità con determinate malattie.
• Informazioni sullo stile di vita — abitudini come il fumo, l’attività fisica, l’alimentazione, quando presenti nelle cartelle cliniche.

L’intelligenza artificiale incrocia questi dati alla ricerca di combinazioni statisticamente associate a un rischio aumentato di sviluppare un tumore. Il risultato non è una diagnosi, ma un profilo di rischio: uno strumento che potrebbe aiutare il medico a decidere se indirizzare una persona verso controlli più frequenti o approfonditi.

È una distinzione importante: il modello non dice “hai un tumore”, dice “sulla base dei tuoi dati, potresti avere un rischio più elevato rispetto alla media”. Il passo successivo spetta sempre al clinico e al paziente, insieme.

→ Leggi anche: App di riconoscimento funghi: perché la fiducia cieca può essere rischiosa

Le domande aperte su etica e privacy

Una tecnologia che analizza dati sanitari personali su larga scala solleva inevitabilmente interrogativi seri, che la comunità scientifica non può ignorare. Chi ha accesso ai profili di rischio generati dall’intelligenza artificiale applicata al tumore? Come vengono protetti i dati di quasi mezzo milione di persone? Cosa succede se un algoritmo sbaglia, attribuendo un rischio elevato a chi non ce l’ha — o, peggio, non segnalando chi invece è davvero a rischio?

Queste domande non hanno ancora risposte definitive, e la ricerca presentata all’ESMO 2026 non le risolve. Ma il fatto che vengano poste apertamente nella comunità oncologica è già un segnale positivo: significa che lo sviluppo tecnologico non procede senza una riflessione parallela sulle implicazioni etiche e sulla tutela delle persone coinvolte.

La trasparenza degli algoritmi — la capacità di spiegare perché un modello attribuisce un certo profilo di rischio — è un’altra questione cruciale. Un medico ha bisogno di capire la logica di uno strumento per poterlo usare responsabilmente, non solo di riceverne l’output.

Cosa significa per chi vuole prendersi cura della propria salute

Per chi legge queste notizie con la speranza di capire cosa può fare concretamente, la risposta più onesta è: per ora, niente di diverso da quello che già si dovrebbe fare. Seguire i controlli periodici raccomandati dal proprio medico, segnalare cambiamenti nello stato di salute, non rimandare le visite di routine. Sono proprio questi dati — quelli raccolti nel tempo, con regolarità — a rendere possibile il lavoro degli algoritmi descritti nella ricerca.

La scienza dell’intelligenza artificiale applicata al rischio di tumore è promettente, ma siamo ancora in una fase di ricerca e validazione. Prima che questi strumenti entrino nella pratica clinica quotidiana, dovranno superare ulteriori verifiche su popolazioni diverse e in contesti sanitari reali. Nel frattempo, il consiglio più utile rimane quello di mantenere un dialogo aperto con il proprio medico di base, che conosce la storia clinica individuale meglio di qualsiasi algoritmo. Per approfondire lo stato della ricerca oncologica, l’European Society for Medical Oncology pubblica aggiornamenti continui basati sulle evidenze più recenti.

Questo articolo è stato realizzato con il supporto dell'AI e sottoposto a revisione editoriale.