Negli ultimi anni, la medicina perioperatoria sta progressivamente evolvendo verso modelli sempre più orientati all’integrazione dei dati e alla personalizzazione delle cure. In questo contesto si afferma il concetto di digital twin, inteso come rappresentazione digitale dinamica del paziente, costruita integrando informazioni cliniche, parametri fisiologici e dati derivanti dallo stile di vita lungo l’intero percorso chirurgico. Non si tratta solo di affinare la capacità predittiva, ma d’introdurre una dimensione simulativa. Il gemello digitale consente, infatti, di esplorare scenari clinici alternativi, valutare l’impatto di diverse strategie e supportare decisioni sempre più mirate. In ambito anestesiologico, ciò si traduce nella possibilità di anticipare le criticità, ottimizzare la preparazione preoperatoria e modulare in modo più preciso la gestione del rischio. Si tratta, tuttavia, di una frontiera ancora in fase di sviluppo. Le attuali limitazioni, legate in particolare all’integrazione dei dati e alle infrastrutture tecnologiche, richiedono ulteriori validazioni prima di una piena applicazione nella pratica clinica.
Ne parliamo con Valentina Bellini, professore associato di Anestesiologia all’Università di Parma e medico anestesista della UOC 2 Anestesia e Rianimazione dell’Azienda Ospedaliera Universitaria di Parma.
Un ecosistema digitale a supporto della pratica clinica
La medicina perioperatoria degli ultimi anni sta attraversando una trasformazione profonda, guidata dall’introduzione di algoritmi predittivi e dall’integrazione crescente di dati clinici, fisiologici e organizzativi. In questo contesto, l’IA ha iniziato a supportare in modo sempre più strutturato la stratificazione del rischio e la pianificazione del percorso chirurgico, contribuendo a rendere le decisioni cliniche più informate e personalizzate.
Parallelamente, si affacciano nuovi modelli digitali e ambienti immersivi, spesso ricondotti al concetto di metaverso, che permettono di rappresentare in modo avanzato processi clinici e scenari terapeutici complessi. Queste tecnologie segnano un passaggio rilevante: dalla semplice capacità di prevedere eventi alla possibilità di simulare e analizzare in modo interattivo diverse strategie di gestione del paziente.
«Nel contesto sanitario, il metaverso può essere definito come ambiente digitale immersivo e interattivo, basato su tecnologie come realtà virtuale e aumentata, in cui professionisti sanitari, pazienti e sistemi informativi interagiscono all’interno di una rappresentazione tridimensionale dei processi clinici. Non è semplicemente di uno spazio virtuale, ma un ecosistema digitale in cui dati clinici, modelli simulativi e strumenti di collaborazione convergono per supportare la pratica medica». In ambito chirurgico e perioperatorio, il metaverso può assumere un ruolo rilevante nella pianificazione clinica, consentendo di simulare interventi, visualizzare in modo avanzato l’anatomia e analizzare scenari terapeutici e organizzativi, contribuendo anche alla preparazione del paziente e alla riduzione di ansia e stress.
Il concetto di digital twin
In questo scenario evolutivo s’inserisce il concetto di digital twin, che rappresenta un ulteriore salto di qualità nella modellizzazione del percorso perioperatorio. «In concreto, questo modello digitale integra informazioni provenienti dalla cartella clinica elettronica, dai parametri fisiologici, da dispositivi indossabili e da modelli predittivi basati su intelligenza artificiale. L’obiettivo è anticipare possibili complicanze, ottimizzare la preparazione del paziente all’intervento e guidare il team clinico verso strategie di gestione più mirate».
Attraverso la simulazione del comportamento fisiologico del paziente, il gemello digitale consente di stimare con maggiore precisione la probabilità di complicanze, valutare l’impatto di diverse strategie anestesiologiche e anticipare criticità prima ancora che si manifestino clinicamente. «In questo modo, il digital twin non sostituisce la decisione clinica ma la rafforza, offrendo ai professionisti sanitari un sistema di supporto basato su analisi predittive e aggiornato in tempo reale».
Evoluzione dei modelli di IA predittiva
Se i modelli predittivi basati su IA sono strumenti sempre più maturi e progressivamente integrati nella pratica clinica, il digital twin si configura come concetto ancora in fase di consolidamento, che amplia in modo significativo le potenzialità di questi approcci. È proprio a partire dall’evoluzione di questi modelli che si colloca l’esperienza di ParmAI, il progetto sviluppato presso l’AOU di Parma, già approfondito su queste pagine (Tecnica Ospedaliera, aprile 2026, pagg. 68-70), che integra algoritmi predittivi e un team multidisciplinare lungo l’intero percorso chirurgico.
«Il digital twin può essere letto come evoluzione dei modelli di IA predittiva, ma introduce un cambio di prospettiva più ampio. Gli algoritmi tradizionali sono progettati per stimare la probabilità che un evento si verifichi, offrendo una valutazione puntuale del rischio utile per la stratificazione dei pazienti. Il gemello digitale, invece, aggiunge una dimensione dinamica e simulativa: non si limita a indicare quanto è probabile che qualcosa accada, ma consente di esplorare come il percorso clinico può cambiare al variare delle strategie adottate. In questo senso, più che fornire una previsione, il digital twin costruisce una rappresentazione in continua evoluzione del paziente, capace d’integrare dati nel tempo e supportare le decisioni attraverso la simulazione di scenari alternativi».
Criticità da superare
Se il digital twin apre prospettive significative sul piano della personalizzazione e della simulazione clinica, la sua applicazione nel perioperatorio si confronta ancora con limiti rilevanti. «Dal punto di vista clinico, uno dei principali ostacoli riguarda la qualità e l’eterogeneità dei dati disponibili. I modelli predittivi e simulativi dipendono, infatti, da completezza e affidabilità delle informazioni, che spesso provengono da fonti diverse e non sempre pienamente integrate. Sul piano tecnologico, la costruzione di un vero gemello digitale del paziente richiede infrastrutture capaci di gestire grandi volumi di dati, integrarli in tempo reale e aggiornare dinamicamente i modelli, aspetti che sono ancora una sfida per molti sistemi sanitari. A queste criticità si affiancano questioni medico-legali ed etiche, legate alla trasparenza degli algoritmi, alla responsabilità decisionale e alla protezione dei dati sensibili».
In questo contesto, è fondamentale sviluppare piena consapevolezza del ruolo di questi strumenti nel processo clinico. «Questi modelli vanno intesi come sistemi di supporto alla decisione e non come sostituti del giudizio professionale. È il medico a interpretare criticamente le indicazioni fornite, a contestualizzarle nel quadro clinico del singolo paziente e ad assumere la responsabilità finale delle decisioni terapeutiche. L’obiettivo non è delegare alla tecnologia, ma rafforzare la capacità decisionale del clinico, integrando l’esperienza con strumenti sempre più sofisticati».
Da questa consapevolezza emerge anche una delle promesse più rilevanti di queste tecnologie: non sostituire il medico, ma restituirgli tempo.
«Automatizzando parte dei processi di analisi dei dati e di supporto decisionale, i modelli avanzati possono ridurre il carico cognitivo e organizzativo legato alla gestione di informazioni sempre più complesse, consentendo ai professionisti sanitari di concentrarsi di più sugli aspetti clinici e relazionali della cura, rafforzando quella dimensione umana che resta centrale nel rapporto tra medico e paziente».
Articolo tratto dal numero di giugno 2026 di Tecnica Ospedaliera
