Tra i progetti presentati, la costruzione di un patrimonio italiano di dati clinici, metabolici e biologici, al quale lavorano il Policlinico Giaccone di Palermo e il centro per l’intelligenza artificiale di Humanitas a Milano, con la prospettiva di coinvolgere progressivamente altri centri Sio. La raccolta potrà integrare, dove disponibili, anche dati omici provenienti da genomica, proteomica e metabolomica, per affinare la caratterizzazione delle persone con obesità e sviluppare modelli predittivi.

“Quanto più ampia è la casistica sulla quale possiamo lavorare, tanto maggiore può diventare la precisione degli algoritmi”, spiega Roberto Vettor, past president Sio e direttore scientifico del Centro per le malattie metaboliche e della nutrizione di Humanitas. L’obiettivo è individuare chi presenta un rischio più elevato di complicanze, stimare la probabilità di risposta o mancata risposta alle terapie e, in prospettiva, creare un digital twin, un gemello digitale sul quale simulare differenti strategie senza sperimentarle direttamente sul paziente.

La disponibilità di dati italiani potrebbe inoltre contribuire a sviluppare strumenti più aderenti alle caratteristiche biologiche, ambientali e comportamentali della popolazione nazionale. Il progetto prevede anche la produzione di dati sintetici, per consentire analisi scientifiche tutelando la riservatezza delle persone coinvolte.

“L’intelligenza artificiale non deve sostituire il medico, ma permettergli di leggere insieme una quantità di informazioni che nessun essere umano potrebbe elaborare contemporaneamente”, sottolinea Silvio Buscemi, presidente Sio e professore ordinario di nutrizione clinica all’Università di Palermo. “La prospettiva più interessante è passare dalla cura dell’obesità alla cura di quella specifica persona con obesità”.

Le potenzialità dell’IA e i limiti delle evidenze

La ricerca internazionale sta esplorando l’impiego del machine learning per prevedere il rischio, identificare fenotipi clinici e stimare gli esiti dei trattamenti, compresa la chirurgia metabolica e bariatrica. Una metanalisi pubblicata nel 2026 su Obesity Surgery, basata su otto studi inclusi nell’analisi quantitativa, ha riportato un’area sotto la curva (AUC) di 0,846 per i modelli utilizzati nella previsione della perdita di peso, indicando una buona capacità di distinguere tra pazienti con esiti differenti. Un risultato promettente, ma da interpretare alla luce dell’eterogeneità degli studi e della necessità di ulteriori validazioni.

Le evidenze disponibili, tuttavia, non consentono ancora di considerare questi strumenti pronti per un impiego clinico generalizzato. Restano necessari studi prospettici e validazioni esterne che dimostrino un miglioramento concreto degli esiti dei pazienti. L’IA è quindi una risorsa di supporto alla decisione clinica, non un sostituto della presa in carico multidisciplinare.

La bilancia non racconta tutta la storia

La necessità di una valutazione personalizzata emerge anche da un altro studio presentato al congresso, condotto dall’Università di Palermo su 495 studenti universitari nell’ambito del progetto ABCD University Students. Alterazioni del profilo metabolico sono state riscontrate in 46 partecipanti, pari al 9,3% del campione. Di questi, 19 (41,3%) avevano un indice di massa corporea (Bmi) nella norma.

Il dato evidenzia come un peso apparentemente rassicurante non escluda la presenza di fattori di rischio. Nell’analisi, la percentuale di massa grassa è risultata più discriminante rispetto al rapporto vita/altezza nel distinguere, tra i normopeso, i soggetti con alterazioni metaboliche da quelli metabolicamente sani.

“Il Bmi rimane il primo gradino fondamentale della valutazione clinica, ma nei giovani adulti e nelle categorie a rischio non può essere anche l’ultimo”, osserva Buscemi. Integrare, quando indicato, la misurazione del peso con la composizione corporea e gli esami metabolici può favorire l’identificazione precoce delle alterazioni e interventi preventivi mirati.

Dall’intelligenza artificiale alla valutazione metabolica, il messaggio della Sio è dunque convergente: comprendere le differenze tra le persone è essenziale per migliorare prevenzione e trattamento dell’obesità. Il gemello digitale rappresenta una prospettiva di lungo periodo; la sfida immediata è costruire dati affidabili e strumenti validati, mantenendo il medico al centro delle decisioni.