Come l’abilità nel “cogliere l’attimo” conta nella fotografia d’autore, così fino ad oggi è stata l’esperienza dell’operatore di radiologia a fare la differenza nella visualizzazione di aree cicatriziali nel cuore durante l’esecuzione di esami di risonanza magnetica cardiaca. Un’invenzione di scienziate e scienziati italiani promette di innovare questa fondamentale pratica diagnostica, rendendola accurata al primo “scatto” grazie all’intelligenza artificiale. Si chiama “THAITI” ed è un software messo a punto e brevettato da un team interdisciplinare composto da Daniela Besozzi e Daniele M. Papetti dell’Università degli Studi di Milano-Bicocca, Marco S. Nobile dell’Università Ca’ Foscari Venezia, e Camilla Torlasco dell’IRCCS Istituto Auxologico Italiano di Milano.

A sancirne il valore è stata la conferenza globale sulla risonanza magnetica cardiovascolare (CMR 2024), che all’invenzione italiana ha assegnato il primo premio della Shark Tank Competition, giudicando THAITI “innovativo, di impatto clinico, con valore traslazionale e pronto per la commercializzazione”. Brevettato a livello italiano e internazionale, il modello ora punta a trovare investimenti grazie anche alla collaborazione degli uffici di trasferimento tecnologico dell’Università di Milano-Bicocca, dell’Università Ca’ Foscari e dell’Istituto Auxologico Italiano.  Il software è in grado di calcolare il valore ottimale del cosiddetto “tempo di inversione”, un parametro necessario per l’acquisizione di immagini mirate a identificare l’eventuale presenza di tessuto cicatriziale nel cuore a seguito di somministrazione di un mezzo di contrasto. Essendo strettamente correlato alla quantità di mezzo di contrasto presente nel cuore, il tempo di inversione è diverso per ogni paziente e il suo valore ottimale varia ripetutamente nel corso di uno stesso esame. Normalmente, l’operatore seleziona e modifica il tempo di inversione con un processo guidato dall’esperienza, e basato sull’aspetto dell’immagine precedente e sulle caratteristiche del paziente. THAITI, a partire da informazioni fisiologiche e antropometriche del paziente ed informazioni tecniche sull’esame, sfrutta un modello di intelligenza artificiale per determinare il tempo di inversione ottimale, personalizzato e dinamico, con cui ottenere una serie di immagini di alta qualità del tessuto cardiaco durante l’intera esecuzione dell’esame di risonanza magnetica.