Dalle immagini alle decisioni: un viaggio di trasformazione lungo 11 mesi per un team cinese di intelligenza artificiale in ambito medico

Alla fine del 2025 è stato pubblicato un articolo sulla piattaforma di preprint arXiv che ha attirato molta attenzione nella comunità degli interventi cardiovascolari.

L'articolo riporta che un sistema di intelligenza artificiale medica specifico per un determinato dominio, denominato CA-GPT e progettato per supportare il processo decisionale durante l'intervento coronarico percutaneo (PCI), ha superato in prestazioni un modello linguistico di grandi dimensioni per uso generale (ChatGPT-5 di OpenAI) in dieci indicatori clinici chiave. In alcuni scenari, le sue prestazioni hanno persino superato quelle di medici junior con un'esperienza compresa tra uno e cinque anni.

Tuttavia, per il team di ricerca e sviluppo che ha ideato il sistema, la carta non era la destinazione.

Ciò che contava davvero era il lungo, incerto e a volte scomodo cammino che conduceva fin lì.

Questa è la storia di come un piccolo team di intelligenza artificiale medica ha trascorso 11 mesi colmando il divario più grande nell'intelligenza artificiale clinica: la distanza tra la visualizzazione delle informazioni e il processo decisionale.

Dai dati OCT alle decisioni cliniche

La tomografia a coerenza ottica (OCT) è spesso definita il "terzo occhio" dei cardiologi interventisti. Una sottile fibra ottica penetra nell'arteria coronaria e produce immagini ad alta risoluzione che rivelano la morfologia della placca e la struttura dei vasi con un dettaglio straordinario.

Da oltre un decennio, l'intelligenza artificiale viene utilizzata per analizzare le immagini OCT nel sistema Vivolight OCT, ad esempio per il rilevamento di placche instabili, la valutazione di lesioni calcifiche e la valutazione funzionale. Molte di queste tecnologie sono già implementate nei flussi di lavoro clinici.

Ma mancava qualcosa di fondamentale. I medici non hanno solo bisogno di più misurazioni. Hanno bisogno di decisioni chiare.

È necessario impiantare uno stent? Di che diametro? Di che lunghezza? Questa lesione è sicura da trattare o dovremmo fare un passo indietro?

Tra i dati di imaging grezzi e un reale del medicoLa decisione rappresenta una lacuna critica. Non importa quanto un algoritmo sia accurato, se non riesce a colmare questa lacuna, rimane uno strumento, non un partner clinico.

Quella lacuna divenne la missione.

“L’ultimo miglio” è sempre il più difficile

All'inizio del 2024, il team dell'algoritmo Vivolight aveva una visione chiara: trasformare anni di conoscenze specialistiche in un sistema in grado di ragionare come un medico esperto, in modo coerente, trasparente e sotto pressione.

Hanno provato diversi approcci: modelli di grandi dimensioni per uso generico, integrazioni API, pipeline ibride. I progressi sono stati lenti. Ogni tentativo sembrava vicino al risultato, ma mai abbastanza.

Come ha affermato un membro del team:
——“Sentivi che ti stavi avvicinando alla risposta. Ma ogni volta, eri ancora a un passo di distanza.”

Una svolta: smettere di formare modelli più grandi

La svolta arrivò all'inizio del 2025 con l'apertura del codice sorgente di DeepSeek, non grazie all'addestramento di un modello più grande, ma ponendo una domanda diversa.

Invece di creare un'altra IA generale, il team ha scelto di ancorare il proprio sistema a ciò di cui i medici già si fidano: linee guida degli esperti, consenso del settore, ragionamento strutturato e logica decisionale esplicita.

L'idea era semplice, ma radicale nella pratica:

●Lascia che i modelli di visione specializzati agiscano come “occhi”

●Lascia che le linee guida cliniche e il consenso degli esperti formino il “pool di conoscenze”

●Lascia che un motore di ragionamento li colleghi in un percorso decisionale trasparente

Imparare a proprie spese: dai dottori

Le prime demo furono umilianti. I medici non chiedevano come funzionasse l'intelligenza artificiale. Non si preoccupavano di prompt o architetture.

Hanno posto domande come:

●"Quale stent sceglieresti?"

●"Questa lesione è adatta all'intervento?"

●"Perché questo diametro e non quello?"

Quando il sistema rispondeva con spiegazioni vaghe o un linguaggio generico, il feedback era brusco. "Questa non è intelligenza artificiale. Questo è rumore". Quel commento del Dott. Zhu (CEO di Vivolight) ferì, ma chiarificò tutto. La vera intelligenza clinica non consiste nell'apparire intelligenti. Si tratta di essere precisi, decisi e responsabili.

Il team ha ricostruito di nuovo, questa volta in modo modulare. La logica decisionale, i passaggi di ragionamento e gli output sono stati semplificati, testati e ricostruiti rapidamente. I giorni si sono trasformati in notti. Un'iterazione dopo l'altra.

Alla fine qualcosa cambiò.

Il dottor Zhu osservò il sistema e disse:
——“Okay. Sembra davvero un'intelligenza artificiale..”

La realtà clinica è l'unico vero punto di riferimento

Entro maggio 2025, la prima versione del sistema AI-OCT è stata consegnata, meno di tre mesi dopo l'avvio del progetto. Nello stesso mese, l'innovazione è stata presentata all'OCC 2025. Con grande gioia di tutti, si è distinta tra 48 candidature ed è stata selezionata tra soli cinque progetti meritevoli. Ma l'obiettivo non era il riconoscimento. La convalida.

Il vero test è arrivato dagli studi clinici. Il sistema è entrato in uso pilota in diversi ospedali, tra cui il Secondo Ospedale Affiliato dell'Università Medica dell'Aeronautica Militare (Ospedale di Tangdu)., L'Ospedale Anzhen di Pechino, l'Università di Medicina della Capitale, l'Ospedale Fuwai, l'Accademia Cinese di Scienze Mediche, l'Ospedale Zhongshan affiliato all'Università Fudan e il Primo Ospedale Affiliato dell'Università Jiaotong di Xi'an, supportano le procedure PCI in contesti reali. Il feedback è stato diretto, dettagliato e spesso spietato.

Eppure, quel feedback è diventato il punto di forza del sistema. I medici hanno messo in discussione le ipotesi, corretto la logica e spinto l'IA a essere più chiara, più rigorosa e più coerente. Passo dopo passo, il sistema è maturato, non in isolamento, ma nel dialogo con la realtà clinica.