Aneurismi, monitoraggio post-operatorio e analisi predittiva del flusso sanguigno. Le patologie vascolari continuano a rappresentare una sfida per la qualità della vita e richiedono risposte sempre più tecnologiche e tempestive. Su questo fronte si focalizza la MediTech Challenge 2026, dedicata a intelligenza artificiale e chirurgia vascolare, promossa dal Dipartimento di Ingegneria e Scienza dell’Informazione dell’Università di Trento in collaborazione con la Fondazione HIT – Hub Innovazione Trentino, e dall’Azienda sanitaria universitaria integrata del Trentino e con il patrocinio della Società italiana di Chirurgia vascolare ed endovascolare. La novità della sfida universitaria, è proprio il tema: la chirurgia vascolare, quel ramo della chirurgia che utilizza procedure mininvasive per trattare problemi legati alle arterie e che rappresentano una delle principali cause di morte nel mondo occidentale.
L’evento finale della Meditech Challenge si è tenuto al Museo delle Scienze di Trento con la chiusura del percorso di innovazione durato tre mesi, con specializzande e specializzandi, dottorande e dottorandi, studentesse e studenti universitari che hanno lavorato fianco a fianco per superare le frontiere tecnologiche della chirurgia vascolare.
Cuore della seconda edizione della competizione è stato lo sviluppo di prototipi basati sull’intelligenza artificiale per affrontare problematiche vascolari critiche. 69 le candidature arrivate alla call lanciata a ottobre 2025 dal Dipartimento di Ingegneria e Scienza dell’Informazione UniTrento per partecipare alla sfida. Da queste, sono stati selezionati in 40. Tra loro 15 specializzande e specializzandi in chirurgia vascolare provenienti da tutta Italia; 25 studenti e studentesse e 1 dottoranda. Tutti provenienti da vari dipartimenti dell’Ateneo trentino: la particolarità della sfida è proprio la significativa multidisciplinarietà di chi vi partecipa, un aspetto che consente di affrontare i problemi di innovazione da punti di vista nuovi e diversi.
Il lavoro dei vari gruppi è stato valutato sulla base di quattro criteri: solidità metodologica e scientifica dei risultati; completezza e utilizzabilità dei risultati; potenziale impatto di business dei risultati; efficacia della presentazione dei risultati. A decretare il team vincitore è stata la giuria, composta da quattro chirurghi vascolari, due fisici sanitari, quattro professori UniTrento e tre 3 esperti di innovazione tecnologica della Fondazione HIT. Le cinque squadre hanno lavorato per quindici settimane per trovare soluzioni creative e concrete a problemi tecnici nel campo della chirurgia dei vasi sanguigni. A seguirle, sia per l’aspetto della ricerca, sia per quello della clinica, è stato un gruppo di mentor, composto da quattro chirurghi vascolari, due rappresentanti di Unità operativa di Fisica sanitaria dell’Asuit, quattro docenti dell’Università di Trento e tre esperti di innovazione della Fondazione HIT.
Ad aggiudicarsi il premio di questa edizione è stato il team del progetto Pinnacle-EVAR, che ha presentato la soluzione più convincente, valutata per solidità scientifica, utilizzabilità e potenziale di business. Il team è composto dagli studenti del Disi Anna Ferrari, Matteo Gottardelli, Norbert Varga e Dimitri Vinci e dai medici specializzandi Silvia Morreale, Paola Meroni e Marco Mattiacci.
Il team ha lavorato sulla previsione di complicanze post-EVAR attraverso simulazioni emodinamiche del flusso sanguigno. Tradizionalmente, queste simulazioni CFD richiedono molte ore di calcolo per singolo paziente, limitandone l’utilizzo clinico. Il progetto propone invece una soluzione basata su Physics-Informed Neural Networks, capace di riprodurre le simulazioni in pochi millisecondi mantenendo informazioni clinicamente rilevanti. Il sistema integra dati anatomici e parametri emodinamici per stimare il rischio di complicanze come endoleak e trombosi.
La Meditech Challenge è nata da un’idea di Stefano Bonvini, direttore dell’unità operativa di chirurgia vascolare-multizonale dell’Azienda sanitaria universitaria integrata del Trentino, e di Paolo Giorgini, professore del Dipartimento di Ingegneria e Scienza dell’informazione dell’Università di Trento. È stata sviluppata e realizzata con il know how della Fondazione Hub Innovazione Trentino, che connette ricerca, territorio e tessuto economico-sociale per supportare l’innovazione trentina e che dal 2017 progetta, avvia e gestisce programmi di open innovation tra ricerca, impresa e pubblica amministrazione, in collaborazione coi propri soci fondatori.
La sfida aveva l’obiettivo di identificare nuovi concept e prototipi. Le attività hanno riguardato l’acquisizione e l’analisi di dati, la modellazione di fenomeni e processi, l’accesso ai laboratori dell’Università per effettuare test sperimentali, l’osservazione sul campo, la progettazione e ingegnerizzazione di prototipi, il reporting e la presentazione di fronte a giurie formate da esperti ed esperte.
Ogni gruppo si è concentrato su un tema specifico che necessita di ricadute sulla pratica clinica. Gli argomenti sono stati formulati da un gruppo di esperti ed esperte composto da medici di Asuit e di altre aziende sanitarie e da docenti di UniTrento che già operano su temi collegati, scegliendo tra i temi più all’avanguardia nell’ambito della tecnologia e della scienza a servizio della chirurgia vascolare.
Il primo team ha sviluppato SAFE, una piattaforma che aiuta i chirurghi vascolari a valutare in modo più oggettivo il posizionamento delle protesi Evar dopo l’intervento. Attualmente queste analisi vengono eseguite manualmente sulle tac post-operatorie e richiedono tempo, esperienza e interpretazione visiva. La soluzione proposta automatizza diverse fasi del processo: identifica la protesi, riconosce i principali punti anatomici e genera mappe tridimensionali che mostrano quanto bene lo stent aderisca alla parete aortica. L’obiettivo è rendere il follow-up più standardizzato e quantitativo, riducendo la variabilità tra operatori e supportando l’identificazione precoce di possibili complicanze.
Il secondo team ha lavorato sul problema del rilevamento degli endoleak, ovvero perdite di sangue che possono comparire dopo l’impianto dello stent: la loro identificazione, ad oggi, richiede una revisione manuale delle tac, spesso lunga e complessa. Per rispondere a questa sfida, il team ha sviluppato un sistema AI che assiste il medico nell’analisi delle immagini. La piattaforma utilizza modelli deep learning per segmentare automaticamente aorta, protesi ed eventuali aree sospette di endoleak, fornendo anche misure quantitative e visualizzazioni tridimensionali. Il progetto punta a trasformare il follow-up post- EVAR in un processo più rapido, standardizzato e supportato da dati oggettivi.
Il quarto team ha sviluppato uno strumento AI pensato per semplificare la consultazione dei referti clinici post-Evar, spesso frammentati in documenti diversi e difficili da sintetizzare rapidamente, riducendo così il carico amministrativo dei medici. La piattaforma utilizza un Large Language Model specializzato in ambito medico, eseguito localmente per garantire sicurezza e conformità Gdpr. A partire da documenti clinici caricati dal medico, il sistema genera automaticamente riassunti strutturati e segnala eventuali fattori di rischio clinico, come endoleak o problemi della protesi. Uno degli aspetti più rilevanti del progetto è l’attenzione alla riduzione delle “allucinazioni” tipiche dei modelli linguistici, attraverso validazione clinica e strategie avanzate di prompting.
Il quinto team ha sviluppato AURA, una piattaforma generativa per creare immagini tac sintetiche di aneurismi aortici. Il progetto nasce da un problema molto concreto: la scarsità di dataset clinici ampi e ben annotati, indispensabili per addestrare modelli AI affidabili in ambito medico, utili nella formazione clinica e nei test. Tramite tecniche di deep learning generativo per produrre scansioni tridimensionali realistiche e controllabili, il progetto simula diverse morfologie aneurismatiche.
