Due persone con lo stesso peso e la stessa diagnosi di obesità possono avere caratteristiche biologiche e risposte alle cure molto diverse. Capire queste differenze è uno degli obiettivi di un progetto della Società Italiana dell’Obesità (SIO), che punta a raccogliere e analizzare dati clinici e biologici per sviluppare modelli di intelligenza artificiale sempre più precisi. L’obiettivo è il cosiddetto “gemello digitale”: una copia virtuale del paziente sulla quale simulare strategie di prevenzione e cura, valutare la possibile risposta alle terapie e studiare il rischio di complicanze, senza dover sperimentare direttamente sulla persona.

Farmaci anti-obesità e anestesia: come aumentano i rischi di effetti collaterali

L’asse Palermo Milano

Il progetto, presentato al congresso nazionale SIO WiP 2026 di Palermo, coinvolge il Policlinico Giaccone di Palermo e l’istituto Humanitas di Milano, con la possibilità di estendere progressivamente la raccolta ad altri centri della società scientifica. L’obiettivo iniziale è costruire un patrimonio di informazioni sui pazienti con obesità, integrando dati clinici e metabolici e, dove disponibili, dati “omici”: informazioni provenienti da discipline come genomica, proteomica e metabolomica.

“Oggi chi possiede dati di qualità possiede una straordinaria ricchezza scientifica”, spiega Roberto Vettor, past president della Sio e direttore scientifico del Centro per le Malattie Metaboliche e della Nutrizione di Humanitas. “Quanto più ampia è la casistica sulla quale possiamo lavorare, tanto maggiore può diventare la precisione degli algoritmi. L’obiettivo è descrivere meglio le caratteristiche delle persone con obesità, studiare la probabilità di risposta o di mancata risposta alle terapie e individuare chi presenta un rischio maggiore di sviluppare complicanze. In prospettiva, potremo costruire un gemello digitale sul quale simulare interventi che non sarebbe possibile sperimentare direttamente sul paziente”.

Obesità infantile: per sette ragazzi su dieci il rischio continua nell’età adulta

Una banca dati italiana

Costruire una banca dati italiana può essere importante anche in parallelo rispetto ai grandi archivi internazionali. Le popolazioni, infatti, possono differire per caratteristiche biologiche, metaboliche, ambientali e comportamentali: algoritmi sviluppati su popolazioni diverse non necessariamente descrivono con la stessa precisione la popolazione italiana.

I dati raccolti saranno trasformati in dati sintetici, con l’obiettivo di consentirne l’utilizzo nella ricerca tutelando la riservatezza dei pazienti. La raccolta, inoltre, potrà essere aggiornata nel tempo con nuovi parametri, seguendo l’evoluzione delle conoscenze sull’obesità e includendo anche fattori comportamentali.

“L’intelligenza artificiale non deve sostituire il medico, ma permettergli di leggere insieme una quantità di informazioni che nessun essere umano potrebbe elaborare contemporaneamente”, afferma Silvio Buscemi, presidente della Sio e professore ordinario di nutrizione clinica all’Università di Palermo. “L’obesità non è una malattia uguale per tutti. Dietro lo stesso peso e lo stesso indice di massa corporea possono esserci meccanismi biologici, comportamenti, complicanze e risposte alle terapie molto differenti. La prospettiva più interessante dell’Ia è proprio questa: passare progressivamente dalla cura dell’obesità alla cura di quella specifica persona con obesità”.

Probiotici: crescono i consumi degli integratori, ma non quelli dei cibi ricchi di fibre

Un possibile strumento clinico

In questi anni diverse ricerche internazionali si sono mosse nel solco tracciato dall’iniziativa della Sio. Studiando diverse applicazioni dell’intelligenza artificiale nell’obesità: dalla previsione del rischio all’analisi dei fattori ambientali e comportamentali, fino alla classificazione dei pazienti in base alle loro caratteristiche cliniche e biologiche e alla personalizzazione degli interventi.

Una metanalisi pubblicata nel 2026 su Obesity Surgery, ad esempio, ha esaminato i modelli di apprendimento automatico utilizzati per prevedere la perdita di peso dopo la chirurgia metabolica e bariatrica. Otto studi, su dodici che soddisfacevano i criteri della revisione, sono stati inclusi nell’analisi quantitativa. I modelli hanno raggiunto una buona capacità di distinguere i pazienti in base all’esito considerato. Gli autori segnalano tuttavia una forte eterogeneità tra gli studi e la necessità di ulteriori validazioni prima di un impiego clinico di routine.

Anche il recupero del peso dopo il dimagrimento è oggetto di ricerca. Un lavoro pubblicato nel 2026 su Current Obesity Reports propone di integrare dati metabolici e caratteristiche biomeccaniche del tessuto adiposo con strumenti di IA, per comprendere meglio i meccanismi che favoriscono il recupero del peso e individuare in futuro strategie preventive più personalizzate.

Le prospettive, però, non vanno confuse con risultati clinici già dimostrati. Una revisione pubblicata nel settembre 2026 su Frontiers in Endocrinology rileva che le prove sull’efficacia dell’intelligenza artificiale nella gestione dell’obesità sono ancora limitate ed eterogenee. Mancano, in particolare, sistemi di prescrizione terapeutica basati sull’Ia che siano stati validati in studi prospettici ed esterni e abbiano dimostrato di migliorare gli esiti dei pazienti. L’intelligenza artificiale deve quindi essere considerata uno strumento di supporto alla valutazione clinica, non un sostituto del medico e della presa in carico multidisciplinare.