Il movimento conquista la scena anche nell’ecografia: non più soltanto un’immagine da fermare, ma una sequenza da seguire. È su questo passaggio, dal fotogramma al video, che punta uno studio dell’Università ospedaliera di Aquisgrana, in Germania, pubblicato il 14 novembre 2026 su Scientific Reports. Al centro, l’incontinenza urinaria da sforzo; a leggere le registrazioni, due sistemi di intelligenza artificiale. La prospettiva è interessante. Purché alla tecnologia non si consegni, insieme alle immagini, anche il compito di trarre conclusioni premature.

Ma vediamo anzitutto di quale disturbo parliamo. Una perdita di urina mentre si tossisce, si ride o si corre per raggiungere l’autobus: lo «sforzo» è questo, non lo stress emotivo. La pressione sull’addome e sulla vescica aumenta all’improvviso, mentre i meccanismi che sostengono e mantengono chiusa l’uretra non riescono sempre a compensarla. Diverso è il caso dell’incontinenza da urgenza, con quel bisogno improvviso di urinare che diventa difficile rimandare. Distinguere le due condizioni non è una finezza di vocabolario: serve a scegliere le cure.

Il teatro della ricerca è l’ecografia transperineale: una sonda appoggiata esternamente nella regione del perineo permette di osservare il collo della vescica, l’uretra, il pavimento pelvico. Durante le manovre dell’esame le strutture cambiano posizione, e proprio questi spostamenti possono offrire informazioni preziose. Una fotografia, per quanto ben scelta, lascia fuori il prima e il dopo. Qui si cerca invece di seguire tutta la piccola coreografia anatomica, senza chiedere a un operatore di selezionare a mano i fotogrammi o ritagliare le aree da esaminare.

Le strade messe alla prova sono due: un sistema di deep learning analizza i singoli fotogrammi e poi ne combina le informazioni nel tempo; l’altro, V-JEPA2, è progettato per lavorare direttamente sui video. Entrambi hanno esaminato registrazioni complete. Da segnalare anche un particolare meno vistoso, ma istruttivo: aggiungere indicazioni automatiche sull’anatomia non ha portato vantaggi statisticamente significativi rispetto all’analisi di base. Insomma, un accessorio in più non rende necessariamente migliore l’insieme. Anche nell’innovazione conta verificare che cosa serva davvero.

E i numeri? I ricercatori hanno utilizzato 803 registrazioni di altrettante pazienti, scegliendo video nei quali l’uretra fosse adeguatamente visibile, e hanno ripetuto 50 volte la suddivisione dei dati per valutare le prestazioni. Il primo sistema ha ottenuto valori medi di AUC fra 0,84 e 0,88; V-JEPA2 fra 0,89 e 0,90. Questa misura esprime la capacità di distinguere due gruppi: 0,5 equivale al caso, 1 alla separazione perfetta. Attenzione, però: un’AUC di 0,90 non è una percentuale di diagnosi corrette da esibire in vetrina. Non significa «giusto nel 90% dei casi» e non assicura risultati analoghi altrove.

È qui che l’entusiasmo deve fare spazio alla verifica. Lo studio è retrospettivo, svolto in un solo centro, su dati già raccolti e immagini selezionate per la loro idoneità. Il risultato suggerisce che nei video esistano schemi utili a riconoscere l’incontinenza da sforzo; l’analisi automatica dell’intera registrazione potrebbe inoltre alleggerire il lavoro di selezione e interpretazione delle immagini. Ma occorrono prove indipendenti, in altri ospedali, con apparecchi differenti e pazienti più eterogenee. Non soltanto per vedere se il sistema regge: bisogna capire se aiuti davvero i medici a decidere.

Tornando all’ambulatorio, il percorso oggi non comincia dall’algoritmo. Le linee guida dell’Associazione europea di urologia indicano la storia dei sintomi e la visita, con verifica delle perdite sotto sforzo; l’imaging non è previsto come esame di routine per questa diagnosi. Fra le prime opzioni terapeutiche figura un programma supervisionato di esercizi per il pavimento pelvico, per almeno tre mesi. Se vi capita di perdere urina tossendo o facendo attività fisica, parlatene con un professionista sanitario: il disturbo può essere valutato e trattato. L’intelligenza artificiale studia il movimento; la cura, intanto, non deve restare ferma ad aspettarla.

⸻

Vuskov R., Ignatova N., Truhn D., Najjari L. Deep learning–based detection of stress urinary incontinence in transperineal ultrasound video examinations. Scientific Reports, 14 novembre 2026. DOI: 10.1038/s41598-026-77927-2.