{"id":623016,"date":"2026-08-08T02:29:16","date_gmt":"2026-08-08T02:29:16","guid":{"rendered":"https:\/\/www.europesays.com\/it\/623016\/"},"modified":"2026-08-08T02:29:16","modified_gmt":"2026-08-08T02:29:16","slug":"una-foto-con-lo-smartphone-diventa-una-mappa-di-rischio-del-piede-diabetico","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/it\/623016\/","title":{"rendered":"Una foto con lo smartphone diventa una mappa di rischio del piede diabetico"},"content":{"rendered":"

Baster\u00e0 un giorno fotografarsi i piedi con il cellulare per capire se qualcosa non va, prima ancora che compaia una ferita? \u00c8 l\u2019ipotesi esplorata da un nuovo studio pubblicato il 7 agosto su Scientific Reports. I ricercatori dello Shengli Oilfield Central Hospital e della Shandong University, in Cina, hanno sviluppato un sistema di intelligenza artificiale capace di partire da una comune fotografia RGB \u2014 quella che potrebbe scattare praticamente qualsiasi smartphone \u2014 e generare una sorta di \u201ctermografia virtuale\u201d del piede<\/strong>. L\u2019idea nasce da un problema concreto: nel diabete, alterazioni della circolazione, neuropatia e pressioni anomale possono favorire lesioni che in alcuni casi evolvono in ulcere difficili da guarire. Le variazioni della temperatura cutanea possono offrire indizi precoci di infiammazione o alterazioni della perfusione. Non a caso, le linee guida internazionali IWGDF considerano il monitoraggio quotidiano della temperatura del piede nei pazienti a rischio moderato o elevato una possibile strategia preventiva. Il problema \u00e8 che una normale fotocamera non vede gli infrarossi e quindi non misura la temperatura<\/strong>. \u00c8 qui che entra in gioco l\u2019IA.<\/p>\n

\n <\/a><\/p>\n

Il sistema utilizza una tecnica di apprendimento chiamata CycleGAN: invece di avere migliaia di fotografie e termografie perfettamente abbinate dello stesso piede, impara le caratteristiche dei due mondi da raccolte di immagini separate. I ricercatori hanno utilizzato fotografie di piedi diabetici disponibili pubblicamente su Kaggle e un secondo database contenente circa 200 immagini termografiche di persone con diabete e controlli sani. L\u2019algoritmo cerca cos\u00ec di tradurre ci\u00f2 che vede nella fotografia in una rappresentazione termica plausibile, preservando dita, teste metatarsali, arco plantare e tallone. Il risultato non \u00e8 una temperatura realmente registrata dal telefono: \u00e8 una stima generata dal modello sulla base delle caratteristiche visibili apprese durante l\u2019addestramento.<\/strong> Un secondo componente dell\u2019IA analizza poi questa rappresentazione sintetica alla ricerca di anomalie e riporta il segnale sulla fotografia originale, producendo una mappa colorata delle aree considerate pi\u00f9 sospette. Tra quelle evidenziate pi\u00f9 frequentemente compaiono le regioni interdigitali e metatarso-falangee, zone sottoposte a pressioni importanti e clinicamente rilevanti nel piede diabetico.<\/p>\n

\n <\/a><\/p>\n

Nei test i numeri sono interessanti. Il sistema ha raggiunto un\u2019AUROC di 0,91<\/strong> nel distinguere le anomalie termiche, con sensibilit\u00e0 dell\u201989% e specificit\u00e0 dell\u201986%. Quando la mappa di rischio \u00e8 stata riportata sulla normale fotografia, la sovrapposizione con le zone di riferimento ha raggiunto un IoU di 0,76 e, nell\u201987% dei casi, l\u2019area indicata come pi\u00f9 importante dall\u2019algoritmo coincideva con quella considerata anomala. I ricercatori hanno inoltre confrontato gli indicatori prodotti dal sistema con dati fisiologici relativi alla circolazione e alla guarigione: la riduzione dell\u2019area giudicata a rischio era correlata al miglioramento degli indici vascolari ABI e TBI, con una correlazione di -0,68. Il punto interessante \u00e8 quindi andare oltre ci\u00f2 che l\u2019occhio vede nella foto, tentando di trasformare indizi visivi molto sottili in una rappresentazione fisiologica pi\u00f9 interpretabile.<\/strong> \u00c8 proprio ci\u00f2 che rende la tecnologia potenzialmente adatta, in futuro, al monitoraggio domestico e alla telemedicina.<\/p>\n

\"\"<\/p>\n

Ma siamo ancora lontani dal poter fotografare un piede e affidarsi al cellulare per stabilire se comparir\u00e0 un\u2019ulcera. Lo studio \u00e8 soprattutto una prova di fattibilit\u00e0 computazionale. Le fotografie e le termografie utilizzate per addestrare il sistema non erano immagini accoppiate dello stesso paziente scattate nello stesso momento<\/strong>, e la valutazione principale \u00e8 stata effettuata su database pubblici, non su una popolazione arruolata prospetticamente che si fotografava a casa con smartphone differenti. Gli stessi autori riportano problemi in circa il 6% delle immagini di test in presenza di forte illuminazione, callosit\u00e0 marcate o mosso e sottolineano che, nelle condizioni reali, la fragilit\u00e0 potrebbe essere maggiore. Servono quindi studi multicentrici nei quali normali fotografie da smartphone vengano confrontate direttamente e contemporaneamente con termografie reali e, soprattutto, seguite nel tempo per verificare se le zone segnalate sviluppino effettivamente una lesione. Se quella prova arriver\u00e0, il salto sarebbe notevole: trasformare una fotocamera presente in miliardi di tasche in uno strumento di allerta precoce per una delle complicanze pi\u00f9 temute del diabete. Per ora, per\u00f2, l\u2019IA non \u201cmisura\u201d il calore: prova a immaginarlo con i dati che ha imparato a riconoscere.<\/strong><\/p>\n

\u2e3b
<\/strong><\/p>\n

Sui P., Wu G., Xu J. et al., \u201cUnpaired RGB-to-thermal learning for explainable diabetic-foot risk screening\u201d, Scientific Reports, pubblicato il 7 agosto 2026. DOI: 10.1038\/s41598-026-61426-5.<\/p>\n

Link alla pubblicazione<\/strong><\/a><\/p>\n","protected":false},"excerpt":{"rendered":"Baster\u00e0 un giorno fotografarsi i piedi con il cellulare per capire se qualcosa non va, prima ancora che…\n","protected":false},"author":3,"featured_media":623017,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_share_on_mastodon":"0"},"categories":[175],"tags":[9713,343662,239,668,1537,90,89,343664,343661,327304,240,327364,343660,343659,343663],"class_list":["post-623016","post","type-post","status-publish","format-standard","has-post-thumbnail","category-salute","tag-china","tag-cyclegan","tag-health","tag-intelligenza-artificiale","tag-it","tag-italia","tag-italy","tag-iwgdf","tag-kaggle","tag-piede-diabetico","tag-salute","tag-scientific-reports","tag-shandong-university","tag-shengli-oilfield-central-hospital","tag-termografia-virtuale"],"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@it\/117057537798049754","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/623016","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/comments?post=623016"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/623016\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media\/623017"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media?parent=623016"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/categories?post=623016"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/tags?post=623016"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}