Negli ultimi anni, l’intelligenza artificiale (AI), il machine learning (ML) e il deep learning (DL) hanno guadagnato grande attenzione anche in chirurgia estetica. Il crescente interesse è legato al loro potenziale nel supportare i professionisti nella diagnosi, nella pianificazione degli interventi e nella previsione degli esiti post-operatori. Un team di ricercatori ha recentemente analizzato in modo critico la qualità degli studi finora pubblicati e le applicazioni pratiche di queste emergenti tecnologie dell’ambito della chirurgia estetica.
Strategia di ricerca e valutazione
Lo studio, seguendo le linee PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), ha adottato un approccio sistemico e trasparente nella raccolta e analisi dei dati. Attraverso l’uso dello strumento ROBINS-I per valutare il rischio di bias negli studi non randomizzati, i ricercatori hanno analizzato database scientifici come MEDLINE/PubMed, EMBASE e la Cochrane Library fino a luglio 2024, senza applicare filtri o limiti temporali.
Utilizzando termini MeSH specifici per machine learning, deep learning, intelligenza artificiale e chirurgia plastica, le analisi condotte attraverso il software Rayyan hanno restituito una prima selezione di 2.148 pubblicazioni. Di queste, 41 sono state esaminate in dettaglio e solo 18 sono state incluse nella revisione finale.
Gli studi, pubblicati tra il 2019 e il 2024, hanno mostrato una significativa eterogeneità riguardo a popolazioni analizzate, modelli di apprendimento automatico impiegati e tipologie di intervento estetico.
Gli interventi considerati spaziavano dalla mastopessi con protesi alla mastoplastica additiva e riduttiva, dalla rinoplastica al body contouring fino al ringiovanimento facciale compresi trattamenti quali lifting e blefaroplastica.
L’AI, il ML e il DL sono stati utilizzati principalmente per l’analisi di immagini, con l’obiettivo si supportare il processo decisionale clinico e identificare fattori predittivi di complicanze post-operatorie.
Dall’evidenza scientifica alla pratica clinica
I risultati dimostrano come l’applicazione dell’intelligenza artificiale in chirurgia estetica stia rapidamente evolvendo. Queste tecnologie consentono, attraverso l’analisi dettagliata dei dati dei pazienti, di migliorare la personalizzazione dei trattamenti, ottimizzando anche la pianificazione preoperatoria e prevenendo potenziali rischi.
Tuttavia, le simulazioni visive generate dagli algoritmi possono indurre una percezione distorta dei risultati, alterando le aspettative del paziente. Se da un lato le simulazioni digitali facilitano le comunicazioni medico-paziente, dall’altro possono suggerire risultati irrealizzabili, rendendo necessario un approccio più etico e responsabile.
Etica e responsabilità nella chirurgia digitale
L’integrazione di AI, machine learning e deep learning in chirurgia estetica rappresenta una promettente frontiera dell’innovazione medica. Nonostante i benefici evidenziati, è fondamentale mantenere una comunicazione trasparente con i pazienti, preservando un approccio clinico prudente.
Nogueira R, Eguchi M, Kasmirski J, de Lima BV, Dimatos DC, Lima DL, Glatter R, Tran DL, Piccinini PS. Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review. Aesthetic Plast Surg. 2025 Jan;49(1):389-399. doi: 10.1007/s00266-024-04421-3. Epub 2024 Oct 9. PMID: 39384606.
