L’infertilità maschile è responsabile di quasi la metà dei casi di infertilità di coppia; tuttavia, gli strumenti diagnostici attualmente disponibili rimangono limitati.
L’analisi del liquido seminale, metodica standard di riferimento, fornisce solo informazioni parziali sulla funzione spermatogenetica, mentre l’ecografia testicolare (TUS), pur essendo uno strumento essenziale, ha prevalentemente un carattere descrittivo ed è fortemente operatore-dipendente.
Il nostro progetto affronta queste criticità integrando la radiomica e l’intelligenza artificiale (AI) nell’ecografia testicolare, con l’obiettivo di sviluppare valutazioni della funzione testicolare oggettive, riproducibili e clinicamente significative. Studi preliminari, inclusi un’ampia coorte di 302 uomini e lo studio pilota INTACT (85 pazienti, 170 immagini), hanno dimostrato che le caratteristiche di texture ecografica del testicolo correlano con i parametri seminali e la funzione endocrina, fornendo una solida prova di concetto per la quantificazione dell’ecotessitura testicolare mediante approcci basati su AI.
L’obiettivo primario del progetto è valutare la correlazione tra le caratteristiche di texture ecografica e la capacità spermatogenetica. Gli obiettivi secondari includono l’analisi delle associazioni tra i parametri di imaging e la funzione endocrina, nonché lo sviluppo di algoritmi predittivi basati su AI per la valutazione della funzione testicolare.
Lo Specific Aim 1 prevede l’analisi retrospettiva di immagini ecografiche testicolari statiche e dinamiche mediante estrazione di caratteristiche radiomiche e modellazione con AI, al fine di ridurre la variabilità operatore-dipendente e standardizzare l’interpretazione delle immagini.
Lo Specific Aim 2 consiste nella validazione prospettica di tali algoritmi in uomini afferenti a centri per l’infertilità, valutandone accuratezza, riproducibilità e utilità clinica.
Dati clinici completi — inclusivi di parametri antropometrici, profili ormonali, analisi del liquido seminale, test genetici e informazioni relative alla partner femminile — saranno integrati con i dati di imaging per sviluppare modelli di AI robusti, in grado di predire il potenziale spermatogenetico e la risposta alla stimolazione ormonale, con il potenziale di ridurre o evitare il ricorso a biopsie testicolari invasive.
Lo studio è strutturato in tre fasi: raccolta retrospettiva dei dati, analisi delle immagini e sviluppo dei modelli basati su AI, e validazione prospettica. Gli outcome includeranno strumenti standardizzati e indipendenti dall’operatore per l’interpretazione dell’ecografia testicolare, in grado di correlare la morfologia testicolare con parametri funzionali di fertilità. Migliorando la precisione diagnostica, riducendo la dipendenza da un’analisi seminale soggetta a variabilità e fornendo informazioni predittive clinicamente utilizzabili, il progetto supporterà una gestione clinica personalizzata, ottimizzerà l’impiego delle risorse sanitarie e migliorerà gli outcome per i pazienti.
Questo approccio interdisciplinare integra andrologia, endocrinologia, radiologia e intelligenza artificiale, introducendo un nuovo paradigma nella valutazione dell’infertilità maschile. I risultati saranno diffusi attraverso pubblicazioni su riviste ad alto impatto, congressi scientifici e programmi di formazione. Fornendo strumenti diagnostici innovativi, non invasivi e affidabili, il progetto risponde a un’importante esigenza clinica, promuove l’innovazione digitale in medicina riproduttiva e contribuisce al miglioramento dell’efficienza del sistema sanitario e del benessere della società.