Nel quadro delle attività di ricerca clinica e traslazionale di CDI, nel 2025 la Direzione ha assunto il coordinamento dello studio MeningiomAI+, studio multicentrico, osservazionale e ambispettico, ridefinendone gli obiettivi in modo da garantirne la piena appropriatezza metodologica, pur mantenendone inalterati i requisiti di qualità scientifica e di eccellenza.
A seguito di tale rimodulazione, lo studio ha ottenuto l’approvazione del Comitato Etico nel corso del 2025. Promosso da CDI, il progetto è finalizzato a migliorare la caratterizzazione preoperatoria dei meningiomi cerebrali mediante l’applicazione di modelli di intelligenza artificiale alle immagini di risonanza magnetica preoperatoria, integrate in modo sistematico con i dati anatomopatologici.
L’obiettivo è sviluppare strumenti predittivi in grado di stimare la classe della lesione prima dell’intervento, fornendo un supporto utile al clinico nella definizione del percorso terapeutico più appropriato.
Il progetto coinvolge una rete di centri di eccellenza a livello regionale e nazionale, tra cui IRCCS Ospedale San Raffaele di Milano, Fondazione IRCCS Ca’ Granda Ospedale Maggiore Policlinico, ASST Papa Giovanni XXIII di Bergamo, IRCCS Humanitas Research Hospital di Rozzano, Istituto Neurologico “Carlo Besta” Fondazione IRCCS e ASST Grande Ospedale Metropolitano Niguarda. La partecipazione di questi centri assicura un’elevata eterogeneità dei dati e rafforza la solidità metodologica dello studio.
Il razionale progettuale risiede nella marcata eterogeneità biologica e radiologica dei meningiomi, che rende complessa la stratificazione preoperatoria e la pianificazione terapeutica. Lo studio prevede una fase retrospettiva basata sull’analisi di immagini di risonanza magnetica preoperatorie e dei relativi referti anatomopatologici di almeno 1.695 pazienti, destinate all’addestramento dei modelli di intelligenza artificiale, cui seguirà una fase prospettica di validazione esterna.
L’integrazione di modelli sviluppati su una base dati così ampia e diversificata potrà contribuire a migliorare accuratezza, riproducibilità e standardizzazione delle valutazioni radiologiche, favorendo una pianificazione terapeutica più informata e personalizzata.