Sunday, November 22, 2026
Scienza

Ricercatrice dell’Università King Khalid ottiene brevetto per sistema AI di diagnostica per immagini

Ricercatrice dell’Università King Khalid ottiene brevetto per sistema AI di diagnostica per immagini

Abha — Una docente del College of Computer Science dell’Università King Khalid, la dott.ssa Eman Yahya Al-Qaisi, ha ottenuto un brevetto dalla Saudi Authority for Intellectual Property (SAIP) per la sua invenzione, «A Convolutional Neural Network-Based System for Multimodal Medical Image Diagnosis».

Come ha riferito l’agenzia di stampa saudita SPA il 15 settembre 2026, l’invenzione riguarda lo sviluppo di un sistema basato sull’intelligenza artificiale in grado di analizzare e diagnosticare immagini mediche in pochi secondi. Il sistema identifica automaticamente il tipo di immagine fornita e assiste nell’individuazione di una serie di condizioni di salute.

Al-Qaisi ha spiegato che il sistema si distingue per la capacità di identificare e analizzare automaticamente diversi tipi di immagini mediche utilizzando un unico modello leggero. Può inoltre funzionare in tempo reale su dispositivi mobili senza richiedere una connessione a internet.

Ha osservato che i test hanno dimostrato risultati promettenti nell’analisi di dati medici multimodali, coprendo una serie di condizioni, tra cui ictus emorragici e ischemici, tumori cerebrali e infezioni toraciche.

L’invenzione è particolarmente rilevante come strumento di supporto diagnostico per contesti sanitari che affrontano carenze di radiologi o connettività internet limitata.

Un modello unico per immagini diverse

Il cuore dell’invenzione brevettata è l’uso di una rete neurale convoluzionale, l’architettura alla base di molti sistemi di analisi automatica delle immagini. Secondo quanto riferito da SPA, il sistema non si limita a un solo tipo di esame: identifica da sé la natura dell’immagine ricevuta e la analizza di conseguenza. Quante volte, in un reparto affollato, la difficoltà non è avere una macchina per imaging, ma avere qualcuno che sappia leggerne l’output in tempi rapidi?

La scelta di un modello unico e leggero è il tratto che, secondo la ricercatrice, distingue il sistema da altre soluzioni. Invece di richiedere infrastrutture pesanti o più modelli specializzati, l’invenzione punta a concentrare le capacità di analisi in un solo strumento. È una scelta di progettazione che ha conseguenze pratiche: meno risorse computazionali, meno dipendenza da server remoti, più possibilità di utilizzo dove l’hardware è limitato.

Il funzionamento in tempo reale su dispositivi mobili, senza connessione a internet, è l’altro elemento centrale. Significa che l’analisi può avvenire sul dispositivo stesso, senza inviare dati a un server esterno. In contesti con connettività limitata, questa caratteristica può fare la differenza tra un supporto disponibile e un supporto assente. Ma cosa comporta davvero elaborare immagini mediche direttamente su un telefono o un tablet, senza passare dalla rete?

La risposta, secondo quanto emerge dalla descrizione dell’invenzione, sta nella leggerezza del modello: un sistema progettato per essere abbastanza contenuto da girare su hardware mobile, pur mantenendo la capacità di analizzare dati multimodali. Non è un dettaglio tecnico secondario, perché determina dove e come lo strumento può essere effettivamente usato.

Le condizioni coperte dai test

SPA riferisce che i test hanno mostrato risultati promettenti nell’analisi di dati medici multimodali, coprendo ictus emorragici e ischemici, tumori cerebrali e infezioni toraciche. Sono categorie diverse tra loro, che richiedono tipi di immagine e criteri di lettura differenti. La capacità del sistema di gestirle con un unico modello è precisamente ciò che l’invenzione rivendica come proprio tratto distintivo.

Ictus emorragici e ischemici, pur appartenendo alla stessa famiglia clinica, hanno caratteristiche visive opposte e conseguenze terapeutiche diverse. I tumori cerebrali pongono problemi di individuazione e caratterizzazione. Le infezioni toraciche coinvolgono un distretto anatomico differente e spesso esami di tipo diverso. Un sistema che dichiara di analizzare tutte queste categorie con lo stesso modello leggero solleva una domanda naturale: quanto è trasferibile questa capacità da un tipo di esame all’altro nella pratica quotidiana?

La ricercatrice non ha indicato, secondo il materiale di SPA, dimensioni del campione, metriche di accuratezza specifiche né confronti con la lettura umana. Il comunicato parla di «risultati promettenti», senza quantificarli. Questa è una lacuna informativa del testo diffuso, non un elemento che si possa colmare per deduzione.

Resta il fatto che l’oggetto del brevetto è un sistema di supporto, non un dispositivo di diagnosi autonoma. La formulazione usata è quella di «strumento di supporto diagnostico». La distinzione non è formale: colloca il sistema accanto al professionista, non al posto del professionista.

Dove la carenza di radiologi pesa di più

SPA indica che l’invenzione è particolarmente rilevante per contesti sanitari che affrontano carenze di radiologi o connettività internet limitata. Sono due vincoli che spesso si presentano insieme, ma che possono anche manifestarsi separatamente. Una struttura può avere personale specialistico insufficiente pur disponendo di una buona rete; un’altra può avere radiologi ma trovarsi in un’area con connettività instabile.

Un sistema che funziona offline su dispositivo mobile intercetta entrambe le situazioni. Non richiede che l’immagine lasci il luogo in cui è stata acquisita e non dipende dalla disponibilità di banda. Quanto conta, in una struttura periferica, poter contare su un’analisi immediata senza attendere il collegamento a un centro remoto?

La descrizione fornita da SPA non specifica in quali strutture o regioni il sistema sia stato testato, né se siano stati condotti studi sul campo. Indica soltanto che i test hanno riguardato dati medici multimodali. Il contesto di applicazione privilegiato — strutture con pochi radiologi o rete limitata — è presentato come ambito di particolare rilevanza, non come scenario già validato sul terreno.

Questo non sminuisce il valore del brevetto, che è un riconoscimento formale della novità dell’invenzione da parte della Saudi Authority for Intellectual Property. Ma chiarisce cosa il brevetto certifica: l’originalità e la protezione di un sistema, non l’esito di una sperimentazione clinica su larga scala.

Il percorso istituzionale dietro il brevetto

Il brevetto è stato concesso a una docente del College of Computer Science dell’Università King Khalid, con sede ad Abha. La notizia, diffusa da SPA il 15 settembre 2026, collega quindi un’istituzione accademica saudita, un’inventrice individuale e l’autorità nazionale preposta alla proprietà intellettuale.

La sequenza è lineare: ricerca universitaria, deposito, concessione del brevetto da parte della SAIP. SPA non indica la data di deposito della domanda, il numero di brevetto, la durata della procedura né eventuali co-inventori. Non menziona nemmeno accordi di licenza, partner industriali o piani di commercializzazione.

Questi elementi mancano nel testo diffuso e non possono essere aggiunti senza inventarli. Chi volesse seguire lo sviluppo dell’invenzione dovrebbe guardare altrove: al registro dei brevetti, agli eventuali comunicati dell’università o a future pubblicazioni della ricercatrice.

Il nome del sistema brevettato è in inglese, «A Convolutional Neural Network-Based System for Multimodal Medical Image Diagnosis», come riportato da SPA. La titolarità accademica e la natura tecnica dell’invenzione la collocano nel filone dei sistemi di analisi automatica delle immagini applicati alla medicina.

Intelligenza artificiale e immagini mediche: cosa cambia

L’uso di reti neurali convoluzionali per l’analisi di immagini mediche non è nuovo in sé. La novità rivendicata qui riguarda la combinazione di più elementi: multimodalità, modello unico e leggero, funzionamento in tempo reale su dispositivi mobili e operatività senza internet. È l’insieme che costituisce l’oggetto del brevetto, secondo la descrizione fornita.

La multimodalità implica la capacità di trattare dati provenienti da fonti o tipi di imaging diversi. Un sistema che identifica automaticamente il tipo di immagine ricevuta deve disporre di meccanismi interni per riconoscere e instradare input eterogenei. È qui che la scelta del modello unico diventa tecnicamente impegnativa: un solo modello deve gestire ciò che spesso viene affrontato con più modelli specializzati.

La leggerezza del modello è la condizione che rende possibile l’esecuzione su dispositivo mobile. Un modello più pesante richiederebbe risorse che i dispositivi portatili non offrono, oppure l’invio dei dati a un server. L’assenza di connessione internet elimina quest’ultima possibilità, rendendo la leggerezza non un’opzione ma un requisito.

Quanto è difficile mantenere prestazioni utili quando si comprime un modello per farlo girare su hardware limitato? È la domanda tecnica che sta al centro di questa classe di sistemi, e che il brevetto affronta rivendicando proprio la combinazione tra contenimento dimensionale e capacità di analisi multimodale.

Il significato del brevetto SAIP

La concessione da parte della Saudi Authority for Intellectual Property attribuisce alla ricercatrice un diritto di esclusiva sull’invenzione descritta. È un passaggio formale che riconosce il carattere innovativo del sistema e apre la strada a eventuali sviluppi successivi, che però SPA non menziona.

Il brevetto riguarda un sistema, non un prodotto commerciale. Tra il riconoscimento della proprietà intellettuale e l’adozione in un reparto ospedaliero c’è una distanza che il comunicato non affronta: certificazioni, validazioni, integrazione nei flussi di lavoro clinici, formazione del personale. Nessuno di questi passaggi è citato.

Ciò che il testo rende noto è circoscritto: chi ha ottenuto il brevetto, per quale invenzione, con quali caratteristiche dichiarate e con quali risultati di test definiti «promettenti». Tutto il resto — numeri, tempi, applicazioni concrete — resta fuori dal perimetro delle informazioni diffuse.

Per chi segue lo sviluppo dell’intelligenza artificiale applicata alla sanità, la notizia segnala un’attività di ricerca accademica saudita che ha superato lo scoglio della protezione brevettuale. Quanto tempo passerà prima che un sistema di questo tipo arrivi davvero accanto a un radiologo, in una struttura con pochi specialisti e una rete instabile? La risposta, allo stato delle informazioni disponibili, non c’è.

Chi ha ottenuto il brevetto e da quale autorità? Il brevetto è stato concesso alla dott.ssa Eman Yahya Al-Qaisi, docente del College of Computer Science dell’Università King Khalid, dalla Saudi Authority for Intellectual Property (SAIP). L’invenzione si intitola «A Convolutional Neural Network-Based System for Multimodal Medical Image Diagnosis». La notizia è stata diffusa dall’agenzia di stampa saudita SPA il 15 settembre 2026, con sede della notizia ad Abha.

Come funziona il sistema brevettato? Secondo quanto riferito da SPA, il sistema analizza e diagnostica immagini mediche in pochi secondi, identifica automaticamente il tipo di immagine fornita e assiste nell’individuazione di diverse condizioni di salute. Si basa su un unico modello leggero e può funzionare in tempo reale su dispositivi mobili senza connessione a internet. La ricercatrice ha spiegato che queste caratteristiche distinguono il sistema da altre soluzioni.

Quali condizioni sono state coperte dai test? SPA riferisce che i test hanno mostrato risultati promettenti nell’analisi di dati medici multimodali, coprendo ictus emorragici e ischemici, tumori cerebrali e infezioni toraciche. Il comunicato non indica dimensioni del campione, metriche di accuratezza né confronti con la lettura umana. Non vengono menzionate strutture o regioni in cui i test sarebbero stati condotti.

Per quali contesti sanitari è pensato il sistema? L’invenzione è indicata come particolarmente rilevante come strumento di supporto diagnostico per contesti sanitari che affrontano carenze di radiologi o connettività internet limitata. Il funzionamento offline su dispositivo mobile risponde a entrambi i vincoli. SPA non specifica però in quali strutture il sistema sia stato testato né se siano stati condotti studi sul campo.

Il brevetto indica una data di arrivo sul mercato? No. SPA non menziona accordi di licenza, partner industriali, piani di commercializzazione né tempi di adozione clinica. Il testo non riporta la data di deposito della domanda, il numero di brevetto, la durata della procedura né eventuali co-inventori. Il brevetto certifica la protezione dell’invenzione, non l’esito di una sperimentazione clinica su larga scala.

Cosa non è stato reso noto dal comunicato? Il comunicato non quantifica i risultati dei test, non indica le dimensioni del campione e non specifica le metriche di accuratezza. Non cita certificazioni, validazioni cliniche, integrazione nei flussi di lavoro ospedalieri o formazione del personale. Non menziona nemmeno eventuali sviluppi successivi al brevetto. Queste informazioni restano fuori dal perimetro di quanto diffuso da SPA.