Applicazione dell’Intelligenza Artificiale nella predizione delle complicanze postoperatorie nella chirurgia tiroidea: una revisione sistematica e meta-analisi della letteratura

La chirurgia tiroidea, pur garantendo elevati standard di sicurezza, può essere gravata da complicanze come ipoparatiroidismo, lesioni del nervo laringeo ricorrente, emorragie e infezioni. L’avvento dell’intelligenza artificiale (AI) e del machine learning (ML) offre nuove prospettive nella predizione personalizzata del rischio e nella prevenzione delle complicanze chirurgiche. È stata condotta una revisione sistematica secondo le linee guida PRISMA 2020, analizzando articoli pubblicati tra gennaio 2023 e settembre 2025 nei database PubMed, Scopus eWeb of Science. Sono stati inclusi studi originali, prospettici, retrospettivi, revisioni e meta-analisi in lingua inglese o cinese che descrivono modelli di AI per la predizione di complicanze postoperatorie dopo tiroidectomia, con coorti di almeno 100 pazienti. Le evidenze più recenti mostrano che reti neurali artificiali e modelli di deep learning raggiungono valori di AUC compresi tra 0,71 e 0,78 per la predizione di complicanze chirurgiche maggiori, e fino a 0,93 per modelli radiomici e radiopatologici. Sistemi basati su Support Vector Machines, Decision Trees e Random Forest hanno ottenuto accuratezze superiori al 90% nella stratificazione del rischio di recidiva del carcinoma tiroideo. L’integrazione di dati clinici, biologici e radiomici consente una predizione multidimensionale e individualizzata del rischio di complicanze e recidiva. L’AI consente una stratificazione prechirurgica più accurata e l’identificazione intraoperatoria delle strutture critiche, migliorando la sicurezza e riducendo la variabilità operatore-dipendente. Tuttavia, la traduzione clinica è limitata da eterogeneità metodologica, dataset monocentrici e assenza di validazioni multicentriche su popolazioni etnicamente diverse. L’adozione di modelli trasparenti e spiegabili (explainable AI) rappresenta il prossimo passo per garantire affidabilità, tracciabilità e accettabilità clinica.