L’IA sta rivoluzionando la medicina, ma rischia di amplificare disuguaglianze, se i dati su cui si basa non rappresentano tutta la popolazione. Un esempio lampante riguarda la dermatologia: la maggior parte dei dataset medici raccoglie immagini di pelli chiare, mentre i fototipi più scuri risultano spesso sottorappresentati. Questo squilibrio può portare a diagnosi meno accurate per milioni di persone.

Per affrontare il problema, il progetto europeo AEQUITAS, coordinato dall’Università di Bologna, ha sviluppato lo Skin Disease Image Generator for Different Skin Shades, uno strumento in grado di produrre immagini sintetiche di malattie cutanee su diverse tonalità di pelle. L’obiettivo è migliorare l’addestramento dei sistemi di IA e renderli più equi e inclusivi. La tecnologia ha già ricevuto un importante riconoscimento: è stata inserita dalla Commissione Europea tra le “Excellent Innovations”.

Il nuovo generatore nasce da un dataset clinico reale raccolto presso i reparti pediatrici dell’IRCCS Azienda Ospedaliero-Universitaria di Bologna, curato da Iria Neri e Marcello Lanari. Le immagini disponibili erano poche, di qualità variabile e con scarsissima presenza di fototipi scuri.

«Le soluzioni tradizionali non funzionavano», spiega Roberta Calegari, professoressa del Dipartimento di Informatica – Scienza e Ingegneria dell’Alma Mater e coordinatrice del progetto. «Abbiamo allora adottato un approccio in due fasi: prima la generazione di immagini sintetiche realistiche tramite un modello generativo avanzato, poi la classificazione delle malattie con algoritmi di deep learning. Il risultato è un sistema più accurato, equo e validato su dati clinici reali».

In pratica, grazie a immagini artificiali ma realistiche, i ricercatori hanno potuto bilanciare i dataset, permettendo ai modelli predittivi di riconoscere le patologie con la stessa precisione su diverse tonalità di pelle.

La sfida è tanto tecnica quanto etica. L’assenza di dati rappresentativi può trasformarsi in discriminazione algoritmica, compromettendo la qualità delle cure. «Attraverso la generazione di dati sintetici, possiamo colmare la carenza di rappresentazione e costruire soluzioni di IA più giuste», sottolinea Calegari. «È un approccio che risponde ai principi di non discriminazione e giustizia sociale promossi anche dall’AI Act europeo».

Il progetto AEQUITAS, finanziato da Horizon Europe, non si limita all’ambito medico. L’iniziativa, che coinvolge un consorzio di 18 partner internazionali tra università, aziende e organizzazioni civili di 8 Paesi, esplora diversi scenari in cui l’IA può influenzare l’equità sociale. Dall’uso di algoritmi per prevedere il rischio di abbandono scolastico, fino ai sistemi di selezione nel reclutamento del personale, AEQUITAS analizza come progettare soluzioni “fair-by-design”, cioè pensate fin dall’inizio per essere inclusive.

Accanto allo Skin Disease Image Generator, la Commissione Europea ha, infatti, premiato anche l’AEQUITAS software for fair-by-design AI systems, una metodologia per aiutare sviluppatori, decisori e stakeholder a integrare l’equità in ogni fase di progettazione di un sistema di intelligenza artificiale.

I risultati finali del progetto saranno annunciati a ottobre, ma i primi traguardi mostrano già come l’IA possa diventare uno strumento al servizio della giustizia sociale e non solo dell’efficienza tecnologica. Il generatore di immagini dermatologiche dimostra che è possibile costruire sistemi più inclusivi e affidabili, capaci di migliorare la diagnosi per tutti i pazienti, indipendentemente dal colore della pelle.