Tecnologie digitali, intelligenza artificiale e il cervello.
Durante la sessione organizzata dal CNR sull’innovazione nelle Life Sciences, tenutasi nell’ambito dell’evento LAB Italia il 17 giugno 2026, è stato illustrato come, negli ultimi vent’anni, il progresso tecnologico e la realizzazione di infrastrutture sempre più efficienti e potenti abbiano portato allo sviluppo dei Brain Digital Twins (BDT), ovvero i gemelli digitali del cervello.
L’unità di Neurofisiologia del Dipartimento di Scienze del Sistema Nervoso e del Comportamento dell’Università degli Studi di Pavia, guidata dal prof Egidio D’Angelo, core partner del progetto EBRAINS Italy (https://ebrains-italy.eu/, promosso dal CNR e finanziato da NextGenerationEU/PNRR), sta sviluppando i gemelli digitali del cervello. Si tratta di una tecnologia all’avanguardia in grado di simulare l’attività cerebrale a livello individuale, sia in soggetti sani che in pazienti, spingendosi ben oltre la semplice mappatura delle proprietà cellulari e tissutali. I BDT, infatti, consentono di studiare le funzioni cerebrali attraverso modelli generativi e predittivi, comprendere e gestire le patologie neurologiche (incluse quelle neurodegenerative), e studiare nuovi biomarcatori digitali. Questo apre la possibilità di arrivare ad una diagnosi precoce, addirittura prima della comparsa dei sintomi, con un impatto rilevante sulla gestione clinica delle malattie.
Da un lato, il rapido progresso dell’informatica e dell’ingegneria ha favorito lo sviluppo di strumenti computazionali avanzati in grado di modellizzare l’organizzazione multiscala del cervello, dai modelli di singolo neurone ai circuiti neurali per arrivare all’intero cervello. Dall’altro, le tecniche di imaging come la risonanza magnetica (MRI) quantitativa forniscono informazioni dettagliate, sia strutturali che funzionali, con cui è possibile riscostruire la struttura e la funzione cerebrale e mappare le aree funzionali su atlanti digitali del cervello (Fig. 1).
Questi risultati vengono poi rielaborati tramite i modelli neurali che replicano le dinamiche cerebrali che, dal punto di vista applicativo, permettono di prevedere le alterazioni neurali associate a diverse patologie, come Demenze, Parkinson Disease, Atassie, Sclerosi Multipla, Epilessie, Schizofrenia (D’Angelo et al., 2026, preprint).
Più nello specifico, i dati MRI vengono utilizzati per quantificare alterazioni microstrutturali, come densità e orientamento dei neuriti, contenuto di mielina e concentrazioni di metaboliti necessari a costruire un avatar cerebrale personalizzato. Parallelamente, a partire da reti neurali “spiking” vengono sviluppati modelli di campo medio, sia normali che patologici, basati sulle specifiche alterazioni della malattia studiata (Lorenzi et al., Cerebellum. 2025; Lorenzi et al., npj Syst Biol Appl 2025) (Fig. 2).
L’integrazione di questi elementi porta alla creazione di BDT personalizzati, capaci di generare un’attività cerebrale sintetica realistica di specifiche reti neurali consentendo di approfondire i meccanismi patologici alla base del comportamento umano.
Ma quali sono i punti di forza e le debolezze di questa nuova tecnologia? Innanzitutto, i BDT rappresentano uno strumento chiave per l’avanzamento della medicina personalizzata. Offrono simulazioni accurate del cervello contribuendo a migliorare diagnosi e trattamento delle patologie del sistema nervoso centrale. Inoltre, risultano più efficienti rispetto alle procedure tradizionali, in quanto consentono test virtuali di farmaci e interventi, riducendo problematiche etiche, rischi clinici e costi operativi. Costituiscono anche un importante supporto decisionale, fungendo da strumenti predittivi per medici e ricercatori. Favoriscono inoltre l’accelerazione della ricerca neuro-scientifica, permettendo di esplorare scenari complessi difficilmente analizzabili direttamente sul cervello umano. D’altro canto, la dipendenza dai dati, la necessità di uno sviluppo continuo dei modelli, i costi legati al mantenimento e gestione dell’infrastruttura digitale, e le risorse di calcolo possono costituire un limite di questa tecnologia.
Infine, l’integrazione con tecnologie di Intelligenza Artificiale e Big Data consente un miglioramento continuo delle prestazioni, grazie all’aumento dei dati disponibili e alla conseguente maggiore accuratezza dei risultati.
Attualmente, la maturità dei servizi di modellizzazione dei BDT si colloca tra TRL 3 e 7, cioè dal proof of concept fino allo sviluppo di prototipi. Per questo UNIPV e CNR hanno collaborato allo sviluppo e al mantenimento dei servizi legati ai DT grazie all’infrastruttura di EBRAINS Italy e al portale dell’hub di UNIPV (cerebhub.eu).
Con queste premesse i BDTs sono un’opportunità per generare nuovi paradigmi clinici e sviluppare terapie innovative con validazione in-silico, e sono degli ottimi candidati per i mercati nazionali, europei ed internazionali (Fig 3).
In conclusione, i gemelli digitali del cervello sono destinati a svolgere un ruolo sempre più centrale nella medicina personalizzata e di precisione: potranno essere impiegati per migliorare la diagnosi, prevedere l’evoluzione delle malattie e definire gli approcci farmacologici e interventistici più appropriati, supportando le decisioni cliniche e perfezionando la profilazione dei pazienti.
Autori dell’articolo: Simona Tritto & Egidio D’Angelo
Contatto e-mail: neurocomp_dbbs@unipv.it
Sito web: https://dangelo.unipv.it/
Referenze:
D’Angelo E, Gandini Wheeler-Kingshott, CAM, Destexhe A and Jirsa, V. (2026). Virtual brain models: a roadmap towards physiological simulation of neural circuits (Version 1). Zenodo. https://doi.org/10.5281/zenodo.20290851
Lorenzi RM, Korkmaz G, Alahmadi AAS, Monteverdi A, Casiraghi L, D’Angelo E, Palesi F, Gandini Wheeler-Kingshott CAM. Cerebellar control over inter-regional excitatory/inhibitory dynamics discriminates execution from observation of an action. Cerebellum. 2025 Jun 16;24(4):115. doi: 10.1007/s12311-025-01863-6.
Lorenzi RM, Palesi F, Casellato C, Gandini Wheeler-Kingshott CAM, D’Angelo E. Region-specific mean field models enhance simulations of local and global brain dynamics. npj Syst Biol Appl 11, 66 (2025). https://doi.org/10.1038/s41540-025-00543-9.
