Il 16 agosto 2026, la rivista Bioengineering ha pubblicato l'editoriale di Daniele Giansanti intitolato «When Bioengineering Met Artificial Intelligence: From Machine Learning to Intelligent Bioengineering Systems». L'articolo esamina la graduale convergenza di due campi che si sono sviluppati a lungo in parallelo, ma che ora si intersecano attivamente.
L'autore osserva che l'intelligenza artificiale e la bioingegneria hanno inizialmente seguito percorsi diversi: la prima attraverso algoritmi e dati, la seconda attraverso materiali fisici e biologici. Tuttavia, i loro interessi coincidono sempre più spesso nella modellazione di sistemi biologici complessi, nella progettazione di biomateriali e nella creazione di dispositivi medici adattivi.
L'articolo sottolinea il passaggio dal tradizionale machine learning a forme più avanzate: architetture neurali ibride, modelli generativi e approcci multimodali. Questi metodi consentono non solo di analizzare i dati, ma anche di generare nuove soluzioni in tempo reale, tenendo conto della dinamica dei sistemi viventi.
Particolare attenzione è rivolta alle sfide: la necessità di dataset biomedici ampi e di alta qualità, le questioni relative all'interpretabilità dei modelli in ambito clinico e gli aspetti etici dell'applicazione dell'IA nella bioingegneria. Giansanti sottolinea che molti degli approcci attuali sono ancora limitati a compiti specifici e richiedono un adattamento significativo alle reali condizioni biologiche.
Rispetto ai lavori precedenti sull'applicazione dell'IA in medicina, questa pubblicazione si distingue per l'enfasi sul livello sistemico: non singoli strumenti, ma la creazione di «sistemi bioingegneristici intelligenti» capaci di autoapprendimento e adattamento. Ciò la differenzia dalle rassegne altamente specializzate sul deep learning applicato alla diagnostica per immagini o alla diagnostica clinica.
Lo sviluppo di tali sistemi apre nuove direzioni di ricerca, dalla progettazione di organi-su-chip con IA integrata alle bioprotesi personalizzate che reagiscono ai cambiamenti nell'organismo del paziente. Tuttavia, per un'adozione su larga scala, sono necessarie validazioni indipendenti e la standardizzazione dei protocolli di valutazione.
Resta incerto quanto rapidamente si riuscirà a colmare il divario tra i risultati di laboratorio e la pratica clinica, così come quali nuovi rischi emergeranno con la scalabilità dei biosistemi intelligenti. La comunità scientifica probabilmente si concentrerà sulla creazione di benchmark aperti e sulla promozione di collaborazioni interdisciplinari.
La conclusione chiave dell'articolo è che il vero valore di questa convergenza non risiederà in singoli progressi isolati, ma nella capacità di creare cicli chiusi di progettazione, test e ottimizzazione delle soluzioni biologiche attraverso l'ausilio dell'IA.
