A UniPa l’intelligenza artificiale generativa entra nella didattica sanitaria e diventa uno strumento per rafforzare il ragionamento clinico degli studenti. Il percorso avviato dall’Università di Palermo sull’AI, dalla cabina di regia istituita dal rettore Massimo Midiri al nuovo complesso di calcolo ad alte prestazioni “Rack”, trova una ricaduta concreta anche nella formazione odontoiatrica.
Su questa linea si sviluppa il lavoro di Giuseppina Campisi, professore ordinario del Dipartimento di Biomedicina, Neuroscienze e Diagnostica avanzata, che ha realizzato applicazioni di intelligenza artificiale generativa per la didattica della Patologia orale nei corsi di studio magistrali e triennali di area odontoiatrica.
L’obiettivo è rendere lo studio più interattivo, guidare l’autoapprendimento e aiutare gli studenti a collegare i contenuti affrontati in aula con la pratica clinica. In Odontoiatria questo passaggio ha un valore centrale, perché il cavo orale può raccontare lo stato complessivo del paziente, intercettare segnali precoci e orientare percorsi diagnostici.
La GenAI nella didattica odontoiatrica
Le applicazioni sviluppate da Campisi nascono dentro la didattica della Patologia orale con un obiettivo preciso: trasformare lo studio in un esercizio continuo di metodo.
“L’intelligenza artificiale generativa rappresenta, con la dovuta consapevolezza, una grande occasione per ripensare la didattica universitaria in ambito sanitario. Si pensi soprattutto alle discipline cliniche, dove lo studente non deve soltanto acquisire conoscenze, ma deve imparare a usarle, collegarle e trasformarle in ragionamento. In Odontoiatria questo passaggio assume un valore particolare, perché la salute orale non può essere considerata un ambito separato dalla medicina. Il cavo orale racconta molto della salute generale del paziente e richiede competenze cliniche, biologiche, diagnostiche e preventive sempre più integrate”.
“In questo anno accademico abbiamo sviluppato diverse chatbot dedicate alla Patologia orale nei corsi di studio magistrali e triennali. Sono nate come strumenti di supporto alla didattica tradizionale, allo studio a casa, all’autoapprendimento e all’acquisizione dialogica dei contenuti in aula, anche attraverso strategie di gamification. L’idea è accompagnare lo studente quando riprende un argomento complesso e vuole capire meglio il legame tra clinica, biologia, anamnesi, radiologia e anatomia patologica. In questo modo il percorso formativo prosegue anche oltre il tempo della lezione”.
“Abbiamo pensato a uno strumento che stimoli il ragionamento e aiuti a impostare meglio l’anamnesi e gli esami diagnostici. Gli studenti vivono già immersi in una quantità enorme di contenuti e la sfida consiste nel saperli selezionare, verificare, ordinare e interpretare. L’intelligenza artificiale può diventare utile proprio qui, se entra dentro un metodo didattico chiaro, con obiettivi formativi precisi e con una guida scientifica. Le chatbot sviluppate hanno gli stessi contenuti delle lezioni e le stesse reference, quindi lo studente ritrova nella stessa piattaforma i contenuti della didattica frontale erogata in aula”.
Dalla lesione orale alla diagnosi
In medicina orale la GenAI sostiene la lettura clinica e la costruzione dell’ipotesi diagnostica. Il lavoro didattico può partire anche da una descrizione corretta della lesione, prima ancora dell’immagine, per allenare precisione del linguaggio medico e ragionamento differenziale.
“Davanti a una lesione del cavo orale, a una macchia bianca o rossa, a una ulcerazione che non guarisce o a una manifestazione infiammatoria complessa, lo studente deve imparare a leggere il segno clinico dentro la storia del paziente. Deve chiedersi quali fattori di rischio entrano in gioco, quali patologie possono presentarsi in modo simile e quali dati servono per orientare la diagnosi. Questo lavoro può avvenire anche senza vedere l’immagine clinica, attraverso una corretta descrizione della lesione”.
“Il carcinoma del cavo orale rappresenta un esempio concreto. La diagnosi precoce resta decisiva e l’odontoiatra deve imparare a osservare sistematicamente le mucose, a riconoscere segnali semplici, a valutare abitudini e condizioni generali del paziente. Per questo la formazione deve allenare lo studente a mettere insieme segni clinici, dati anamnestici, fattori di rischio e possibili diagnosi differenziali”.
“L’aspetto più importante resta lo sviluppo del ragionamento clinico e dell’autonomia di giudizio. Vogliamo che lo studente impari progressivamente a pensare come un professionista, a confrontare casi simili, a riconoscere elementi di rischio e a collegare la manifestazione clinica ai processi biologici che la determinano. La tecnologia può rendere questo allenamento più continuo, più dinamico e più vicino alla realtà clinica”.
Gli studenti
Il riscontro degli allievi conferma il valore pratico dell’esperienza.
“La chatbot che la professoressa Campisi ha messo a disposizione per noi studenti di Odontoiatria ci permette di analizzare le patologie affrontate durante la lezione in qualsiasi momento, a casa o in aula studio. Possiamo confrontarci con le diagnosi differenziali, con la clinica, con i fattori di rischio e con i modelli biologici che stanno alla base delle patologie, anche complesse, come le mucositi dell’interfaccia cellulo-mediate. Questo ci permette di accorciare i tempi nello studio e soprattutto nella ricerca delle fonti scientificamente validate. In aula lo studente è chiamato a ragionare sulla base dei dati forniti, dall’anamnesi alla clinica, dalla radiologia all’anatomia patologica, per poi arrivare alla diagnosi”.
