Oggi vogliamo parlare di qualcosa che raramente entra nelle conversazioni di medicina estetica: la scienza dietro la modernissima visualizzazione corporea.
Ci siamo seduti con Endri Dibra, CEO di Laboratori Arbrea, la cui ricerca di dottorato all'ETH di Zurigo sulla ricostruzione 3D del corpo utilizzando l'apprendimento profondo divenne una delle prime basi per come chirurghi e pazienti visualizzano oggi la trasformazione del corpo.
I suoi articoli di ricerca, HS-Nets: Stima della forma del corpo umano da sagome con reti neurali convoluzionali e Forma Umana da Silhouette Utilizzando Descrittori HKS Generativi e Reti Neurali Cross-Modali, ha introdotto uno dei primi sistemi di deep learning capaci di ricostruire un corpo umano completo in 3D da sole due fotografie, anni prima che l'intelligenza artificiale generativa e il rendering neurale diventassero argomenti mainstream.
Curiosamente, la rilevanza di questo lavoro è aumentata nel tempo.
Quando Endri pubblicò questa ricerca nel 2016, la visualizzazione corporea era ancora in gran parte sperimentale. Oggi, il panorama medico è cambiato drasticamente. L'ascesa dei farmaci GLP-1 come Ozempic e Wegovy sta creando rapide trasformazioni corporee che i pazienti desiderano sempre più comprendere visivamente, non solo numericamente. Condizioni come la lipedema stanno finalmente entrando nella discussione clinica generale, creando una domanda di strumenti migliori per mappare, tracciare e visualizzare il corpo nel tempo.
Oltre all'intervento chirurgico stesso, le implicazioni si estendono al monitoraggio del recupero, agli indumenti compressivi, alle consulenze digitali e alla fiducia del paziente durante tutto il percorso di trattamento. Ciò che è iniziato come ricerca sulla ricostruzione del corpo umano da silhouette sta diventando parte dell'infrastruttura di come la medicina comprende la forma umana digitalmente.
Puoi anche leggere le riflessioni di Endri sulla ricerca e sul suo impatto a lungo termine nel suo recente LinkedIn post.
”Arbrea. Mai. Si ferma.
Dr. Endri DibraLaboratori Arbrea
Intervista
Il paper ha presentato uno dei primi sistemi di deep learning in grado di ricostruire un corpo 3D completo da sole due fotografie. Perché due visualizzazioni sono state la decisione tecnica chiave?
All'epoca, la maggior parte dei sistemi di ricostruzione 3D si basava su scanner costosi, numerose telecamere sincronizzate o ambienti altamente controllati. Ciò rendeva la tecnologia difficile da implementare su scala clinica o da utilizzare in contesti quotidiani. L'intuizione chiave è stata che il corpo umano contiene già una enorme quantità di informazioni geometriche nella sua silhouette. Una vista frontale e una laterale insieme vincolano sorprendentemente bene la forma del corpo. Combinando queste due viste con modelli corporei statistici e deep learning, siamo stati in grado di stimare un corpo 3D realistico senza richiedere hardware specializzato.
Anche due immagini sono state una decisione pratica. Se si chiede ai pazienti di catturare dieci immagini o di utilizzare sensori esterni, l'adozione cala immediatamente. Ma due foto sullo smartphone sono semplici, veloci e scalabili a livello globale. Quel principio guida ancora molte delle decisioni di progettazione che prendiamo oggi in Arbrea.
Come si traduce ciò che Corpo Arbrea oggi?
La filosofia di base rimane la stessa: rendere la visualizzazione corporea avanzata accessibile nei flussi di lavoro clinici reali.
Ad Arbrea Labs, abbiamo trasformato quelle prime idee di ricerca in una piattaforma in tempo reale per consulenze estetiche e ricostruttive. Invece di ricostruire solo la geometria del corpo, Corpo Arbrea combina visione artificiale, intelligenza artificiale, realtà aumentata e tecnologia di simulazione per aiutare chirurghi e pazienti a comunicare visivamente durante le consultazioni. La parte importante non è solo il realismo. Sono la fiducia e la comunicazione.
La visualizzazione crea un linguaggio comune tra chirurgo e paziente. La tecnologia aiuta a ridurre l'incertezza, mantenendo il chirurgo al centro del processo di consultazione. Quella che era iniziata come ricerca accademica sulle silhouette è diventata uno strumento di comunicazione clinica.
Dove vedi che questo andrà a finire? Qual è il problema che deve ancora essere risolto?
Oggi, la maggior parte dei sistemi si concentra su un singolo momento nel tempo: una visita, una scansione, una simulazione. Ma il corpo umano cambia continuamente a causa dell'invecchiamento, della chirurgia, degli ormoni, delle variazioni di peso, della gravidanza, dei farmaci come i GLP-1, dei processi di recupero o di condizioni mediche come la lipedema. La vera sfida è costruire sistemi che possano comprendere e visualizzare quei cambiamenti nel tempo in modo responsabile e accurato. Ciò richiede più della computer grafica. Coinvolge la biomeccanica, l'intelligenza artificiale, il calcolo che preserva la privacy, la validazione medica e la progettazione incentrata sul paziente. Significa anche passare dalla visualizzazione statica verso la modellazione predittiva personalizzata.
Il corpo è dinamico. La medicina digitale lo tratta ancora in gran parte come statico.
La carta dimostrava che il tuo sistema funzionava in meno di mezzo secondo per immagine, ordini di grandezza più veloce di qualsiasi altra cosa all'epoca. Perché la velocità era così importante?
La velocità era essenziale perché l'interazione cambia il comportamento.
Se un sistema impiega minuti per ricostruire un corpo, diventa un processo tecnico offline. Ma se i risultati compaiono quasi istantaneamente, diventa parte di una conversazione naturale tra medico e paziente. Il feedback in tempo reale crea coinvolgimento. Un chirurgo può regolare gli input, spiegare le proporzioni, discutere le opzioni e iterare in modo collaborativo durante la consultazione stessa.
Questa è stata una delle prime consapevolezze che in seguito è diventata centrale per i prodotti di Arbrea: la latenza non è solo una metrica tecnica. Cambia fondamentalmente l'esperienza utente e l'adozione. Ancora oggi, raggiungere simulazioni di alta qualità direttamente sui dispositivi mobili, senza inviare dati dei pazienti al cloud, rimane una delle nostre maggiori priorità ingegneristiche.
Il vostro articolo ha riportato un errore di misurazione di circa 4 mm su 16 misurazioni corporee. Quanto è importante quel livello di precisione quando si parla di pianificazione chirurgica rispetto alla vestibilità dei capi di abbigliamento?
La precisione è importante, ma il contesto lo è ancora di più.
I corpi umani sono naturalmente variabili. Anche le misurazioni cliniche effettuate manualmente da diversi professionisti possono variare di diversi millimetri. Quindi, ottenere un errore medio di circa 4 mm da sole due immagini RGB è stato un passo significativo all'epoca, soprattutto considerando la velocità e l'accessibilità del sistema.
Tuttavia, la pianificazione chirurgica non riguarda solo la precisione assoluta delle misurazioni. Riguarda anche la proporzionalità, la coerenza anatomica, la comunicazione e la gestione delle aspettative.
L'obiettivo non è mai stato quello di sostituire il giudizio chirurgico. L'obiettivo era quello di aumentare la comunicazione con visualizzazioni basate sui dati.
Cos'è Corpo Arbrea?
Laboratori Arbrea sviluppa strumenti di visualizzazione basati sull'intelligenza artificiale per la medicina estetica e ricostruttiva.
Corpo Arbrea consente ai chirurghi di eseguire simulazioni corporee in tempo reale direttamente su dispositivi mobili e tablet senza richiedere scanner esterni o elaborazione basata su cloud. La piattaforma è progettata per supportare consultazioni, comunicazione con il paziente, pianificazione del trattamento e visualizzazione longitudinale lungo tutto il percorso del paziente. Costruita su anni di ricerca nella visione artificiale, nell'apprendimento profondo e nella realtà aumentata, la tecnologia combina l'IA sul dispositivo incentrata sulla privacy con flussi di lavoro orientati alla clinica.
La visione più ampia è quella di creare un ecosistema digitale unificato che colleghi visualizzazione, consultazione, follow-up e coinvolgimento del paziente lungo tutto il percorso estetico e ricostruttivo.
Riferimento
[1] Dibra, Endri, et al. “Hs-nets: Stima della forma del corpo umano dalle silhouette con reti neurali convoluzionali.” 2016 quarta conferenza internazionale sulla visione 3D (3DV). IEEE, 2016.
EN 
PT 
IT 
ES 
DE