Nasce il “Google Earth” degli organi umani: un atlante 3D per rivoluzionare diagnosi e ricerca

14/03/2026 SCIENZA E TECNOLOGIA Preferisci Informazione.News su Google

Redazione Scienza e Tecnologia   -   C’è un nuovo, straordinario strumento a disposizione di ricercatori, medici e, per la verità, di chiunque abbia una connessione internet e la curiosità di spingersi oltre le tradizionali tavole anatomiche. È stato presentato infatti, sulle pagine della rivista Science Advances, il progetto nella sua forma ampliata e definitiva: l’Atlante degli organi umani, meglio noto come Human Organ Atlas (HOA). Si tratta di un portale online, accessibile in maniera del tutto gratuita, che permette di esplorare il Corpo umano con un livello di dettaglio che, fino a ieri, era semplicemente inimmaginabile, una sorta di Google Earth applicato alla nostra anatomia.

Il cuore pulsante di questa innovazione risiede in una tecnologia d’avanguardia, messa a punto presso il Sincrotrone Europeo (ESRF) di Grenoble, in Francia. Gli scienziati hanno infatti impiegato una tecnica chiamata tomografia a contrasto di fase gerarchica (HiP-CT), che sfrutta la luce di sincrotrone, un fascio di raggi X fino a cento miliardi di volte più luminoso di quello utilizzato nelle normali TAC ospedaliere. Questa potenza, e qui sta la vera rivoluzione, consente di analizzare organi umani intatti, prelevati da donatori deceduti, senza doverli sezionare fisicamente come richiederebbe invece un tradizionale esame istologico. Si riesce così a ottenere una visione d’insieme dell’organo, per poi “zoomare” progressivamente fino a distinguere strutture grandi meno di un millesimo di millimetro, una risoluzione che permette di osservare i dettagli cellulari e la fitta rete dei vasi sanguigni più minuscoli.

Il portale, frutto di oltre cinque anni di lavoro da parte di un consorzio internazionale che coinvolge nove istituti tra Europa e Stati Uniti e guidato dall’University College London (UCL), ospita attualmente dati tridimensionali relativi a 56 organi prelevati da 25 donatori differenti. La collezione spazia dal cervello al cuore, dai polmoni ai reni, passando per fegato, milza, utero e prostata, offrendo una panoramica a dir poco completa. L’utente, munito solamente di un browser web e senza necessità di software specialistici, può letteralmente navigare all’interno di queste strutture, scorrendo tra i tessuti come se stesse sorvolando un territorio sconosciuto, grazie a un visualizzatore integrato che rende l’esplorazione intuitiva e immediata.

Dietro questa apparente semplicità d’uso, si cela una mole di dati imponente: ogni singolo scan può raggiungere dimensioni di centinaia di gigabyte, e il dataset più grande, quello relativo a un intero cervello, arriva a toccare i 14 terabyte. Per gestire questa complessità e rendere le informazioni fruibili a livello globale, gli sviluppatori hanno predisposto il download dei dati a diverse risoluzioni, accompagnandolo con tutorial e strumenti software per l’analisi, nel pieno rispetto dei principi FAIR (Findable, Accessible, Interoperable, Reusable) che impongono la condivisione aperta dei dati scientifici.

Le implicazioni pratiche di questa impresa sono molteplici e toccano diversi ambiti. In campo clinico, la tecnologia HiP-CT aveva già dimostrato il suo potenziale durante la pandemia, quando permise di scoprire lesioni vascolari microscopiche nei polmoni di pazienti deceduti per COVID-19, lesioni invisibili con le tecniche di imaging convenzionali. Oggi, la possibilità di correlare le strutture macroscopiche con i dettagli cellulari in 3D apre nuove strade per comprendere patologie complesse come il cancro, dove si potrebbero individuare micrometastasi altrimenti difficilmente localizzabili, o malattie multisistemiche come il diabete e l'ipertensione, delle quali si potranno studiare le ripercussioni su diversi organi dello stesso individuo. Un altro campo di applicazione cruciale è quello dell'intelligenza artificiale: la disponibilità di un dataset così vasto e gerarchico rappresenta una miniera d'oro per addestrare algoritmi di machine learning, migliorandone la capacità di diagnosticare malattie o di segmentare le immagini con una precisione mai vista prima.