L'integrazione dell'intelligenza artificiale (IA) nell'imaging medico ha il potenziale di rivoluzionare la diagnosi e il trattamento di numerose patologie, tra cui quelle più rare e complesse, difficili da prevedere e affrontare mediante la medicina convenzionale. Tuttavia, la disponibilità limitata di dataset medici pubblici, dovuta a restrizioni etiche, normative sulla tutela della privacy dei pazienti e complessità infrastrutturali, ostacola l'addestramento di modelli avanzati basati sull'IA. In questo contesto, la generazione di dati sintetici tramite modelli generativi, come le Generative Adversarial Networks (GAN), si presenta come una delle soluzioni più promettenti per superare tali limitazioni, consentendo la creazione di immagini mediche realistiche e anonimizzate e l'espansione dei dataset utilizzabili per l'addestramento di modelli IA.