Negli ultimi anni, l’intelligenza artificiale ha compiuto progressi significativi in diversi ambiti, tra cui la medicina, dove viene sempre più impiegata per supportare i medici nella diagnosi, nelle decisioni terapeutiche e nell’ottimizzazione dei processi clinici. In particolare, l’analisi di immagini mediche tramite reti neurali ha rivoluzionato il campo della diagnostica, consentendo di automatizzare la classificazione di tessuti, identificare precocemente patologie e fornire un supporto oggettivo alla valutazione clinica. Il presente lavoro si propone di contribuire a questa evoluzione sviluppando un modello di deep learning basato su una rete neurale convoluzionale, nello specifico una ResNet-18, per la classificazione e l’analisi di immagini istologiche del tessuto surrenale colorate con una tecnica speciale che evidenzia la struttura della reticolina.