L’intelligenza artificiale è stata paragonata, per importanza, all’invenzione della ruota. Un’immagine efficace per descrivere una tecnologia su cui diversi Paesi stanno concentrando investimenti senza precedenti, centinaia di miliardi di dollari, soprattutto Stati Uniti e Cina. L’Europa, con minori risorse industriali, ha scelto soprattutto di governarne l’impatto attraverso regole e garanzie, come dimostra l’AI Act. La disponibilità di enormi quantità di dati, immagini e referti rende sempre più utile uno strumento capace di organizzare la complessità e supportare il giudizio clinico, senza sostituire la responsabilità del medico. La FNOMCeO (Federazione Nazionale degli Ordini dei Medici Chirurghi e degli Odontoiatri) ha dedicato diversi convegni e momenti di aggiornamento al tema, a testimonianza di un interesse che non è più teorico, ma profondamente operativo.
Nei recenti incontri, specialisti, giuristi e risk manager hanno illustrato applicazioni già concrete: sistemi che supportano il self-triage del paziente, monitorano i cronici a distanza, automatizzano compiti ripetitivi, aiutano nella gestione del follow-up. In radiologia l’intelligenza artificiale contribuisce al riconoscimento di lesioni nello screening mammografico, alla diagnosi precoce dell’ictus e alla ricostruzione tridimensionale di strutture anatomiche. Più che un “medico digitale”, si profila dunque uno strumento di supporto capace di alleggerire le attività a basso rischio e di restituire tempo al professionista per i casi più complessi.
Evidenze, criticità e prospettive, cosa dicono alcuni studi
Un lavoro coordinato da Microsoft AI ha utilizzato 304 casi clinici complessi pubblicati sul New England Journal of Medicine per confrontare le performance di un sistema di intelligenza artificiale con quelle di 21 medici con esperienza. Il sistema, denominato MAI-DxO, ha raggiunto la diagnosi corretta nell’85,5% dei casi, mentre i medici, costretti a lavorare senza consultare colleghi o strumenti esterni, si sono fermati intorno al 20%. Il dato ha suscitato grande attenzione e suggerisce che l’AI possa eccellere in contesti sperimentali altamente strutturati. Il punto più delicato è l’accesso diretto del paziente a questi strumenti. Uno studio pubblicato su Jama Network Open ha valutato 21 chatbot di uso generale. Quando ricevono tutte le informazioni cliniche, i modelli migliori superano il 90% di accuratezza nella diagnosi finale; ma falliscono inoltre l’80 per cento dei casi nel formulare una corretta diagnosi differenziale, cioè nel passaggio iniziale e più propriamente clinico del ragionamento medico. In altre parole, sono molto efficaci nel riconoscere una soluzione quando tutti i dati sono già disponibili, ma ancora fragili nell’orientarsi nell’incertezza.
Una conclusione analoga emerge da un recente lavoro pubblicato su Nature Medicine, che ha mostrato come i sistemi conversazionali si comportino bene nei casi di complessità intermedia, ma tendano a sottostimare situazioni di emergenza e urgenza in una quota significativa di scenari, in alcuni casi superiore al 50%. Il rischio non è soltanto l’errore, ma la falsa rassicurazione: un consiglio apparentemente plausibile che ritarda l’accesso alle cure appropriate. In questo contesto, uno dei maggiori sviluppatori di intelligenza artificiale ha annunciato nel gennaio 2026 nuove funzionalità dedicate alla salute, per ora disponibili soltanto in alcuni Paesi e non ancora accessibili in Italia. Il segnale è chiaro: i grandi attori tecnologici considerano la medicina uno dei terreni più strategici di sviluppo.
Dati interoperabili e intelligenza artificiale: il futuro della sanità italiana
L’Istituto Italiano di Intelligenza Artificiale (The Italian Institute for Artificial Intelligence AI4I) sta lavorando per costruire capacità strutturali: infrastrutture Hpc, trasferimento tecnologico, sicurezza dell’intelligenza artificiale, connessione tra ricerca e deployment industriale. La direzione strategica è portare l’intelligenza artificiale dalla ricerca all’adozione concreta nei sistemi produttivi e nei servizi. In sanità questo significa trasformare l’intelligenza artificiale da promessa teorica a strumento integrato nella pratica clinica quotidiana.
Secondo Antonio Calegari, direttore dell’Istituto Italiano di Intelligenza Artificiale AI4I, il sistema sanitario sta entrando in una fase in cui l’intelligenza artificiale non viene più considerata una tecnologia futuristica, ma uno strumento destinato a incidere concretamente sull’organizzazione della medicina, sui tempi di lavoro dei professionisti e sulla gestione dei pazienti. La sfida, oggi, è capire quali applicazioni siano realmente pronte per la pratica clinica e quali richiedano ancora validazione e consolidamento. «Le applicazioni oggi più mature sono quelle già inserite in percorsi regolati e misurabili, in particolare nell’imaging clinico: radiologia, analisi quantitativa delle immagini, triage e supporto al referto. È lì che l’intelligenza artificiale ha raggiunto il livello più alto di industrializzazione e il maggior numero di soluzioni effettivamente autorizzate e utilizzate. Più recente è, invece, il caso dell’intelligenza artificiale generativa, che oggi trova applicazione soprattutto come supporto al lavoro del medico: sintesi della documentazione, redazione di bozze, riassunti di cartella clinica, supporto alla codifica e consultazione della letteratura». Nel ragionamento di Calegari emerge con forza il tema della responsabilità clinica e della necessità di mantenere il controllo umano sulle decisioni terapeutiche, anche in presenza di sistemi sempre più avanzati.
«La responsabilità clinica resta sempre umana ed è un punto esplicitamente ribadito anche dalla recente normativa italiana sull’intelligenza artificiale, in linea con l’AI Act europeo». Guardando ai prossimi cinque anni le prospettive di sviluppo più rapide riguardano soprattutto le tecnologie capaci di alleggerire il carico amministrativo, migliorare il monitoraggio dei pazienti cronici e favorire una gestione più continua delle cure. «La prima è ancora l’imaging, perché parte da dati standardizzati, workflow chiari ed evidenze più robuste. Poi l’automazione della documentazione clinica, che può liberare tempo medico e ridurre carico amministrativo e stress professionale. La terza è il monitoraggio remoto dei pazienti cronici: sensori e dispositivi raccolgono dati da casa del paziente e l’intelligenza artificiale aiuta a individuare in anticipo segnali di peggioramento, così da intervenire prima ed evitare ricoveri. Infine, più strategica, è l’integrazione di dati clinici, dati “omici”, cioè dati biologici come quelli genetici, e dati raccolti nel tempo, ma qui il fattore decisivo sarà la qualità dell’infrastruttura dati». Sul piano internazionale il confronto globale sull’intelligenza artificiale sanitaria si gioca oggi su modelli molto diversi tra loro. «L’Europa però può costruire un vantaggio diverso: quello della fiducia, della qualità regolatoria e dell’interoperabilità. È proprio la disponibilità di dati interoperabili e regolati che può diventare il vero vantaggio competitivo europeo».
Per l’Italia, la partita si gioca soprattutto sulla capacità di creare un’infrastruttura digitale nazionale realmente integrata, in grado di connettere dati clinici, ricerca e pratica sanitaria. L’obiettivo è trasformare il patrimonio informativo del Servizio sanitario nazionale in una leva strategica per l’innovazione e la medicina personalizzata. «Senza dati che si parlano tra loro, l’intelligenza artificiale resta confinata a progetti pilota. In questo senso il Fascicolo Sanitario Elettronico 2.0 (FSE) e l’Ecosistema dei dati sanitari coordinato da Agenas sono centrali, perché abilitano raccolta, standardizzazione e interoperabilità dei dati clinici su scala nazionale».
Tra i progetti su cui l’Istituto Italiano di Intelligenza Artificiale sta lavorando figurano laboratori dedicati alla sicurezza dei sistemi AI, alla validazione degli algoritmi e allo sviluppo di tecnologie applicate ai dispositivi intelligenti e al monitoraggio continuo dei pazienti. Una linea di ricerca che guarda in particolare alla gestione delle cronicità e alla medicina territoriale. «La chiave è che l’intelligenza artificiale sia invisibile nel workflow: non un ulteriore strumento da gestire, ma una capacità che si innesta nei processi esistenti e li rende più efficienti. Se riusciamo a integrare bene queste tecnologie nella sanità pubblica, l’intelligenza artificiale può diventare una delle leve più importanti per migliorare il lavoro dei professionisti, la qualità delle cure e la sostenibilità del sistema sanitario».
Articolo tratto dal numero di ottobre 2026 di Medicina Integrata
Nella seconda parte: diagnosi, ricerca e rapporto tra algoritmi e giudizio clinico
Bibliografia
1. Regulation (EU) 2024/1689 (Artificial Intelligence Act).
2. OpenAI. Introducing ChatGPT Health. January 7, 2026.
3. Nori, H., Daswani, M., Kelly, C., Lundberg, S., Ribeiro, M. T., Wilson, M., et al. (2025). Sequential diagnosis with language models. arXiv preprint arXiv:2506.22405.
4. Huo B, Boyle A, Marfo N, et al. Large Language Models for Chatbot Health Advice Studies: A Systematic Review. JAMA Netw Open. 2025;8(2):e2457879.
5. Rao AS, Esmail KP, Lee RS, et al. Large Language Model Performance and Clinical Reasoning Tasks. JAMA Netw Open. 2026;9(4):e264003.
6. Ramaswamy A, Tyagi A, Hugo H, et al. ChatGPT Health performance in a structured test of triage recommendations. Nat Med. 2026;32(5):1671-1675.
