Medicina e Intelligenza Artificiale: il mio punto di vista

Negli ultimi anni capita sempre più spesso di sentire parlare di Medicina e Intelligenza Artificiale come se fosse un interruttore: o “risolve tutto” o “ci sostituisce”. Nella pratica clinica, la realtà è molto meno cinematografica e molto più interessante: l’AI può diventare un alleato utile, ma solo se la trattiamo per quello che è davvero — uno strumento — e non come un decisore.

Quando un paziente mi chiede: “Dottore, quindi adesso fa tutto il computer?”, io la metto così: il computer può aiutare a vedere prima, ordinare meglio, ridurre tempi, ma la cura resta un lavoro umano. Restano umani la responsabilità, il ragionamento clinico, l’anamnesi fatta bene e la capacità di mettere insieme sintomi, storia e contesto.

Cosa intendo per Intelligenza Artificiale in medicina

Nel linguaggio comune “AI” significa tutto e niente. In sanità, invece, bisogna distinguere:

●     strumenti che analizzano immagini (radiologia, diagnostica),

●     strumenti che aiutano a gestire workflow e documentazione,

●     strumenti “generativi” che producono testi o sintesi.

Queste categorie non hanno lo stesso grado di affidabilità né gli stessi rischi. Per questo sono importanti le indicazioni delle istituzioni sanitarie: l’AI va sviluppata e usata con principi chiari, perché impatta direttamente su sicurezza, diritti e fiducia. Un riferimento fondamentale è il documento dell’Organizzazione Mondiale della Sanità su etica e governance: OMS – Ethics and governance of artificial intelligence for health.

Dove la Medicina e Intelligenza Artificiale è già utile (davvero)

1) Supporto alla diagnostica, soprattutto per immagini

Questo è uno degli ambiti più maturi: alcuni sistemi possono evidenziare aree “da guardare meglio”, aiutare a dare priorità a esami urgenti e ridurre passaggi ripetitivi. Il punto, però, è uno: funzionano bene quando affiancano il professionista, come “secondo lettore”, non quando pretendono di sostituirlo.

2) Meno burocrazia, più tempo clinico

C’è una parte della sanità che nessuno ama: documenti, riassunti, trascrizioni, organizzazione dei dati. Se l’AI mi fa risparmiare tempo qui, quel tempo può tornare dove serve: ascolto, visita, follow-up. E nella quotidianità, questa è una differenza concreta.

3) Ricerca e medicina personalizzata

Sui grandi numeri, l’AI può far emergere pattern interessanti. Ma qui vale una regola semplice: trovare un’associazione non significa dimostrare una causa. In medicina, prima di cambiare una scelta clinica, serve la prova che quel cambiamento migliori davvero gli esiti.

 I rischi che non vanno minimizzati

“Sembra giusto” non è “è giusto”

Alcuni strumenti (in particolare quelli generativi) possono produrre risposte molto convincenti ma sbagliate. Il problema non è solo l’errore: è la sicurezza apparente con cui viene presentato. In sanità questo non è accettabile, e richiede procedure chiare di verifica.

Bias: quando i dati non rappresentano tutti

Un algoritmo impara da dati. Se i dati sono sbilanciati o incompleti, l’algoritmo rischia di funzionare meglio su alcuni gruppi e peggio su altri. E in ambito clinico questo significa una cosa molto concreta: rischio di disuguaglianze.

Responsabilità: chi risponde?

Su questo per me non ci sono dubbi: la responsabilità clinica deve restare umana. È utile leggere anche analisi regolatorie che spiegano come l’AI rientri nella logica dei dispositivi e del software medico: PubMed Central – United States FDA regulation of AI/ML algorithms as medical devices.

Regole e cornice: perché la regolazione è una buona notizia

Quando una tecnologia entra in sanità, non basta che sia “brillante”: deve essere sicura, controllabile, verificabile. In Europa, un passaggio chiave è stato l’entrata in vigore dell’AI Act: Commissione Europea – AI Act enters into force (1 August 2024).

Per capire anche le tempistiche di applicazione (cosa scatta e quando), è utile la pagina ufficiale sul quadro regolatorio: UE – Regulatory framework on AI (timeline AI Act).

Negli Stati Uniti, la FDA mantiene risorse dedicate all’AI come software medico: FDA – Artificial Intelligence in Software as a Medical Device.

E l’AI “generativa” in medicina?

Qui serve ancora più cautela. Può essere utile per riassumere, ordinare informazioni o supportare la comunicazione, ma deve essere gestita con regole rigorose (privacy, verifiche, responsabilità). Non a caso, l’OMS ha pubblicato una guida specifica sui modelli generativi “multi-modali”: OMS – Guidance on large multi-modal models in health (2025).

Il punto che per me non cambia: la medicina resta una relazione

La tecnologia può migliorare la precisione e l’efficienza. Ma la cura non è solo classificare dati: è capire una persona. È la differenza tra “un valore fuori range” e “perché quel valore è fuori range proprio in questo paziente”.Per questo, il mio punto di vista sulla Medicina e Intelligenza Artificiale è pragmatico: sì all’innovazione, ma con metodo, controlli e trasparenza. Se l’AI è validata e governata bene, diventa un supporto prezioso. Se viene adottata con leggerezza, può amplificare errori e aumentare confusione.