Se affidassimo all’intelligenza artificiale ogni decisione clinica, il conto potrebbe triplicare. Ma concludere che l’IA prescrive tre volte più prestazioni inutili sarebbe un errore altrettanto costoso.
È il paradosso che emerge da Comparative Cost of Care Recommended by Large Language Models versus Treating Physicians, pubblicato su NEJM AI il 15 ottobre 2026 DOI: 10.1056/AIoa2600537.
Lo studio mostra che, quando un modello linguistico formula autonomamente assessment e piano a partire da una nota clinica e si presume che ogni sua indicazione venga eseguita, tende a proporre più esami e consulenze del medico. Non dimostra, però, che tutto ciò che aggiunge sia inutile.
La questione decisiva non è quindi se usare meno IA, ma come progettare sistemi capaci di riconoscere quando un approfondimento aggiunge davvero valore.
Indice degli argomenti
Come lo studio misura i costi dell’IA in medicina
Gli autori hanno utilizzato 200 note cliniche deidentificate, ambulatoriali o di pronto soccorso, provenienti dal database pubblico MTSamples. La parte precedente all’assessment è stata sottoposta a 24 sistemi di IA — 20 general purpose e quattro medicali — chiedendo di formulare assessment e piano. Il piano documentato dal medico curante era il comparatore.
Le prestazioni suggerite sono state estratte tramite tre LLM indipendenti e valorizzate con le tariffe Medicare 2026. L’endpoint primario comprendeva test diagnostici e consulenze specialistiche; i farmaci erano conteggiati, ma non valorizzati economicamente. Lo studio completo è disponibile su NEJM AI.
Il dato dei 314 dollari per visita
I 20 LLM general purpose hanno generato raccomandazioni per un costo medio di 314 dollari per visita, contro 97 dollari per i medici. La differenza media era di 216 dollari per visita (IC95% 177–257; P<0,001) e, in 180 casi su 200, il costo suggerito dall’IA risultava superiore.
L’aumento derivava soprattutto da due componenti:
- test diagnostici: 176 contro 71 dollari per visita, circa 105 dollari in più;
- consulenze specialistiche: 0,87 contro 0,15 per visita, circa 5,6 volte più frequenti e pari a circa 111 dollari aggiuntivi.
Anche i nuovi farmaci erano più numerosi: 1,14 contro 0,59 prescrizioni per visita, sebbene il loro costo non rientrasse nell’endpoint economico.
Costi più alti dell’IA non significano cure inappropriate
Il titolo più facile sarebbe: “L’IA prescrive tre volte più prestazioni inutili”. Ma non è ciò che lo studio dimostra.
Nella revisione clinica di 1.000 piani generati da cinque sistemi, il 5% è stato classificato come chiaramente non necessario, il 17% come discutibile o difensivo, il 59% come ragionevole considerando il contesto limitato disponibile all’IA e il 18% come concordante con le linee guida, pur essendo assente nel piano originale del medico.
Gli LLM sembrano dunque aumentare il volume delle raccomandazioni, soprattutto attraverso prestazioni difendibili ma potenzialmente a basso rendimento. Una parte delle indicazioni aggiuntive potrebbe perfino intercettare omissioni del medico. La differenza rispetto al piano del curante non equivale automaticamente a inappropriatezza.
Perché il medico non è un gold standard clinico
Il limite concettuale principale è proprio il comparatore. Il piano del singolo medico funziona come benchmark economico, ma non rappresenta necessariamente la condotta ottimale. Gli stessi autori mostrano che alcune richieste aggiuntive erano coerenti con le linee guida; un secondo revisore ha inoltre ritenuto che l’IA suggerisse troppo poco in circa un quarto dei piani valutati.
C’è poi un’asimmetria informativa inevitabile: il medico ha visto il paziente reale, mentre il modello conosce solo ciò che compare nella nota prima dell’assessment. Mancano elementi taciti, anamnestici e contestuali che possono aver consentito al professionista di evitare un esame. La persistenza del fenomeno anche nelle prime visite rafforza il risultato, ma non elimina questa differenza.
Dataset e stime teoriche nei costi dell’IA in medicina
MTSamples è un campione di convenienza nato per addestrare trascrittori medici, non un ritratto rappresentativo dell’assistenza ambulatoriale statunitense. Risale inoltre alla metà degli anni Duemila, mentre modelli, linee guida e prezzi appartengono al presente.
Le analisi di sensibilità sui casi considerati compatibili con le linee guida attuali hanno confermato sostanzialmente il risultato. Resta però un possibile confondimento temporale, che limita la generalizzabilità del rapporto “3,2 volte”.
Dal costo raccomandato alla spesa reale
Ogni raccomandazione dell’LLM viene valorizzata come se fosse eseguita integralmente, senza il filtro del clinico. La stima rappresenta quindi soprattutto un limite superiore del costo delle raccomandazioni, non il costo reale di un sistema composto da medico e IA.
Lo studio valuta questo percorso:
IA → raccomandazione → esecuzione integrale
Nella pratica, il percorso più realistico è:
IA → raccomandazione → valutazione del medico → decisione → eventuale esecuzione
Anche l’endpoint economico è incompleto: comprende test e referral, ma non il costo dei farmaci né gli eventuali accertamenti richiesti successivamente dallo specialista. E soprattutto mancano gli outcome clinici. Non sappiamo se gli approfondimenti aggiuntivi migliorino la diagnosi, evitino eventi avversi o, al contrario, producano falsi positivi e cascate diagnostiche. Non è quindi uno studio di cost-effectiveness, ma un confronto del costo delle cure raccomandate.
I prompt possono ridurre il costo dell’IA in medicina
La parte più innovativa del lavoro riguarda il modo in cui il modello viene interrogato. Con il prompt standard, il costo è 3,2 volte quello del medico. Chiedendo semplicemente al sistema di essere cost-aware, scende a 2,5 volte. Con un prompt parsimonious-but-safe — concentrarsi sulle diagnosi più probabili, escludere quelle pericolose da non perdere e proporre solo esami capaci di modificare la gestione — arriva a 1,4 volte.
Una parte dell’eccesso non è dunque una proprietà immutabile dell’LLM: dipende dagli obiettivi incorporati nella richiesta. Ma emerge anche un trade-off. Con il prompt più parsimonioso, 17 sistemi su 19 si sono allontanati maggiormente dalla diagnosi registrata dal medico; il prompt semplicemente orientato ai costi ha invece lasciato sostanzialmente invariato l’accordo diagnostico.
Ridurre il volume delle raccomandazioni non significa automaticamente aumentare il valore clinico. Un sistema può essere più economico e, nello stesso tempo, meno aderente alla diagnosi corretta.
IA mediche e general purpose: costi quasi allineati
Sì, ma la differenza è molto più piccola di quanto ci si potrebbe aspettare. Nel lavoro Comparative Cost of Care Recommended by Large Language Models versus Treating Physicians, le IA mediche specialistiche non risultano sostanzialmente più parsimoniose delle general purpose.
Il confronto diretto tra i sistemi
| Indicatore | IA general purpose, n=20 | IA mediche, n=4 | Medici |
|---|---|---|---|
| Costo totale/visita | $314 | $298 | $97 |
| Rapporto vs medico | 3,23× | 3,05× | 1× |
| Test diagnostici | $176 | $170 | $71 |
| Referral specialistici/visita | 0,87 | 0,79 | 0,15 |
| Nuovi farmaci/visita | 1,14 | 0,88 | 0,59 |
Le quattro IA mediche considerate erano MedGemma 27B, MedGemma 4B, Meditron e OpenEvidence. Individualmente, il costo totale variava da 2,69× a 3,47× quello del medico.
Come leggere le differenze tra IA mediche e general purpose
Il dato interessante è che la specializzazione medica produce solo una modesta riduzione descrittiva del costo medio:
General purpose 3,23× → Medical AI 3,05×
Lo stesso vale per test e referral. La differenza apparentemente maggiore riguarda i farmaci, con 0,88 nuovi farmaci per visita nelle IA mediche contro 1,14 nelle general purpose, ma entrambe rimangono sopra il medico, 0,59.
Attenzione però a un punto metodologico importante: lo studio non presenta un test d’ipotesi specifico general-purpose vs medical AI. Gli autori dichiarano che il Wilcoxon sull’endpoint primario era l’unico hypothesis test; gli altri confronti sono descrittivi. Quindi non possiamo affermare che le due categorie siano statisticamente equivalenti.
Il vero messaggio è forse uno dei risultati più provocatori dell’articolo: essere un’IA specificamente medica non significa automaticamente comportarsi in modo più appropriato o più parsimonioso nell’uso delle risorse. Gli stessi autori concludono che i quattro sistemi medici mostravano un eccesso di costo comparabile, indicando che il medical fine-tuning non ha eliminato l’escalation dei costi.
E questo rafforza un altro risultato dello studio: sembra incidere più il modo in cui chiediamo all’IA di ragionare che il semplice fatto che sia etichettata come “medical AI”. Con il prompt parsimonious-but-safe, infatti, l’eccesso medio sull’intero panel scende da 3,2× a 1,4× rispetto al medico.
Dal costo al valore clinico dell’IA in medicina
Considero questo studio forte come proof of concept, ma più debole come quantificazione definitiva dell’impatto economico reale dell’IA. Il dato “3,2 volte più costosa” è potente, però non dovrebbe essere trasferito senza mediazioni alla pratica sanitaria.
Il messaggio più interessante è un altro: gli LLM sembrano avere una naturale tendenza alla completezza diagnostica più che alla parsimonia clinica. Possono generare overtesting, referral e prescrizioni aggiuntive, ma anche intercettare omissioni. La risposta non è “meno IA”: servono IA progettate per il valore clinico, prompt appropriati, metriche che includano gli esiti e un vero modello human in the loop.
Nella pratica, l’IA dovrebbe essere un livello di suggerimento, non il decisore finale. Il professionista resta responsabile di integrare raccomandazioni, storia, preferenze del paziente e contesto assistenziale.
In medicina l’IA non deve imparare a suggerire di più, ma a riconoscere quando è abbastanza.
La rubrica Ctrl+Alt+Health di Sergio Pillon segue le evoluzioni e le contraddizioni della Sanità digitale
Partecipa alla community