Il disegno di legge

Medici, colpa grave e AI: la riforma arriva al Senato


Indirizzo copiato

Il disegno di legge approvato dalla Camera limita la punibilità del sanitario alla colpa grave quando sono rispettate linee guida adeguate, impone di valutare condizioni di lavoro e carenze organizzative e apre il confronto su intelligenza artificiale, dati clinici e responsabilità delle strutture

Pubblicato il 16 nov 2026

Roserita Antonucci

Avvocato, Consulente Privacy



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Immagine ChatGPT 16 nov 2026, 09_41_56




Il disegno di legge sulle professioni sanitarie e sulla responsabilità professionale, approvato dalla Camera il 28 ottobre 2026 e ora all’esame del Senato come A.S. 2082, introduce tre novità principali:

  • la punibilità del sanitario è limitata alla colpa grave, quando rispetta linee guida o buone pratiche adeguate al caso concreto;
  • il giudice deve prestare maggiore attenzione alle condizioni in cui il sanitario lavora;
  • il Governo deve definire una strategia per governare l’intelligenza artificiale in sanità.

Il provvedimento non è ancora legge e potrà essere modificato durante l’esame parlamentare.

Riforma della responsabilità medica e limite della colpa grave

L’art. 590-sexies del codice penale riguarda l’omicidio e le lesioni colpose in ambito sanitario. La disposizione vigente richiama espressamente l’imperizia nel prevedere la non punibilità.

Il nuovo testo cambia impostazione: il sanitario è punibile soltanto per colpa grave quando segue linee guida o buone pratiche appropriate per il caso concreto, senza riproporre la limitazione all’imperizia.

Resta quindi decisiva la scelta delle indicazioni da seguire. Applicare un protocollo inadatto alle condizioni del paziente non garantirebbe questa protezione.

Condizioni di lavoro e colpa nella responsabilità medica

Il nuovo art. 590-septies chiederebbe al giudice di valutare la colpa e la sua gravità tenendo conto delle condizioni nelle quali il professionista ha operato. Assumerebbero rilievo:

  • la scarsità di personale e di mezzi;
  • le carenze organizzative non evitabili dal sanitario;
  • l’incertezza delle conoscenze scientifiche e la disponibilità delle terapie;
  • la complessità del caso, il ruolo nell’équipe e l’urgenza.

Ricostruire queste circostanze serve a capire che cosa fosse ragionevolmente esigibile dal medico, senza trasformare ogni difficoltà del servizio in una giustificazione dell’errore.

Quando le carenze organizzative incidono sulla responsabilità

Il riferimento alle carenze non evitabili dal sanitario obbliga a guardare anche alle responsabilità organizzative. È condivisibile evitare che il medico risponda di inefficienze sulle quali non aveva alcun potere.

Se però quelle inefficienze hanno contribuito al danno, occorre accertare chi avrebbe dovuto prevenirle o affrontarle. Altrimenti si rischia di rendere normale un’assistenza insufficiente e di lasciare al paziente le conseguenze di problemi che il sistema riconosce ma non corregge.

Responsabilità penale e civile nella riforma sanitaria

La distinzione tra punibilità penale e responsabilità civile diventa essenziale. La legge Gelli-Bianco prevede già la responsabilità contrattuale della struttura ai sensi degli artt. 1218 e 1228 c.c.

Limitare la punibilità del sanitario non elimina, di per sé, la responsabilità della struttura né il diritto al risarcimento, quando ne ricorrano i presupposti. Per chi assiste il paziente restano decisivi la ricostruzione dell’evento, il nesso causale e l’accesso alla documentazione.

Tempi e costi del contenzioso possono comunque rendere difficile ottenere una tutela effettiva.

IA sanitaria e nuovi confini della responsabilità medica

Distinguere il comportamento del singolo dalle scelte della struttura è ancora più importante quando nella cura entra l’IA. L’art. 4 del disegno di legge affida al Governo due compiti: definire una strategia per gestire l’uso sanitario dell’IA nel rispetto dell’AI Act e promuovere corsi regionali sulla digitalizzazione.

Sono criteri di delega, da attuare con decreti legislativi. Non introducono una specifica responsabilità medica da IA e non stabiliscono una nuova ripartizione delle responsabilità tra medico, struttura e fornitore.

Il caso del software diagnostico che non segnala una lesione

Per capire quali problemi restano aperti, si pensi a un software diagnostico acquistato da un ospedale che non segnali una lesione, e a un medico che ne recepisca il risultato. Fermarsi alla firma sul referto sarebbe insufficiente. Bisognerebbe verificare:

  • la destinazione d’uso del sistema, i limiti conosciuti, gli aggiornamenti e le istruzioni fornite;
  • la formazione del medico e la possibilità di riconoscere l’errore con la diligenza richiesta.

Un difetto del prodotto e un uso scorretto richiedono accertamenti diversi, ma possono concorrere allo stesso danno insieme a una scelta organizzativa inadeguata.

La decisione del medico e il rischio tecnologico

In un caso del genere, il fatto che la decisione finale spetti al medico non risolve da solo l’attribuzione delle responsabilità. La legge n. 132 del 2025 considera già l’IA sanitaria uno strumento di supporto e riserva la decisione agli esercenti la professione medica.

Per esercitare quel controllo, però, il medico deve comprendere il risultato, conoscerne i limiti e poter approfondire quando necessario. La struttura deve rendere possibile questa verifica attraverso formazione e informazioni adeguate: la presenza di un medico nell’ultimo passaggio non basta a trasferirgli ogni rischio tecnologico.

Dati sanitari e sicurezza nella responsabilità medica

Il controllo del risultato richiede attenzione anche alle informazioni sulle quali il sistema ha lavorato. La protezione dei dati si lega così direttamente alla sicurezza delle cure:

  • un referto associato al paziente sbagliato o un’informazione non aggiornata possono alterare la risposta dell’algoritmo e condizionare la scelta terapeutica;
  • un attacco informatico può rendere indisponibile la documentazione necessaria per intervenire.

Esattezza, minimizzazione e sicurezza, richieste dal RGPD, incidono quindi sull’affidabilità dell’assistenza. La valutazione d’impatto, quando obbligatoria, deve precedere il trattamento, per individuare rischi e garanzie prima dell’impiego del sistema.

Accessi ai dati e addestramento dei sistemi di IA

La gestione delle informazioni riguarda anche chi può consultarle. L’art. 3 del disegno di legge include nella delega l’accesso ai dati sanitari da parte dei professionisti coinvolti nel percorso assistenziale.

Una condivisione ben organizzata può evitare ritardi ed errori, ma richiede autorizzazioni coerenti con il lavoro svolto. Appartenere alla stessa struttura non giustifica la consultazione dell’intera storia sanitaria di qualsiasi paziente. Servono accessi commisurati alle necessità, tracciamento e controlli.

Anche l’eventuale riutilizzo dei dati per addestrare sistemi di IA richiede una verifica specifica di liceità.

Documentazione e tutela del paziente nella riforma

Queste garanzie contano anche nella ricostruzione di un evento dannoso. In una controversia sarà importante sapere quali dati siano stati utilizzati, quale versione del sistema fosse operativa e quanto il risultato abbia influito sulla decisione clinica.

La possibilità di ricostruire questi passaggi va prevista fin dall’inizio, con una conservazione proporzionata e sicura delle informazioni. Una documentazione adeguata aiuta il paziente a far valere i propri diritti e il medico a chiarire il proprio operato.

La riforma andrà misurata anche sulla capacità di tenere insieme due esigenze: riconoscere le condizioni reali di chi cura e assicurare una tutela concretamente accessibile a chi ha subito un danno.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x