Negli ultimi anni l’Intelligenza Artificiale (AI) è emersa da una piccola nicchia tecnologica ed è entrata in maniera sempre più evidente nella vita quotidiana di tutti noi. La utilizziamo quando chiediamo indicazioni allo smartphone, quando traduciamo un testo online, quando riceviamo suggerimenti personalizzati da una piattaforma streaming o quando usiamo i large language models, come ad esempio ChatGPT o Claude.
Tuttavia, uno degli ambiti in cui il cambiamento potrebbe essere più profondo e significativo è la medicina.
L’idea che un algoritmo possa aiutare i medici nell’identificare una malattia ancora prima dei sintomi evidenti, suggerire terapie personalizzate, o aiutare nell’identificare la traiettoria della malattia (la “prognosi”) sembra ancora qualcosa di futuristico. In realtà questa trasformazione è già iniziata, sebbene nel settore sanitario stia procedendo con maggiore gradualità rispetto ad altri ambiti a causa delle irrinunciabili attenzioni legate alla sicurezza, alla validazione clinica e agli aspetti regolatori proprie dell’ambito sanitario.
Oggi l’AI non rappresenta una semplice innovazione, ma un cambiamento di paradigma: il passaggio da una medicina basata su popolazioni e prevalentemente “reattiva”, che interviene dopo la comparsa del problema, a una medicina sempre più personalizzata, dinamica e predittiva.
Indice degli argomenti
La nuova infodemia sanitaria: troppi dati, troppo poco tempo per interpretarli
Ogni paziente genera continuamente molti dati: pensiamo agli esami del sangue, alle innumerevoli TAC e radiografie, ma anche alla registrazione dei parametri vitali e dei segnali dei sistemi di monitoraggio, fino alle informazioni non strutturate contenute nei diari clinici. Si tratta di una vera e propria miniera di informazioni che, fino a poco tempo fa, non eravamo in grado di utilizzare. O ancora, pensiamo ai dati genetici che oggi siamo in grado di analizzare e integrare nei percorsi di cura. Il paradosso della medicina moderna è proprio questo: disponiamo di una quantità senza precedenti di informazioni, molte più di quante il cervello umano sia in grado di leggere ed integrare nello stesso tempo. Anche le tecniche statistiche tradizionali, faro nell’epoca dell’evidence based medicine che ci ha accompagnato negli ultimi 30 anni, spesso faticano a orientarsi in questo “mare profondo” di dati multidimensionali e dinamici.
Ad esempio, un medico esperto può certamente riconoscere prima di altri schemi complessi grazie all’esperienza clinica e all’intuizione maturata negli anni. Tuttavia, nessun essere umano è in grado di analizzare contemporaneamente migliaia di variabili che cambiano continuamente nel tempo, cogliendo tutte le relazioni nascoste tra di esse.
È proprio in questo contesto che l’Intelligenza Artificiale e le moderne tecniche di bioinformatica hanno iniziato a rivoluzionare la medicina: non solo nella capacità di analizzare enormi quantità di dati, ma soprattutto nel trasformarli in strumenti di predizione e supporto decisionale.
Dalla stratificazione del rischio di popolazione alle traiettorie di malattia individuali
Tradizionalmente la medicina ha sempre cercato di fare previsioni sul futuro (la cosiddetta “prognosi”), per dare informazioni corrette al paziente e permettergli di scegliere con consapevolezza. Ad esempio, in questo intervento chirurgico, qual è il rischio di complicanze postoperatorie in un paziente di questa età? Oppure come evolverà la malattia che è stata diagnosticata? I sistemi di rischio ad oggi utilizzati funzionano raccogliendo alcuni parametri selezionati e restituendo una probabilità statistica. Tuttavia, questi modelli hanno un limite importante: funzionano molto bene a livello di popolazione, ma sono imprecisi (non calibrati) sul singolo individuo.
L’Intelligenza Artificiale potrebbe superare questo limite: oggi si sta passando dalla semplice predizione del rischio della popolazione (la cosiddetta “stratificazione del rischio”), verso una prognosi sempre più individuale: non solo prevedere genericamente un rischio all’interno di gruppi omogenei di pazienti simili, ma costruire una valutazione dinamica e personalizzata dell’evoluzione futura di un paziente. La differenza è importante: mentre un sistema tradizionale può prevedere il paziente a rischio elevato all’interno di gruppo molto grande di pazienti simili, un sistema AI potrebbe invece predire con precisione la traiettoria di un paziente o di un piccolo gruppo di pazienti molto simili tra loro.
Sistemi multidimensionali e dinamici
Uno degli aspetti più rivoluzionari dell’AI in medicina è la capacità di lavorare con dati multidimensionali, che superano la possibilità di comprensione associativa della mente umana, e con dati dinamici.
Mentre i sistemi tradizionali utilizzano fotografie statiche del paziente, la realtà biologica è molto più complessa, perché il corpo umano è un sistema in continuo movimento. Frequenza cardiaca, pressione arteriosa, respirazione e ossigenazione sono parametri in continua evoluzione. Tuttavia, la mente umana ha limiti naturali nella capacità di seguire, integrare e interpretare simultaneamente enormi quantità di dati dinamici provenienti anche solo da poche decine di pazienti monitorati nello stesso momento. Mentre l’essere umano può interpretare solo pochi dati alla volta, un algoritmo può invece analizzare simultaneamente migliaia di dati ogni secondo. È un po’ come osservare un film invece di una singola fotografia. Questo approccio è particolarmente importante nelle terapie intensive e nel monitoraggio cardiovascolare, dove pochi minuti possono fare la differenza, interpretando così i segnali ad altissima frequenza inviati dai monitor.
Un altro esempio interessante arriva dalla neurologia. Qui gli algoritmi di AI funzionano imparando a identificare schemi nascosti tra i dati, invisibili all’occhio umano. Alcuni studi hanno mostrato che algoritmi AI riescono a distinguere pazienti colpiti da ictus da soggetti sani osservando pattern complessi nelle immagini cerebrali, raggiungendo accuratezze molto elevate. L’aspetto sorprendente è che spesso questi sistemi non cercano una singola lesione, ma combinazioni multidimensionali di informazioni, ovvero informazioni prese dalla dimensione dei dati anamnestici (storici), radiologici, e di laboratorio.
Per spiegare questo concetto può essere utile una citazione cinematografica. Nel film Interstellar, il protagonista si trova a navigare in uno spazio pentadimensionale, una realtà troppo complessa per essere intuitivamente compresa e visualizzata dall’essere umano. La medicina moderna affronta una sfida simile, ma in maniera ancora più complessa: migliaia di pazienti con centinaia di sintomi e biomarcatori differenti generano uno spazio di dati enorme e multidimensionale.
L’AI può aiutare a “navigare” questa complessità, raggruppando automaticamente i pazienti in sottogruppi (“cluster”) con caratteristiche cliniche simili, identificando connessioni che spesso non sarebbero visibili all’occhio umano. È il concetto di clustering e riduzione dimensionale, parole tecniche che aiutano a descrivere qualcosa di intuitivo: trovare ordine all’interno di sistemi complessi, che potrebbero cambiare radicalmente il modo in cui definiamo le malattie.
La fine del concetto di “sindrome”?
Per decenni la medicina ha classificato le patologie in categorie rigide, fatte per essere apprese e utilizzate dai medici in tutto il mondo. Alcune, estremamente complesse con manifestazioni variabili, erano comprese nel concetto di “sindrome”. Oggi sappiamo che queste macrocategorie possono essere composte da sottogruppi a molto diversa. Pensiamo ai passi da gigante nell’ambito oncologico: all’interno di un’unica categoria, ad esempio il tumore al polmone, abbiamo una miriade di patologie con prognosi molto differente a seconda dello stadio della malattia e dei biomarcatori che esprimono.
Similmente, una polmonite può essere domiciliare e lieve, oppure può necessitare di un ricovero in terapia intensiva, e questo perché si manifesta con meccanismi biologici differenti, che hanno prognosi differenti, e differenti risposte alle terapie. Utilizzando le tecniche tradizionali, si arriva tuttavia a un limite di conoscenza e interoperatibilità che è quello della mente umana. Invece con l’AI, che è in grado di analizzare come visto sopra migliaia di dati allo stesso momento, potremmo parlare non più semplicemente di una sindrome o malattia, ma di molte sottovarianti biologiche differenti, avvicinandoci al concetto di medicina personalizzata, anche in campi esterni all’oncologia.
I nuovi dati “-omici”
Negli ultimi anni abbiamo sentito parlare sempre più spesso dei cosiddetti dati “-omici”, come genomica, proteomica e metabolomica: discipline che si basano sull’analisi di enormi quantità di informazioni biologiche.
Ma l’evoluzione della medicina digitale sta aprendo nuove e vastissime miniere di dati. Un esempio è quello che potremmo definire “fisiolomica”: l’integrazione continua, secondo per secondo o addirittura millisecondo per millisecondo, dei dati fisiologici provenienti dal corpo umano, come battito cardiaco, respirazione, pressione arteriosa, movimento, temperatura, attività fisica e risposta allo stress. Grazie alla diffusione crescente di sensori e dispositivi digitali, questo monitoraggio sta diventando sempre più continuo e invisibile.
Non solo sensori indossabili (“wearables”), ma anche sensori ambientali (“nearables”), letti intelligenti e sistemi integrati negli ambienti domestici. In questa prospettiva, la casa stessa del paziente potrebbe trasformarsi in una piattaforma di monitoraggio della salute, facilitando le cure domiciliari e riducendo, quando possibile, la necessità di ricoveri ospedalieri. Tuttavia, per i motivi indicati sopra questa enorme quantità di dati richiede strumenti avanzati per essere interpretata in tempo reale. Senza il supporto dell’AI, il rischio sarebbe ancora una volta quello di sommergere medici e pazienti con un volume di informazioni impossibile da gestire efficacemente.
L’AI risposta alle nuove sfide
La diffusione dell’AI non è solo una risposta alla necessità di miglioramento della qualità ed efficacia delle cure, della sicurezza e dell’uso dei dati in sanità. I sistemi sanitari in tutto il mondo, infatti, stanno affrontando tre grandi sfide crescenti: l’invecchiamento della popolazione con l’aumento delle malattie croniche, la crescente carenza di personale sanitario e la sostenibilità economica delle cure.
Da un lato, l’aumento dell’aspettativa di vita, il progressivo invecchiamento della popolazione e la crescita delle malattie croniche stanno aumentando enormemente il numero di persone che necessitano di cure continue e complesse. Dall’altro in molti paesi mancano medici ed infermieri, mentre il lavoro negli ospedali diventa sempre più intenso e complesso. Esiste poi una terza sfida fondamentale: la sostenibilità economica dei sistemi sanitari. Le risorse non sono infinite, mentre tecnologie, farmaci innovativi e bisogni assistenziali diventano sempre più costosi. Il rischio è quello di avere una medicina sempre più avanzata, ma sempre più costosa e insostenibile dal punto di vista economico.
In questo contesto, l’Intelligenza Artificiale potrebbe rappresentare non solo un’innovazione tecnologica, ma uno strumento per rendere la medicina più sostenibile, supportando diagnosi, monitoraggio e processi decisionali, e permettendo agli operatori sanitari di dedicare più tempo alla cura e alla relazione con il paziente, riducendo il burnout.
L’Intelligenza Artificiale sostituirà i medici?
Risposta breve: io credo di no. La visione più realistica è quella di una collaborazione tra questi strumenti molto potenti, straordinari nell’analizzare grandi quantità di dati, identificare pattern e lavorare senza fatica a ciclo continuo su informazioni ad alta complessità, e il personale sanitario e medico formato. La medicina inoltre non è fatta solo di numeri: empatia, comunicazione, contesto umano, valori personali, etica e relazione terapeutica rimangono profondamente umani. Più che sostituire il medico, l’AI trasformerà il modo in cui il medico esercita la professione, riducendo il tempo dedicato ad aspetti burocratici e di rimborso, ai compiti ripetitivi, e lasciando più tempo a decisioni complesse, comunicazione, personalizzazione delle cure, rapporto con il paziente.
Naturalmente esistono anche molti rischi e ostacoli. Uno dei problemi principali riguarda la trasparenza. Molti algoritmi funzionano come vere e proprie scatole nere: producono risultati molto accurati, ma non sempre è chiaro come arrivino alle loro conclusioni. Questo crea problemi di fiducia e responsabilità. Inoltre, i sistemi AI possono anche sbagliare, e in medicina gli errori possono avere conseguenze importanti. Per questo motivo la supervisione umana rimane essenziale, ed è per questo motivo che dobbiamo investire da un lato nella formazione di medici e infermieri in grado di maneggiare questi strumenti di AI e comprendere la complessità del dato, e dall’altro in data scientist che possano comprendere la prospettiva dei sistemi sanitari.
Formare i professionisti del futuro
La trasformazione a cui stiamo assistendo in medicina, legata all’AI, richiede anche una profonda evoluzione della formazione. Il futuro della medicina avrà infatti bisogno di professionisti sanitari capaci di integrare competenze cliniche, tecnologiche e data-driven, superando la tradizionale separazione tra medicina, ingegneria e scienza dei dati.
In questo contesto, Humanitas e Humanitas University rappresentano un esempio particolarmente avanzato a livello italiano ed europeo. Percorsi innovativi come la laurea magistrale DAIHS (Master of Science in Data Analytics and Artificial Intelligence in Health Sciences), sviluppato da Humanitas insieme all’Università Bocconi, oppure il corso di laurea di medicina e ingegneria MEDTEC in collaborazione con il Politecnico di Milano, e il dottorato congiunto medicina-ingegneria PRIME (Personalized care and innovation in medicine and engineering) sono stati creati proprio con l’obiettivo di formare una nuova generazione di professionisti capaci di comprendere contemporaneamente la complessità clinica, biologica e tecnologica della medicina moderna, sia dal lato medico che dal lato tecnologico.
La sfida del futuro non sarà infatti soltanto sviluppare nuovi algoritmi, ma creare figure in grado di costruire un dialogo reale tra medici, ingegneri, data scientist e sistemi sanitari. In questo senso, sono particolarmente contento di potermi confrontare con una struttura all’avanguardia come Humanitas e Humanitas University, dove questi temi rappresentano ormai una parte integrante della formazione e della ricerca.
La nuova era della medicina
Nonostante i limiti e le numerose sfide ancora aperte, è difficile immaginare che questa trasformazione possa arrestarsi. L’Intelligenza Artificiale sta già entrando rapidamente in molti ambiti della medicina, dalla diagnostica per immagini al monitoraggio cardiovascolare, dalla terapia intensiva all’oncologia, fino alla medicina preventiva e alla ricerca clinica. Il futuro sarà probabilmente caratterizzato da una medicina sempre più predittiva, personalizzata e dinamica, capace non soltanto di curare le malattie, ma anche di anticiparle e, in parte, di ridefinirle sulla base delle caratteristiche biologiche specifiche di ciascun individuo.
Forse la vera rivoluzione non sarà costruire macchine che “pensano” come i medici, ma sviluppare sistemi capaci di aiutare l’essere umano a comprendere una complessità biologica ormai troppo vasta per essere gestita senza supporto tecnologico. L’obiettivo finale non è sostituire l’intelligenza umana, ma ampliarne le capacità, permettendo ai professionisti sanitari di prendere decisioni più informate, tempestive e personalizzate. Ed è proprio in questa integrazione tra intelligenza umana, dati e tecnologia che potrebbe nascere la medicina del futuro.
