sanità digitale

Anitec-Assinform: ecco la guida per l’IA nella relazione di cura



Indirizzo copiato

L’IA nella sanità italiana cresce tra carenze di personale, cronicità e divari territoriali. Le linee Anitec-Assinform guidano l’integrazione nella relazione di cura: supporto ai professionisti, trasparenza, interoperabilità dei dati, formazione continua, valutazione rigorosa e governance per sicurezza e riduzione delle disuguaglianze

Pubblicato il 4 feb 2026

Letizia Pizzi

Direttore Generale di Anitec-Assinform



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ai farmaci tracciabilità digitale; Dal pharma al manifatturiero: come la simulazione quantistica rivoluziona scienza dei materiali e drug discovery




La sanità italiana si trova oggi davanti a un’importante sfida di trasformazione digitale, in cui l’intelligenza artificiale si afferma come il principale strumento di innovazione.

Questa evoluzione tecnologica si inserisce però in un contesto complesso: il Servizio Sanitario Nazionale deve confrontarsi con carenze strutturali, dalla scarsità di personale all’invecchiamento della popolazione, dall’aumento delle patologie croniche alle disuguaglianze territoriali.

È all’interno di questo scenario che si collocano le Linee di indirizzo per l’adozione dell’IA nella relazione tra professionista sanitario e paziente.

Il documento, elaborato da Anitec-Assinform nell’ambito di un tavolo di lavoro multidisciplinare, non propone l’intelligenza artificiale come una soluzione in grado di risolvere completamente i problemi del sistema sanitario, ma come uno strumento da integrare con consapevolezza nei processi di cura e assistenza.

Il progetto promuove un dialogo e un’alleanza strutturata tra tutti gli attori coinvolti, unendo potenzialità e sfide per sfruttare le opportunità dell’IA e affrontare criticità e bisogni del SSN.

Le linee di indirizzo: obiettivi e metodo di lavoro

Le linee di indirizzo nascono dal confronto tra esperti, operatori sanitari, imprese e rappresentanti istituzionali e si propongono come strumento di orientamento per i professionisti, affrontando le sfide della trasformazione digitale sulla base di esperienze concrete e delle esigenze degli stakeholder.

Il documento raccoglie riflessioni, criticità e opportunità legate all’uso dell’intelligenza artificiale in sanità, delineando principi chiari per un’adozione efficace.

Centralità della persona: l’IA rafforza la cura, non la sostituisce

La visione che emerge è chiara: l’IA deve rafforzare, e non sostituire, la centralità umana nella cura.

Serve un’adozione guidata da responsabilità e consapevolezza, nella quale le tecnologie diventino strumenti per migliorare la qualità delle prestazioni, ridurre le disuguaglianze e supportare il lavoro dei professionisti, senza metterne in discussione il ruolo.

Meno burocrazia, più relazione: dove l’IA può liberare tempo clinico

In particolare, le linee di indirizzo individuano nell’IA un supporto utile per alleggerire il carico di attività amministrative e organizzative che oggi assorbono una parte significativa del tempo dei professionisti sanitari.

Liberare tempo da questi compiti può contribuire a rafforzare la relazione con il paziente, senza modificare il ruolo decisionale del professionista.

Patient summary: un caso d’uso concreto per la continuità assistenziale

Un esempio concreto è rappresentato dal patient summary, il riepilogo delle informazioni cliniche essenziali del paziente.

La sua corretta compilazione è fondamentale per garantire la continuità assistenziale, soprattutto nel caso di pazienti cronici e anziani, ma è spesso complicata dalla disomogeneità dei sistemi informativi e dalla frammentazione dei dati.

L’IA può facilitare sintesi e aggiornamento delle informazioni, ma il controllo e la validazione restano sempre in capo al professionista sanitario.

Responsabilità clinica e trasparenza: decisione finale sempre umana

Il documento ribadisce infatti che l’introduzione dell’IA non modifica la responsabilità clinica.

Le tecnologie di supporto decisionale devono essere trasparenti e comprensibili, così da consentire a operatori e pazienti di valutarne l’affidabilità e i limiti.

La decisione finale resta umana, così come la responsabilità del percorso di cura.

Explainability, verifiche e tracciabilità dei risultati

I risultati prodotti dall’IA devono essere spiegabili, verificabili e tracciabili, per permettere ai professionisti di comprenderne condizioni d’uso e criticità nella pratica quotidiana.

Questo implica l’adozione di standard di explainability, audit periodici e indicatori pratici che aiutino a misurare performance e rischi.

Dati e interoperabilità: la condizione per far funzionare l’IA in sanità

Un altro tema centrale affrontato dalle linee di indirizzo è quello dei dati e dell’interoperabilità.

L’efficacia dell’IA dipende dalla qualità delle informazioni sanitarie e dalla capacità di farle dialogare tra sistemi, strutture e livelli di cura diversi.

Oggi il sistema italiano è caratterizzato da frammentazione, con soluzioni regionali spesso incapaci di comunicare tra loro.

Fascicolo sanitario elettronico 2.0 ed ecosistema dei dati sanitari

In questo contesto, il documento sottolinea l’urgenza di migliorare l’interoperabilità, collegando l’uso dell’IA allo sviluppo del Fascicolo Sanitario Elettronico 2.0 e dell’Ecosistema dei Dati Sanitari.

Un’infrastruttura informativa condivisa consente all’IA di supportare la continuità assistenziale e contribuire alla riduzione delle disuguaglianze territoriali.

Senza un patrimonio informativo integrato e accessibile, l’IA non può esprimere un valore sistemico.

L’obiettivo è collegare dati e percorsi di cura, favorendo una condivisione sicura tra territori, professionisti e strutture, nel rispetto di regole comuni.

Competenze e utilizzo consapevole: la formazione come leva

È fondamentale sottolineare che le tecnologie da sole non bastano: occorrono informazione adeguata e un utilizzo consapevole dell’IA, in grado di generare benefici concreti per i pazienti e di restituire tempo alla cura.

Nel documento si evidenzia infatti l’importanza delle competenze: l’adozione dell’IA richiede percorsi di formazione continua per i professionisti sanitari, così da utilizzare i nuovi strumenti in modo critico e consapevole, evitando sia un uso automatico e non ponderato della tecnologia, sia un rifiuto dovuto alla scarsa familiarità con gli strumenti digitali.

Il decalogo: principi operativi tra governance, dati e valutazione

Un passaggio rilevante del lavoro è rappresentato dal Decalogo che accompagna le linee di indirizzo.

Non si tratta di un semplice riepilogo, ma di una sintesi operativa dei principi che dovrebbero guidare l’adozione dell’IA nella relazione di cura.

Al centro viene posta la persona e la relazione terapeutica.

L’IA è chiamata a restituire tempo e attenzione al paziente, soprattutto attraverso la riduzione del carico amministrativo che oggi grava sui professionisti.

Da questo principio discende il ruolo del professionista sanitario come decisore ultimo: gli strumenti di intelligenza artificiale sono concepiti come supporto al giudizio clinico, non come suoi sostituti, e richiedono una supervisione umana costante e responsabilità chiaramente definite.

Un altro asse fondamentale riguarda la trasparenza.

I risultati prodotti dall’IA devono essere spiegabili, verificabili e tracciabili, così da permettere ai professionisti di valutarne l’affidabilità nella pratica quotidiana.

Ciò implica l’adozione di standard di explainability, audit periodici e indicatori pratici che aiutino a comprendere limiti e condizioni d’uso degli strumenti.

Governance e riduzione delle disuguaglianze

Il Decalogo affronta poi il tema della governance.

L’utilizzo dell’IA in sanità richiede regole condivise, monitoraggio continuo delle applicazioni e valutazione dei rischi, con l’obiettivo di garantire la sicurezza del paziente e la sostenibilità del sistema.

In questo quadro si inserisce anche l’attenzione alla riduzione delle disuguaglianze, indicando l’IA come una possibile leva per migliorare l’accesso ai servizi, a condizione che sia accompagnata da investimenti infrastrutturali e da soluzioni semplici e accessibili.

Ampio spazio è dedicato ai dati.

Promuovere una cultura del dato significa puntare su informazioni affidabili, integrate e interoperabili, su standard aperti e su un coordinamento nazionale che favorisca la condivisione sicura tra territori e centri di ricerca.

Senza questo presupposto, l’intelligenza artificiale non può esprimere un valore sistemico.

Valutazione, HTA e sperimentazioni controllate

Il lavoro sottolinea infine l’importanza della formazione e della valutazione.

La trasformazione digitale richiede formazione continua per i professionisti sanitari, alfabetizzazione di pazienti e caregiver e collaborazione tra clinici, tecnologi e ricercatori.

L’adozione dell’IA viene inoltre legata a percorsi di valutazione rigorosi, basati su modelli di Health Technology Assessment e sperimentazioni controllate, oltre al rispetto dei principi di tutela della privacy, del consenso e della sicurezza dei dati.

Collaborazione tra attori: la chiave per un’innovazione utile e inclusiva

La vera chiave dell’innovazione in sanità è la collaborazione tra tutti gli attori coinvolti.

È fondamentale promuovere il dialogo e la partecipazione tra sviluppatori, professionisti, pazienti e istituzioni, garantendo decisioni trasparenti e condivise.

Solo così gli strumenti tecnologici diventano realmente utili, inclusivi e capaci di rafforzare la centralità della persona nella cura.

Partecipa alla community

guest

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

People&Change

Tutti
Produttività e AI
AI IN AZIENDA
AI E LAVORO
SCENARI
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
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 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
0
Lascia un commento, la tua opinione conta.x