Dopo tre anni di LLM non credo di conoscere nessuno che non abbia almeno una volta chiesto a Chatgpt o qualche altra AI qualcosa riguardo la medicina. Ho personalmente visto giovani medici che chiedevano informazioni riguardo a farmaci, colleghi e familiari fare foto a referti chiedendo spiegazioni ai modelli.
Secondo un report di OpenAI di gennaio 2026 quaranta milioni di utenti americani pongono ogni giorno a GPT questioni che riguardano la salute. Non è un caso che proprio OpenAI abbia annunciato al lancio di ChatGPT 5 che una delle importanti novità dei nuovi modelli era rappresentata dal significativo miglioramento nelle risposte in ambito medico.
Non è un caso che in questi giorni, a poca distanza, OpenAI abbia annunciato il servizio sperimentale ChatGPT Health (Salute, in Italia) e Anthropic il servizio Claude for Healthcare.
In Italia invece debutta la piattaforma MIA per i medici di famiglia.
Indice degli argomenti
Cosa cambia per la Sanità con Chatgpt Salute di OpenAI e Anthropic Healthcare
La capacità dei modelli AI di analizzare informazioni mediche e fornire un supporto concreto è una realtà di fatto che si sta cercando di mettere a sistema, riducendo al minimo i rischi legati a valutazioni errate o allucinazioni da parte dei modelli.
Ci si può quindi chiedere perché siano degni di nota gli annunci di OpenAI e Anthropic in ambito sanitario.
Dati da dispositivi personali e monitoraggio continuo
La novità è che questi servizi consentono di collegare ai dispositivi personali (ad esempio quelli integrati in Apple Salute e servizi analoghi) per interpretare i dati prodotti dai vari dispositivi che sempre più persone indossano.
Ecco quindi che per la prima volta sembra possibile effettuare un monitoraggio della salute della popolazione, interpretando fattori che si riescono a misurare con smartwatch, smart ring, bilance connesse e altri dispositivi.
Privacy, falsi positivi e falsi negativi: lo stress test
Questi servizi sono sperimentali e limitati agli Stati Uniti, e prima che possano divenire disponibili su scala globale sarà necessario affrontare gli aspetti di privacy e valutare quanti falsi positivi e falsi negativi produrranno.
È infatti importante sottolineare che se vi dovessero essere troppi falsi positivi, ovvero diagnosi di qualche condizione da trattare che in realtà non esiste, allora aumenterebbe la pressione sul sistema sanitario.
Se al contrario vi fossero falsi negativi, ovverosia condizioni non individuate, allora si correrebbe il rischio di ritardare la diagnosi con possibili danni per il paziente.
Ci vorrà comunque tempo per sistemare tutti gli aspetti, inclusi quelli giuridici, ed è sicuramente consolatorio il fatto che la legge 132/2025 preveda esplicitamente la possibilità di adottare queste tecnologie in ambito medico ai fini di supportare la gestione della salute, la ricerca e l’innovazione.
Si tratta di un’area delicata: vi sono cause contro OpenAI per suicidi di persone che si sono confidate con l’assistente intelligente non cercando aiuti esterni, e sono evidenti i rischi per la salute di chi segue in modo acritico e senza confronto le indicazioni dei modelli.
Non è un caso che dopo poche settimane OpenAI abbia fatto una parziale marcia indietro, riducendo l’enfasi sul supporto alla salute e spingendo gli utenti alla consultazione di medici.
Resta il fatto che la maggior parte degli americani intervistati per conto di OpenAI hanno usato GPT per chiedere una valutazione di sintomi; in generale, però, l’AI viene usata anche per comprendere referti o istruzioni o approfondire le varie opzioni terapeutiche.
Come l’AI in sanità può supportare un sistema sotto pressione
Resta pure il fatto che l’AI offre già applicazioni che possono contribuire a supportare un sistema sanitario sempre più complesso, aiutando coloro che vivono distanti da ospedali (i deserti ospedalieri) a ricevere un supporto a distanza.
La Cina ha fatto notizia per l’accelerazione che ha impresso all’adozione nei processi clinici di triage e supporto diagnostico, e della medicina di base. In alcune province, come ad esempio quella di Jiangsu, sono stati avviati piloti che prevedono l’uso dell’AI in tutte le cure di primo livello.
È evidente come nel prossimo futuro sempre più aspetti della gestione della sanità saranno condizionati da questa tecnologia.
Cerchiamo di fare il punto e capire come queste nuove iniziative possano cambiare il modo di gestire i processi legati alla sanità, tema caldo se dovessero contribuire a un controllo dei costi per la spesa sanitaria che sappiamo essere ovunque significativa.
Piattaforma Mia per i medici di medicina generale
Nei prossimi mesi circa 1.500 medici di medicina generale in tutta Italia inizieranno a lavorare con “Mia”, una nuova piattaforma di intelligenza artificiale pensata per affiancarli nelle decisioni cliniche quotidiane: dall’inquadramento diagnostico di base alla gestione dei pazienti cronici, fino ai consigli di prevenzione. Il progetto è coordinato da Agenas, rientra nella Missione 6 Salute del Pnrr e rappresenta il primo tentativo strutturato di portare un assistente AI nazionale dentro gli ambulatori della medicina di famiglia.
Che cos’è Mia e chi c’è dietro
Mia è l’acronimo di “Medicina e intelligenza artificiale”: non un chatbot generico, ma una piattaforma nazionale disegnata per l’assistenza primaria e per le Case di comunità. L’obiettivo è fornire al medico di famiglia uno “strumento di consulto” che lo aiuti a orientarsi tra linee guida, protocolli, Pdta, letteratura scientifica e normative, senza costringerlo a cercare documenti su decine di siti diversi.
La regia è di Agenas, che nel 2025 ha concluso una gara da 8,3 milioni di euro per la messa in esercizio e la gestione della piattaforma, aggiudicata al gruppo Bv Tech. Questo appalto è una parte di un investimento Pnrr più ampio, che secondo diverse fonti supera i 30 milioni complessivi per la sperimentazione e la successiva estensione nazionale di soluzioni AI nelle cure primarie.
Come funziona: domande in italiano, risposte dalle linee guida
Dal punto di vista pratico, Mia si presenta come un’interfaccia conversazionale accessibile da pc e, in prospettiva, anche da app. Il medico formula una domanda in linguaggio naturale – per esempio davanti a sintomi sfumati, a un paziente cronico complesso o alla necessità di aggiornare una terapia – e la piattaforma restituisce suggerimenti strutturati: possibili diagnosi da considerare, esami da richiedere, indicazioni sui percorsi di cura, alert di prevenzione e screening in base all’età e ai fattori di rischio.
Tecnicamente il sistema si basa su architetture di tipo Rag (retrieval augmented generation): prima recupera le informazioni da basi documentali “validate e certificate”, poi genera una risposta sintetica. Le fonti dichiarate sono linee guida, protocolli nazionali e regionali, Pdta, nomenclatori e documenti ufficiali, non il web generico. L’intento è ridurre il rischio di “allucinazioni” tipico dei modelli generativi generalisti e garantire tracciabilità delle fonti.
È previsto anche l’avvio del percorso per la certificazione come dispositivo medico, passaggio che – se andrà in porto – imporrà requisiti più stringenti su sicurezza, prestazioni e gestione del rischio.
La sperimentazione: chi parte e con quali tempi
Il progetto è articolato in tre fasi. La prima, di analisi, progettazione e realizzazione della piattaforma, si è chiusa a fine 2025. Nel 2026 si apre la fase di sperimentazione e manutenzione: i primi 1.500 medici di famiglia, selezionati con le Regioni, useranno Mia per un anno su tre casi d’uso principali: inquadramento diagnostico di base, gestione della cronicità, prevenzione e promozione della salute. Tutti saranno formati prima dell’avvio e accompagnati da attività di aggiornamento continuo.
Se la sperimentazione darà esito positivo, dal 2027 è prevista la terza fase, di gestione ed estensione progressiva: nuove ondate di medici (migliaia di camici bianchi in più ogni anno) dovrebbero essere abilitati, con l’obiettivo dichiarato di arrivare a coprire la gran parte dei medici di medicina generale convenzionati con il Servizio sanitario nazionale nell’arco di pochi anni. I numeri esatti variano a seconda dei documenti e non sono ancora definitivi, ma la direzione di marcia è quella di una piattaforma “di sistema”, non di nicchia.
Cosa cambia per diagnosi, cronicità e prevenzione
Sul piano clinico, la promessa di Mia è triplice. Nelle attività diagnostiche di base dovrebbe aiutare il medico a non trascurare ipotesi rilevanti e a scegliere in modo più mirato gli esami, con potenziale risparmio di tempo e riduzione degli accertamenti inutili. Nella gestione della cronicità la piattaforma punta a offrire strumenti di monitoraggio più sistematici, con alert su controlli mancati, terapie non rinnovate, parametri fuori soglia. Infine, sul fronte prevenzione, l’idea è di usare l’AI per individuare automaticamente i pazienti eleggibili per screening e vaccinazioni, aumentando le adesioni e riducendo le “mancate risposte” ai programmi organizzati.
Questi sono, ad oggi, obiettivi dichiarati. La loro effettiva realizzazione dipenderà molto da come Mia verrà integrata nei flussi di lavoro, dalla qualità dei dati collegati (per esempio quelli del Fascicolo sanitario elettronico 2.0) e dalla disponibilità dei medici a usarla in modo sistematico, non solo episodico.
Le opportunità (e i limiti) per medici e pazienti
Dal punto di vista dell’utente medico, il potenziale vantaggio è chiaro: avere un “secondo parere” sempre disponibile, che non sostituisce il giudizio clinico ma rende più veloce l’accesso alle evidenze e ai percorsi aggiornati. In un contesto in cui un medico di famiglia segue in media oltre 1.500 assistiti, spesso con molte comorbidità, uno strumento che aiuti a tenere sotto controllo scadenze, priorità e rischi può alleggerire il carico cognitivo e organizzativo. Questa è un’interpretazione, coerente con gli obiettivi del progetto ma ancora da verificare sul campo.
Per i pazienti i possibili benefici riguardano soprattutto la maggiore omogeneità dei percorsi di cura e la tempestività degli interventi: meno variabilità tra un ambulatorio e l’altro, più attenzione alla prevenzione, più facilità nel seguire linee guida complesse. Allo stesso tempo restano aperte questioni delicate: chi è responsabile se un suggerimento di Mia si rivela inappropriato? Come verranno gestiti i casi in cui il medico decide di discostarsi dalle raccomandazioni dell’AI? Quali informazioni verranno eventualmente condivise con il paziente sul fatto che una decisione è stata “anche” supportata da una piattaforma?
I nodi da sciogliere: fiducia, trasparenza, formazione
La riuscita del progetto non dipenderà solo dalla tecnologia. Tre nodi, in particolare, si intravedono già ora.
Il primo è la fiducia: molti medici guardano all’AI con curiosità, ma anche con timori legati al possibile aumento di controllo burocratico sulle loro scelte e al rischio di essere schiacciati tra linee guida algoritmiche e aspettative dei pazienti.
Il secondo è la trasparenza: perché Mia sia accettata, servirà spiegare in modo chiaro come sono costruite le risposte, quali fonti vengono utilizzate, che margini di incertezza esistono. La scelta di basarsi su documenti ufficiali e di puntare alla certificazione come dispositivo medico va in questa direzione, ma il modo in cui queste garanzie verranno percepite nella pratica è ancora un’incognita.
Il terzo è la formazione: il progetto prevede corsi specifici per i medici sperimentatori, sia per imparare a usare la piattaforma, sia per rafforzare le competenze digitali e critiche verso l’AI. La qualità e la continuità di questa formazione saranno determinanti per evitare due estremi opposti: la diffidenza totale o l’adesione acritica a qualunque suggerimento algoritmico
Perché l’AI in sanità cambia diagnosi, triage e decisioni cliniche
Il tema di meccanizzare le cure sanitarie è un tema complesso, che spesso alimenta discussioni infinite su etica, rapporto medico-paziente e responsabilità in caso di errori.
Da un punto di vista puramente tecnico è indubbio che la macchina possa fare valutazioni statistiche su una scala che difficilmente è confrontabile su scala umana: la verifica statistica tipica di un modello di AI può considerare sia la letteratura sia le variazioni statistiche che caratterizzano ciascun essere umano.
Nel processo di diagnosi è quindi più facile che un’AI individui sintomi di una patologia magari non frequente e pertanto difficile da diagnosticare. Non è un caso che già nello Stanford AI Index 2025 si evidenzi come, secondo esperimenti condotti nel 2024 con ChatGPT 4, l’AI fosse più efficace non solo dei medici, ma anche dei medici che usano l’AI.
È evidente come questi risultati debbano essere considerati nella giusta prospettiva, e comunque è necessario tener presente che non sempre i pazienti sono in grado di descrivere correttamente i sintomi in modo da contribuire alla formulazione di una diagnosi.
Ovviamente, se la diagnosi dipende solo da immagini o analisi, questo processo è sicuramente più meccanizzabile.
In un altro studio si evidenzia uno scenario simile (anche se meno netto) quando si tratta di prendere decisioni cliniche complesse. In questo caso il medico supportato dall’AI sembra prevalere, ma l’AI da sola ottiene risultati paragonabili e comunque migliori rispetto al medico che opera in modo convenzionale.
Sembra quindi che nell’analisi del corpo umano l’AI si trovi a suo agio e possa svolgere un ruolo importante già nel prossimo futuro, come testimoniato dai piloti cinesi.
Anche nello studio di OpenAI si evidenzia come i messaggi relativi a questioni sanitarie si concentrino in stati con bassa densità ospedaliera, sottolineando come l’AI possa, almeno in parte, supplire alle limitazioni del territorio.
Ecco quindi che stati come il Wyoming e l’Oregon occupano i primi posti nella classifica dei messaggi relativi alla cura sanitaria provenienti da aree senza ospedali.
Sarà importante quindi monitorare queste sperimentazioni, incluse quelle con Chatgpt Salute e Anthropic, per capire se l’AI possa davvero supportare parte dei processi sanitari, contribuendo a una gestione più efficiente ed efficace di un sistema che chiede sempre più risorse per poter operare.
