Per molto tempo, il dibattito sull’intelligenza artificiale in sanità si è concentrato su una domanda: cosa sarà in grado di fare?
La risposta è arrivata più rapidamente del previsto. Oggi l’AI supporta la ricostruzione delle immagini diagnostiche, assiste l’interpretazione clinica, contribuisce alla prioritizzazione dei casi, automatizza attività amministrative e alimenta sistemi sempre più sofisticati di supporto decisionale. Nella diagnostica per immagini, in particolare, l’intelligenza artificiale è passata in pochi anni dall’essere una promessa tecnologica a una componente sempre più concreta della pratica clinica quotidiana.
Indice degli argomenti
La sanità è pronta ad assorbire l’AI?
Eppure, proprio mentre le capacità degli algoritmi crescono, emerge una consapevolezza nuova. La sanità ha trascorso anni a chiedersi se l’intelligenza artificiale funzionasse. Oggi la domanda è diversa: il sistema è pronto ad assorbirla?
La vera sfida non è più capire cosa l’intelligenza artificiale possa fare. La vera sfida è capire come governarla. Non si tratta di una sfumatura semantica. È un cambio di paradigma. Perché l’AI sta progressivamente uscendo dalla dimensione della sperimentazione per entrare nella realtà operativa delle organizzazioni sanitarie. E quando una tecnologia entra nei processi reali, smette di essere soltanto una questione tecnologica. Diventa una questione di dati, organizzazione, responsabilità, valutazione del valore e fiducia.
È probabilmente questa la principale lezione che emerge oggi dall’evoluzione normativa europea e dal confronto sempre più ampio tra professionisti della salute, esperti di governance dei dati, ingegneri clinici, manager sanitari e comunità scientifica.
Senza dati non esiste AI affidabile
Ogni discussione sull’intelligenza artificiale in sanità dovrebbe partire da una considerazione tanto semplice quanto spesso trascurata: gli algoritmi sono tanto affidabili quanto lo sono i dati su cui vengono addestrati.
Per questo motivo il tema dei dati sanitari è diventato centrale nelle strategie europee di innovazione.
Con l’adozione del Regolamento EHDS (Reg. UE 2025/327), l’Europa ha avviato la costruzione di una delle più ambiziose infrastrutture digitali sanitarie mai concepite. L’obiettivo è creare un ecosistema interoperabile che permetta non solo la continuità assistenziale dei cittadini tra i diversi Paesi membri, ma anche il riutilizzo sicuro dei dati sanitari per ricerca, innovazione e sviluppo di nuovi strumenti basati sull’intelligenza artificiale.
La questione, tuttavia, non è soltanto tecnologica. Per anni il dibattito sui dati sanitari è stato dominato da temi come privacy e consenso. Oggi emerge una prospettiva più ampia: quella della fiducia. La qualità, la rappresentatività e la governance dei dati diventano infatti elementi essenziali non solo per il funzionamento degli algoritmi, ma anche per la loro accettazione da parte di professionisti e cittadini.
Un’intelligenza artificiale costruita su dati incompleti, poco rappresentativi o scarsamente interoperabili rischia di amplificare disuguaglianze e generare decisioni meno affidabili. Per questo motivo la governance del dato non può essere considerata un tema tecnico accessorio. È il fondamento stesso della fiducia nell’ecosistema digitale della salute.
Dall’efficacia teorica al valore reale
Esiste poi una seconda questione che riguarda il valore.
Negli ultimi anni abbiamo assistito a una crescita esponenziale delle pubblicazioni scientifiche dedicate all’AI applicata alla diagnostica, alla radiologia e ai processi clinici. Molti algoritmi mostrano performance eccellenti in ambienti controllati e nei contesti sperimentali. Ma una tecnologia che funziona bene in laboratorio non genera automaticamente valore nel mondo reale. È una lezione che la sanità conosce da tempo e che oggi torna particolarmente attuale.
L’applicazione del Regolamento europeo sull’Health Technology Assessment (Reg. UE 2021/2282), entrato in applicazione il 12 gennaio 2025 per le prime categorie di tecnologie con estensione progressiva fino al 2030, rappresenta un passaggio importante proprio perché rafforza l’attenzione verso la valutazione sistematica delle tecnologie sanitarie. Tuttavia, l’intelligenza artificiale pone sfide ulteriori.
A differenza di molte tecnologie tradizionali, gli algoritmi sono dinamici, si integrano nei processi, evolvono nel tempo e generano impatti che non riguardano soltanto l’efficacia clinica, ma anche l’organizzazione del lavoro, la produttività e la qualità dei percorsi assistenziali. Non è un caso che il progetto HTx abbia evidenziato come adattare gli strumenti dell’HTA alle tecnologie digitali e all’intelligenza artificiale rappresenti una delle sfide metodologiche più rilevanti per i sistemi sanitari europei.
Per questo motivo diventa sempre più importante distinguere tra efficacia teorica ed efficacia reale. Una soluzione AI può dimostrare prestazioni eccellenti negli studi clinici e produrre risultati molto diversi una volta introdotta in contesti caratterizzati da differenti livelli di esperienza, formazione, volumi di attività e modelli organizzativi. La valutazione dell’innovazione non può quindi fermarsi all’adozione. Deve accompagnare l’intero ciclo di vita della tecnologia.
Quando l’AI entra nella realtà operativa
Per lungo tempo l’intelligenza artificiale è stata raccontata come una tecnologia del futuro. Oggi invece sta diventando una tecnologia dell’operatività quotidiana. È questo un passaggio cruciale.
Anche il recente dibattito promosso da FIASO sul ruolo dell’intelligenza artificiale nelle aziende sanitarie ha evidenziato come la sfida non sia più dimostrare il potenziale della tecnologia, uscendo quindi dalla dimensione sperimentale, ma costruire organizzazioni capaci di integrarla nei processi ordinari di cura e gestione delle aziende sanitarie. Una transizione che impone di spostare l’attenzione dalla sola innovazione tecnologica alla capacità organizzativa di assorbirla e governarla.
Perché il valore dell’AI non dipenderà soltanto dalla qualità degli algoritmi, ma dalla capacità delle organizzazioni sanitarie di integrarli nei propri processi. Le aziende sanitarie si confrontano ogni giorno con carenza di personale, aumento della domanda di salute, crescente complessità amministrativa e necessità di garantire sostenibilità economica. In questo contesto, il vero valore dell’AI potrebbe risiedere nella capacità di liberare tempo e risorse ad alto valore professionale.
Non si tratta semplicemente di automatizzare attività. Si tratta di ridurre il peso delle attività ripetitive e burocratiche per consentire ai professionisti di dedicare maggiore attenzione alla cura, al coordinamento e alle decisioni cliniche. La sfida non è quindi introdurre nuove tecnologie. La sfida è costruire organizzazioni capaci di utilizzarle.
Ogni algoritmo modifica il sistema
Quando un algoritmo entra in un ospedale, raramente si limita a svolgere una funzione tecnica. Più spesso modifica flussi, priorità, responsabilità e processi decisionali. È qui che emerge il ruolo strategico dell’ingegneria clinica e della governance tecnologica.
Molti sistemi di AI vengono percepiti come semplici strumenti di supporto organizzativo. In realtà possono influenzare direttamente il processo clinico. Un sistema che prioritizza esami segnala casi urgenti, o modifica l’ordine di lavorazione delle attività, non sta semplicemente ottimizzando un workflow. Sta intervenendo, indirettamente, nel processo decisionale.
Questa evoluzione pone interrogativi rilevanti anche sul piano regolatorio. Molte applicazioni di intelligenza artificiale in ambito sanitario si collocano infatti all’interno del quadro definito dal Regolamento Europeo sui Dispositivi Medici (MDR, Reg. UE 2017/745), che attribuisce particolare rilevanza alla destinazione d’uso, alla gestione del rischio, alla sorveglianza post-market e alla sicurezza clinica.
L’AI Act europeo (Reg. UE 2024/1689), entrato in vigore nell’agosto 2024 con applicazione progressiva per fasi fino al 2027, si inserisce in questo contesto introducendo ulteriori requisiti per i sistemi classificati ad alto rischio, tra cui numerose applicazioni destinate a supportare processi diagnostici e decisionali.
L’obiettivo non è rallentare l’innovazione. L’obiettivo è garantire che l’innovazione resti governabile.
L’ultima decisione resta umana
Se esiste un luogo in cui tutte queste dimensioni convergono, è la pratica clinica. La radiologia rappresenta un esempio particolarmente significativo. Negli ultimi decenni il numero di immagini prodotte da un singolo esame è cresciuto enormemente. Il radiologo contemporaneo non interpreta più poche immagini statiche, ma quantità sempre maggiori di dati, informazioni quantitative e correlazioni cliniche.
In questo contesto le automazioni non sono un lusso. Sono una necessità. Ma proprio per questo diventa essenziale comprendere come vengono utilizzate. L’esperienza clinica dimostra che l’adozione dell’intelligenza artificiale non dipende soltanto dalla qualità tecnica dell’algoritmo. Dipende anche dalla fiducia che il professionista ripone nel sistema.
Ed è qui che entrano in gioco concetti come trasparenza, explainability e supervisione umana.
Non è un caso che anche la European Society of Radiology abbia richiamato l’attenzione sull’importanza della comprensione delle performance dei sistemi AI, della trasparenza algoritmica e della consapevolezza dei limiti delle tecnologie utilizzate. Il medico deve sapere come un sistema è stato addestrato, quali sono i suoi limiti, quali errori tende a commettere e in quali contesti esprime le migliori performance.
La medicina, infatti, non è una disciplina binaria. È una disciplina fatta di probabilità, esperienza, contesto, anamnesi e relazioni umane. Per questo motivo l’obiettivo dell’intelligenza artificiale non dovrebbe essere sostituire il professionista. Dovrebbe essere liberarlo da parte del lavoro ripetitivo e standardizzabile, restituendogli tempo per il ragionamento clinico, per i casi complessi e per il rapporto con il paziente.
Oltre la tecnologia
Se osserviamo insieme dati, valutazione, organizzazione, processi e pratica clinica emerge un elemento comune. La fiducia. L’intelligenza artificiale non sta trasformando soltanto le tecnologie della salute. Sta ridefinendo il rapporto tra dati, professionisti, organizzazioni e cittadini. Per questo la sfida non è soltanto introdurre nuovi strumenti. È costruire modelli capaci di integrare innovazione, responsabilità, trasparenza e relazioni.
Perché una tecnologia può essere acquistata. Un algoritmo può essere addestrato. Un sistema può essere implementato. La fiducia invece, deve essere costruita.
Ed è probabilmente lì che si giocherà il reale valore dell’intelligenza artificiale nella sanità dei prossimi anni.
Partecipa alla community