Intelligenza artificiale in sanità: prove, rischi e nuove sfide

1. L’IA aiuta i medici, ma come cambia la formazione? L’intelligenza artificiale sta diventando uno strumento sempre più presente nella pratica medica, ma il suo impiego nella formazione dei futuri medici solleva interrogativi sulle competenze che si sviluppano attraverso lo studio, il ragionamento e la capacità di affrontare problemi complessi. Sul New York Times, Rachael Bedard, geriatra e medica di cure palliative, osserva: “Gli attuali aspiranti medici potrebbero essere la generazione più penalizzata dall’intelligenza artificiale. Si stanno formando prima che si sappia a sufficienza come insegnare loro efficacemente questo nuovo paradigma. Desidero che i loro pazienti […] traggano beneficio da medici supportati da questi strumenti. Ma desidero anche che sviluppino la capacità di ragionare per risolvere problemi complessi, pieni di distrazioni e ambiguità, e carichi di implicazioni emotive”. La tecnologia cambierà il modo di esercitare la professione, ma resta aperta la questione di come formare medici capaci di utilizzarla senza rinunciare alle competenze necessarie per affrontare la complessità della cura.

2. Intelligenza artificiale in medicina: dove sono le prove? L’intelligenza artificiale (IA) sta entrando rapidamente nella pratica clinica, dai sistemi che aiutano a interpretare le immagini diagnostiche agli strumenti per la prescrizione e il supporto alle decisioni cliniche. Ma questa innovazione solleva interrogativi importanti: chi regola questa nuova categoria di dispositivi medici? Come? E come può il pubblico avere la certezza che i dispositivi basati sull’IA siano davvero in grado di fare ciò che gli sviluppatori promettono? Un editoriale di Nature richiama l’attenzione sulla necessità di valutare questi dispositivi in condizioni reali prima della loro registrazione e diffusione. In fin dei conti, la medicina basata sull’evidenza si fonda sul presupposto che l’efficacia e la sicurezza di un nuovo farmaco o dispositivo debbano essere dimostrate in modo affidabile. Un presupposto spesso fragile, soprattutto per gli strumenti di IA che si stanno diffondendo nella pratica clinica. Una revisione sistematica pubblicata a marzo su Nature Medicine ha calcolato che solo il 23 per cento di circa 4.600 studi sull’uso dell’IA in medicina clinica utilizzava dati di pazienti raccolti nella pratica reale, e che appena 19 erano studi randomizzati prospettici. Per gli strumenti i cui risultati possono influenzare diagnosi e terapie, sottolinea l’editoriale, servono valutazioni rigorose e trasparenti, con dati real-world e, quando necessario, sperimentazioni cliniche affidabili. Il tema riguarda anche la regolamentazione: la Food and Drug Administration statunitense ha avviato una consultazione sulla disciplina dei dispositivi medici basati su IA generativa. Le sperimentazioni cliniche preregistrate dovrebbero diventare la norma anche per i sistemi di IA usati in ambito sanitario, come già avviene per farmaci e vaccini. L’editoriale di Nature porta come esempio le auto a guida autonoma: nessuno discute la necessità di avere dati reali e affidabili sulla loro sicurezza, governi nazionali e amministrazioni cittadine le adottano con cautela, con principi simili a quelli che regolano i farmaci, dopo migliaia di ore di collaudo in laboratorio, in simulazione e su strada sotto supervisione, perché gli errori avrebbero conseguenze disastrose. “Non tutti i dispositivi medici basati sull’intelligenza artificiale – conclude l’editoriale – devono essere sottoposti a studi clinici randomizzati su vasta scala, ma i principi alla base di tali valutazioni vanno comunque applicati. Trasparenza dei dati, dati aperti e test in contesti reali non sono negoziabili”.

3. Quando l’IA segnala un rischio di cancro: cosa succede dopo? L’intelligenza artificiale (IA) può individuare segnali associati allo sviluppo di un tumore anni prima che questo diventi visibile o compaiano i sintomi. Un modello sviluppato dalla Mayo Clinic, per esempio, ha identificato retrospettivamente il 73 per cento dei tumori del pancreas, con un anticipo mediano di circa 16 mesi rispetto alla diagnosi. Ma cosa fare quando l’IA segnala un rischio elevato senza che vi sia ancora una malattia diagnosticabile? Nell’articolo pubblicato su Health Affairs, Matt Hasan – fondatore e CEO di AI Results e fondatore dell’AI Humanist Movement – sottolinea che regolazione, rimborsi, responsabilità professionale e linee guida cliniche non sono ancora adeguati alla medicina predittiva. Il tema non è lontano dalla ricerca italiana: anche nel nostro Paese l’IA viene studiata per prevedere la risposta ai trattamenti e l’evoluzione dei tumori. La questione, dunque, non riguarda solo la capacità degli algoritmi di anticipare un possibile sviluppo della malattia, ma anche come il sistema sanitario debba organizzarsi per interpretare queste previsioni e trasformarle, quando appropriato, in decisioni cliniche.

4. Data center, il costo dell’intelligenza artificiale. La rapida espansione dei data center necessari a sostenere lo sviluppo dell’intelligenza artificiale sta aumentando la domanda di energia e acqua e la pressione sui territori, con possibili conseguenze anche per la salute. Nelle pagine del BMJ, Julie McNamara – direttrice per le politiche energetiche federali presso il programma Clima ed Energia dell’Union of Concerned Scientists – richiama l’attenzione sugli effetti sulle comunità che ospitano queste infrastrutture: rumore continuo, consumo crescente di acqua e maggiore ricorso ai combustibili fossili per soddisfare la domanda energetica. Il funzionamento dei data center può inoltre contribuire all’inquinamento atmosferico attraverso i generatori diesel utilizzati come fonte di alimentazione di emergenza. Secondo le stime citate nell’articolo, il consumo diretto e indiretto di acqua dei data center potrebbe più che raddoppiare tra il 2023 e il 2030, raggiungendo circa 1200 miliardi di litri l’anno. Anche la domanda energetica è in forte crescita, con il rischio di aumentare il ricorso al gas e rallentare la transizione verso fonti più pulite. Per McNamara, questi impatti non sono inevitabili: servono maggiore trasparenza, partecipazione delle comunità e regole coordinate che tengano insieme sviluppo dell’AI, salute, ambiente e costi per la collettività.

5. Mediche e IA: tra carico amministrativo e opportunità. Le donne medico potrebbero avere particolari opportunità dall’intelligenza artificiale proprio perché sono maggiormente esposte ad alcune attività amministrative e di comunicazione con i pazienti. È uno dei temi affrontati da Rochelle Walensky, docente di medicina alla Harvard Medical School ed ex direttrice dei CDC, in una puntata del podcast di JAMA+AI dedicata al possibile impatto, positivo o negativo, dell’implementazione dell’IA in ambito sanitario sulle donne medico e al perché evitare queste tecnologie non sia una risposta realistica. Walensky parte da una sua osservazione personale nei reparti clinici del Massachusetts General Hospital: le donne medico sembravano utilizzare l’IA meno dei colleghi uomini. Un’osservazione da esaminare alla luce di un altro dato discusso nel Viewpoint pubblicato su JAMA Internal Medicine da Walensky con la collega Nicole McCann, del Massachusetts General Hospital: diversi studi mostrano che le mediche trascorrono più tempo nella cartella clinica elettronica, dedicano più tempo alla documentazione e ricevono più messaggi dai pazienti, anche a parità di dimensione della lista degli assistiti e numero di visite. Secondo Walensky, inoltre, le specialità con una maggiore presenza femminile – come medicina di famiglia, medicina interna, pediatria e malattie infettive – sono tra quelle in cui l’IA potrebbe avere maggiori possibilità di affiancare il lavoro dei professionisti, più che sostituirli. Qui entra in gioco il “paradosso della produttività”: non sempre le tecnologie introdotte per rendere il lavoro più efficiente riescono effettivamente a ridurne il carico. Negli ultimi decenni la componente amministrativa della medicina è cresciuta enormemente: nel pronto soccorso, per esempio, una cartella conteneva in media 5 note nel 2006 e 359 nel 2022; tra il 2020 e il 2025 il volume dei messaggi dei pazienti è inoltre aumentato di circa due volte e mezzo. L’IA potrebbe contribuire a gestire questa crescente quantità di informazioni e attività. Ma, se l’adozione fosse effettivamente inferiore tra le donne medico, allerta Walensky, potrebbe emergere un nuovo divario: proprio le professioniste che sostengono una quota maggiore di questo carico rischierebbero di beneficiare meno degli strumenti che potrebbero alleggerirlo.