Intelligenza artificiale fa 4 volte le diagnosi meglio dei medici. E ogni 2,5 mln di morti per diagnosi sbagliate. L'analisi di Remuzzi

La capacità di processare grandi volumi d'informazioni e di individuare correlazioni cliniche non sempre evidenti consente alle nuove tecnologie di affiancare i professionisti sanitari nella diagnosi e nel trattamento delle malattie. Non si tratta di sostituzione, ma di integrazione: algoritmi e sistemi predittivi stanno ridefinendo standard di accuratezza e tempestività nelle decisioni mediche.

Questo scenario, delineato dalle parole di ricercatori come Giuseppe Remuzzi e dalle ultime pubblicazioni scientifiche, pone nuove opportunità ma anche interrogativi etici, legali e pratici per la società e il personale sanitario. La centralità dell'esperienza umana resta il cardine di una sanità collaborativa che deve affrontare sfide inedite alla ricerca di nuovi equilibri.

IA vs medici: la rivoluzione delle capacità diagnostiche

Le evidenze segnalano un netto balzo in avanti degli algoritmi avanzati rispetto alle performance diagnostiche tradizionali dei medici esperti. Uno studio presentato presso il Centro congressi di Bergamo dal professor Remuzzi, e pubblicato in parte sul New England Journal of Medicine, conferma il clamoroso divario tra le diagnosi effettuate da sistemi IA e quelle di specialisti umani: a fronte di un'accuratezza diagnostica che nei medici non supera quota 20%, alcune soluzioni di orchestrazione e analisi come MAI-DxO arrivano a sfiorare l'85%. Il segreto di questi sistemi non risiede solo nella rapidità di calcolo, ma nella capacità di integrare simultaneamente dati clinici, biologici e di laboratorio, restituendo valutazioni complesse su patologie variegate. Un aspetto rilevante emerge anche dall'efficienza economica: le piattaforme avanzate orientano la scelta verso esami più mirati e meno invasivi, riducendo sprechi e costi associati a test inutili.

Nei confronti pubblicati e validati tra differenti modelli di intelligenza artificiale (come OpenAI o3, Claude 4, Gemini 2.5), spesso si è sottolineata la superiorità dei sistemi ibridi rispetto alla singola intelligenza artificiale generalista. Emerge così un nuovo paradigma in cui le tecnologie IA assumono una funzione di supporto evoluto e, mai di sostituzione totale. Il rapporto umano tra medico e paziente rimane al centro della cura, ma la collaborazione con i sistemi IA consente di ottimizzare tempi, risorse e, più di tutto, le probabilità di diagnosi corrette.

L'aspirazione a una superintelligenza medica capace di superare costantemente i livelli d'eccellenza degli specialisti si accompagna tuttavia ad ampie riflessioni su limiti, rischi e necessità di rigorosa validazione scientifica. Sfruttare queste risorse non significa smettere di indagare errori, bias o margini di miglioramento, ma definire un equilibrio tra automazione intelligente e centralità del giudizio clinico umano.

La diagnosi sequenziale e il ragionamento clinico avanzato

Tra le innovazioni più discusse emerge la diagnosi sequenziale, metodo attraverso cui l'intelligenza artificiale ricalca il processo decisionale tipico della medicina clinica reale. Rispetto ai test a scelta multipla, le piattaforme più evolute simulano un iter diagnostico che si sviluppa tramite domande guidate, prescrizione di esami e valutazione progressiva degli esiti, step dopo step. Il software MAI-DxO di Microsoft, ad esempio, ha dimostrato di ordinare e analizzare esami clinici in sequenza, adattando il percorso diagnostico alle nuove informazioni acquisite e replicando la logica dei migliori team multidisciplinari.

In questa prospettiva, il ragionamento clinico dell'IA punta a ridurre errori sistematici e bias cognitivi che spesso colpiscono anche i professionisti più esperti. Un elemento è la capacità di valutare simultaneamente centinaia di variabili cliniche e biologiche, personalizzando l'indagine sulla base della storia e delle caratteristiche del paziente. Questo approccio favorisce l'individuazione di patologie rare, diagnosi multiple o condizioni atipiche, che spesso restano escluse dai percorsi decisionali tradizionali.

Di pari passo aumenta il carattere interpretativo dei risultati prodotti dalle macchine: non più semplici “output”, ma spiegazioni articolate dell'iter che ha portato a una determinata conclusione, fornendo tracciabilità e trasparenza al medico chiamato a prendere decisioni.

Diagnosi errate e mortalità: il potenziale dell'IA

Secondo i dati più accreditati, le diagnosi sbagliate rappresentano un nodo critico della sanità globale, con un impatto misurato in 2,6 milioni di decessi all'anno. Gli errori si concentrano soprattutto in scenari acuti come i pronto soccorso, dove la pressione temporale e la presenza di sintomi aspecifici aumentano la difficoltà dei percorsi clinici.

L'integrazione di sistemi di supporto alle decisioni, noti come Computerized Diagnostic Decision Support Systems (CDDSS), ha l'obiettivo di mitigare il rischio di errore umano, non di azzerarlo. Ricerche condotte presso l'Inselspital di Berna e pubblicate su The Lancet Digital Health dimostrano come l'adozione di CDDSS nelle emergenze non abbia sistematicamente ridotto gli eventi avversi, evidenziando che l'efficacia di tali strumenti dipende dal contesto e dal livello di addestramento.

Il vero vantaggio dimostrato in svariati studi internazionali risiede nella possibilità di affiancare competenze specialistiche a capacità analitiche evolute: dove un medico rischia di fallire per bias cognitivi o limiti di tempo, l'IA offre una valutazione oggettiva, aggiornata e contestualizzata. Ma, come sottolineano le linee guida dell'OMS e della FDA, il controllo umano resta irrinunciabile per mitigare situazioni a rischio di allucinazioni digitali (informazioni false generate dal sistema) e per conservare la presa sulle scelte più delicate.

L'ibridazione fra competenza umana e sistemi IA

La letteratura avvalora il valore aggiunto delle squadre ibride composte sia da clinici che da sistemi IA. Ricercatori del Max Planck Institute e del Human Diagnosis Project hanno evidenziato che la collaborazione fra queste due componenti porta a diagnosi più accurate rispetto a team esclusivamente umani o artificiali. Gli errori commessi da persone e tecnologie intelligenti non seguono le stesse logiche, una disomogeneità che permette all'una parte di compensare lacune dell'altra. Questa complementarità sfocia nel decision making collettivo, particolarmente nei casi aperti e complessi.

Risultati affidabili emergono proprio dove la soluzione non passa da una macchina infallibile ma da una rete di cooperazione, in cui il modello umano compensa il rischio di deviazioni algoritmiche dell'IA e viceversa. Un aspetto delicato riguarda l'accettazione pratico-culturale da parte di sanitari e pazienti: la fiducia nei sistemi ibridi cresce parallelamente all'esperienza d'uso e all'efficacia, evidenziando la necessità di percorsi formativi mirati e di regole trasparenti.

Opportunità, sfide e rischi dell'IA in medicina

L'implementazione di software avanzati a supporto delle diagnosi solleva numerose questioni giuridiche, etiche e di governance. La protezione dei dati sensibili rimane una priorità assoluta: milioni di informazioni sanitarie trattate dall'IA richiedono una regolamentazione chiara e rigorosa, tanto sul piano nazionale quanto europeo, come testimoniato dalle direttive dell'AI Act UE:

• Privacy: l'uso massivo di dossier clinici digitali e dati biometrici chiede trasparenza sugli algoritmi e chiarezza nelle responsabilità di chi sviluppa, aggiorna e utilizza questi strumenti.
• Responsabilità: la catena di attribuzione degli errori in caso di diagnosi inadeguate non è ancora pienamente normata, con ampi margini di discussione tra operatori, legislatori e assicurazioni sanitarie.
• Sicurezza: la necessità di validazione clinica, supervisione costante e meccanismi anti-bias è ribadita da enti come OMS e FDA, per garantire che ogni uso clinico di IA sia tracciabile, reversibile e sempre rivedibile dal medico responsabile.

Le aziende impegnate nello sviluppo di questi sistemi condividono la missione di promuovere l'accesso equo alle risorse tecnologiche, evitando divari clinici legati a contesti regionali e sociali. Solo una collaborazione attiva tra istituzioni, clinici, tecnologi ed enti regolatori può garantire il rispetto dei diritti individuali e la riuscita dell'integrazione tra risorse digitali e salute umana.

Casi reali e applicazioni concrete dell'IA

Le sperimentazioni dell'IA nella prassi medica non sono più solo oggetto di studio, ma trovano riscontro in applicazioni ormai consolidate. Tra i casi documentati, algoritmi di vision artificiale preposti all'analisi di immagini radiologiche sono già oggi impiegati per identificare neoplasie polmonari o masse di difficile interpretazione, grazie a modelli come “Sybil”. I progressi nella medicina personalizzata hanno consentito all'intelligenza artificiale di elaborare terapie su misura, sfruttando profili genetici e storie cliniche individuali, mentre piattaforme predittive sono utilizzate per stratificare i rischi e suggerire interventi precoci in ambito cardiovascolare e oncologico:

Le esperienze raccolte dagli studi pubblicati su Nature Medicine e PNAS dimostrano che la presenza di chatbot IA in equipe cliniche porta a un incremento misurabile nella rapidità decisionale e nella coerenza rispetto alle linee guida. Tuttavia, spetta sempre al medico verificare e personalizzare le scelte, conservando il governo e la responsabilità del processo di cura.

L'orizzonte della diagnosi medica si muove tra l'ambizione di una “superintelligenza” in grado di superare costantemente i parametri umani e la necessità di una regolamentazione agile che tuteli sia medici sia cittadini. Le linee evolutive suggeriscono uno sviluppo centrato sulla collaborazione di team multidisciplinari supportati da IA trasparenti e spiegabili, seguendo il modello dei “tumor board” dove la discussione rimane prerogativa di esperti, integrando però il calcolo algoritmico.

La centralità del rapporto tra medico e paziente si rafforza: ora il professionista sanitario assume il compito di selezionare informazioni sempre più numerose e complesse, guidando il malato nella scelta consapevole. Il valore empatico ed etico dell'interazione diretta resta insostituibile: anche per questa ragione tutte le principali associazioni di categoria raccomandano che il controllo resti saldo in mano agli operatori formati, con regole chiare di supervisione.