L’IA è già più intelligente del tuo medico. Questo non è l’aspetto spaventoso.

Volevo che l’IA risolvesse questo problema.

Per anni ho raccolto anamnesi dei pazienti complesse, risultati di laboratorio, sintomi, farmaci, integratori e anni di trattamenti precedenti, cercando di trasformare il tutto in un piano clinico coerente. Un caso complesso poteva richiedere tre ore di ricerca prima che mi sentissi a mio agio nel decidere cosa fosse importante e cosa dovesse succedere dopo.

Poi è arrivata l’IA generativa.

Il mio primo pensiero è stato ovvio: finalmente.

Ecco una tecnologia che poteva elaborare enormi quantità di informazioni, richiamare conoscenze mediche più velocemente di quanto io potessi fare e trovare relazioni all’interno di un caso in pochi secondi. Ho supposto di poter mettere un’interfaccia intorno a un modello linguistico di grandi dimensioni, costruire qualche salvaguardia e aver finito.

Sarebbe stato favoloso.

Invece, circa un anno e 1 milione di dollari dopo, con ingegneri del software che lavoravano accanto a un team clinico di 10 persone, stavamo ancora costruendo.

Il motivo non era che l’IA non fosse sufficientemente intelligente.

Era che l’intelligenza era la parte facile.

Stavo ottenendo un’IA diversa da quella di tutti gli altri.

Il mio primo indizio è arrivato prima che provassimo a costruire software clinico. Continuavo a notare che potevo usare lo stesso strumento di IA di qualcuno seduto accanto a me e ottenere risultati notevolmente migliori.

Perché? Perché non mi limitavo a porre una domanda e prendere la risposta. Stavo discutendo con essa. Mettere in discussione le ipotesi. Fornire contesto che le era sfuggito. Correggere errori. Cambiare l’inquadratura. Spingere di nuovo.

Tecnicamente stavamo usando lo stesso strumento. Funzionalmente, non lo eravamo.

È un problema interessante di produttività quando si scrive una pubblicità. Diventa un problema molto diverso quando il soggetto è un paziente.

Ho lavorato con più di 70.000 professionisti. Qualcuno può essere brillante dal punto di vista clinico e comunque essere pessimo nel ricavare informazioni utili da un sistema di IA.

Sono competenze diverse.

Eppure gran parte della risposta del settore sanitario sembra essere che i clinici debbano semplicemente imparare l\”ingegneria dei prompt\”.

Non credo sia una soluzione seria.

Se un sistema di IA clinica richiede a un medico di diventare un ingegnere di prompt sofisticato prima che il sistema sia affidabile, non abbiamo ancora terminato di costruire l’IA clinica.

La ricerca ci sta già dicendo qualcosa di scomodo.

Uno studio clinico randomizzato del 2024 ha assegnato a 50 medici casi diagnostici difficili. I medici che hanno usato GPT-4 hanno ottenuto il 76 percento; quelli che hanno usato risorse convenzionali hanno ottenuto il 74 percento, una differenza che non era statisticamente significativa.

Poi i ricercatori hanno testato GPT-4 da solo. Ha superato i medici che usavano risorse convenzionali di 16 punti percentuali.

Uno studio del 2026 in Pakistan ha scoperto che, dopo una formazione sulla alfabetizzazione dell’IA, i medici con accesso a GPT-4o hanno ottenuto il 71.4 percento nel ragionamento diagnostico rispetto al 42.6 percento di quelli che usavano risorse convenzionali. Ma GPT-4o da solo ha ottenuto l\’82.9 percento.

Una replicazione del 2026 nel Regno Unito ha riscontrato un divario simile: i medici hanno migliorato con l’assistenza dell’IA ma hanno ancora ottenuto più di 21 punti percentuali in meno rispetto al LLM che lavorava da solo.

Dobbiamo dire ad alta voce la parte scomoda: su alcuni compiti cognitivi, l’IA è già migliore di un singolo medico.

Nessun medico ha letto tutti i lavori medici o può ricordare ogni disturbo oscuro, interazione o controindicazione nel momento in cui diventa rilevante. L’IA può elaborare enormi quantità di informazioni senza stancarsi o esaurire il tempo.

L’errore è presumere di poter mettere un chatbot davanti a un clinico e considerare il problema risolto.

Il problema è la casella di prompt vuota.

Immagina che un medico carichi un referto di laboratorio contenente 150 marcatori e chieda a un LLM di analizzarlo.

La risposta ritorna splendidamente organizzata. C’è solo un problema: il sistema non ha estratto in modo affidabile tutti i 150 marcatori.

I LLM generici non sono parser deterministici di documenti clinici. Tabelle e referti medici densi rimangono particolarmente difficili. La parte spaventosa è che la risposta finale potrebbe non annunciare: \”Ho perso 50 valori.\”

Potrebbe semplicemente rispondere.

Ora immagina che uno di quei valori mancanti richieda una valutazione medica urgente.

Questa non era una limitazione intorno a cui ero disposto a costruire. Abbiamo dovuto creare una tecnologia di estrazione diversa per gestire i referti di laboratorio in modo accurato e riproducibile prima che la parte di ragionamento clinico del nostro sistema potesse iniziare.

Quell’esperienza ha cambiato il mio modo di pensare alla sicurezza dell’IA.

Un sistema di IA che ti dice che non sa qualcosa è scomodo.

Un sistema di IA che non sa cosa ha perso è pericoloso.

Perché abbiamo dovuto costruire oltre l’IA

Il lavoro clinico richiede qualcosa che l’IA generativa a scopo generale non fornisce naturalmente: la riproducibilità.

Avevamo bisogno di controllo su ciò che entrava e su ciò che usciva: estrazione affidabile dei dati, conoscenza strutturata, logica deterministica, salvaguardie e sistemi capaci di valutare le relazioni nella storia di un paziente.

Il ragionamento clinico non è semplicemente una raccolta di istruzioni se‑allora. Talvolta il segnale è la relazione tra diversi marcatori. Talvolta cinque riscontri individualmente insignificanti diventano importanti se considerati insieme.

Gli ingegneri hanno bisogno di regole abbastanza esplicite da poter essere eseguite dal software. I clinici trascorrono la vita a dire: “Sì, tranne…”.

La biologia umana è piena di eccezioni, modificatori, contesto e spiegazioni concorrenti. A volte, costruire il sistema sembrava che un gruppo comunicasse in lingua dei segni mentre l’altro parlasse Klingon.

La risposta non è mai stata “IA” o “non IA”. Era capire esattamente dove ciascuna dovesse collocarsi.

L’IA può leggere il grafico. Gli umani possono leggere l’ambiente.

Usata correttamente, l’IA può ampliare la memoria di un clinico, accelerare la ricerca, far emergere possibilità insolite e riconoscere schemi attraverso enormi quantità di informazioni.

Questo sembra sempre meno una sostituzione del professionista e più la costruzione di uno bionico.

Ma il paziente non è una vignetta clinica.

Un professionista sente l’esitazione prima della risposta. Nota quando la storia cambia. Impara che un paziente tende abitualmente a minimizzare i sintomi mentre un altro riferisce ogni sensazione al massimo dell’intensità. Sa quando “sto bene” chiaramente non significa bene.

Quell’informazione potrebbe non esistere mai nel grafico.

L’interazione umana nella medicina non è semplicemente uno strato piacevole che aggiungiamo dopo che la macchina ha svolto il lavoro intellettuale. È un’altra fonte di dati clinici.

L’IA può leggere il grafico. Gli umani possono leggere l’ambiente.

I migliori sistemi clinici avranno bisogno di entrambi.

Smetti di chiederti se l’IA sostituirà il medico

Stiamo ponendo la domanda sbagliata.

Il futuro non apparterrà necessariamente all’azienda con il chatbot più intelligente o il modello di base più avanzato. L’innovazione importante sta sempre più avvenendo intorno al modello: come le informazioni vengono catturate e verificate, quali conoscenze sono fornite, cosa il sistema è autorizzato a dedurre, dove i controlli deterministici prendono il sopravvento e dove un umano deve rimanere nel ciclo.

L’intelligenza grezza sta diventando abbondante.

I sistemi affidabili per applicare quell’intelligenza sono molto più difficili da costruire.

E non dovremmo risolvere questo problema chiedendo a ogni clinico di diventare un sviluppatore di IA amatoriale. La complessità dovrebbe risiedere nella tecnologia, non nel prompt del medico.

Il medico del futuro non batterà l’IA nella memoria. Questa competizione sta già diventando inutile.

Invece, dovremmo costruire sistemi che forniscano ai clinici la memoria, la potenza di elaborazione e il riconoscimento di pattern della macchina, preservando al contempo il contesto, il giudizio, lo scetticismo e la connessione umana del professionista.

Chiamiamo questo il professionista bionico.

Sospetto che i pazienti lo chiameranno alla fine con qualcosa di molto più semplice.

Il loro medico.