Quando l’IA entra in ospedale: cosa cambia per medici e pazienti

Nella mia rubrica precedente ho esaminato l’IA in ambito medico da una prospettiva imprenditoriale, concentrandomi sulle opportunità che crea per le aziende tecnologiche. Ma, al di là del potenziale di innovazione e dell’apertura di nuovi mercati, c’è una questione più fondamentale: che differenza faranno queste tecnologie per i medici che le utilizzano e per i pazienti che dipendono da loro? In fondo, il vero valore dell’innovazione medica risiede nella sua capacità di migliorare la qualità e l’accessibilità delle cure. E sto già osservando cambiamenti notevoli nel modo in cui queste possono essere erogate.

Come la carenza di personale sta accelerando l’automazione in ambito sanitario

Conosco un imprenditore la cui azienda fornisce personale medico temporaneo agli ospedali, compresi infermieri che sostituiscono i dipendenti abituali quando non sono disponibili. Ci si potrebbe aspettare che un’attività del genere prosperi in un contesto di persistente carenza di personale. Ma, a suo dire, anche le aziende specializzate nel fornire operatori sanitari faticano a trovare un numero sufficiente di persone qualificate.

Da decenni gli ospedali devono fare i conti con la carenza di medici e infermieri. Formare nuovi professionisti sanitari richiede tempo e risorse considerevoli. La formazione medica, soprattutto negli Stati Uniti, può essere troppo costosa e gli anni di studio e tirocinio clinico comportano pressioni finanziarie e psicologiche. Anche dopo aver completato la formazione, i medici devono affrontare livelli elevati di stress, enormi responsabilità e costanti vincoli di tempo.

Di conseguenza, a volte i medici hanno solo pochi minuti da dedicare a ciascun paziente per esaminarne i sintomi, valutare le possibili diagnosi, prescrivere esami e completare la documentazione necessaria. Questo carico di lavoro aumenta il rischio di errori e lascia meno tempo per un’interazione significativa con i pazienti. E assumere altro personale, da solo, difficilmente risolverà il problema.

Per questo ritengo che la persistente carenza di personale e l’aumento dei carichi di lavoro saranno tra i principali fattori che accelereranno l’adozione dell’IA negli ospedali.

A cosa possono affidarsi i medici con l’IA?

Una delle applicazioni più concrete consiste nei sistemi basati sull’IA che registrano le conversazioni tra medici e pazienti, riassumono i colloqui e aiutano a preparare la documentazione clinica. Invece di dedicare tempo alla stesura manuale degli appunti, i medici ricevono una bozza che possono controllare e modificare secondo necessità.

I vantaggi di questi strumenti stanno già emergendo nella pratica clinica. Uno studio dell’aprile 2026 pubblicato su JAMA ha esaminato i dati di oltre 8.500 professionisti sanitari in cinque centri medici statunitensi. Tra i medici che hanno adottato strumenti di documentazione basati sull’IA, il tempo dedicato alle note cliniche è diminuito in media del 10%, pari a circa 16 minuti per ogni periodo di otto ore di visite programmate ai pazienti.

Un altro esempio è la diagnosi differenziale assistita dall’IA. Immaginiamo un paziente che si reca dal medico con un dolore addominale e una sensazione di formicolio sul lato sinistro. Un sistema di IA può analizzare i sintomi e suggerire diverse possibili cause da approfondire. Non formula la diagnosi definitiva, ma può aiutare il medico a stilare un elenco di ipotesi, individuare le domande da porre in seguito e determinare quali esami potrebbero essere necessari. Ho già incontrato strumenti di questo tipo nella pratica e mi aspetto che diventino una componente abituale delle visite mediche. Tuttavia, sollevano anche una preoccupazione legittima: affidarsi ai suggerimenti generati dall’IA potrebbe gradualmente indebolire la capacità dei medici di ragionare in autonomia? Quando un sistema offre risposte già pronte, è allettante fidarsi delle sue conclusioni, soprattutto quando il tempo a disposizione per ciascun paziente è già così limitato.

C’è però anche un altro aspetto. Per quanto esperto, un medico ha inevitabilmente conoscenze plasmate dai pazienti che ha curato, dalla formazione ricevuta e dalle ricerche che ha avuto il tempo di studiare. I modelli di IA, invece, possono potenzialmente individuare schemi in quantità molto più ampie di dati medici, compresi casi che un singolo medico potrebbe non aver mai incontrato.

L’IA come partecipante alla ricerca medica

Un altro ambito che merita di essere approfondito riguarda i casi clinici complessi, sui quali anche gli specialisti più esperti faticano a raggiungere un consenso. Oggi questi casi vengono spesso presentati nelle riunioni di discussione dei casi clinici, durante le quali i medici esaminano i risultati degli esami, discutono le possibili diagnosi e concordano i passi successivi del trattamento. Non credo che l’IA sostituirà queste discussioni, ma immagino che possa diventarne un’ulteriore partecipante.

Ci sono diversi modi in cui questo potrebbe avvenire. Più modelli potrebbero analizzare autonomamente lo stesso caso clinico, consentendo ai medici di confrontare i risultati e individuare i punti di accordo o disaccordo. In alternativa, un unico modello potrebbe esaminare il caso più volte adottando approcci analitici diversi, per poi riunire i risultati e sottoporli a revisione.

Naturalmente, il fatto che i modelli di IA concordino non significa necessariamente che siano giunti alla conclusione corretta. I modelli potrebbero condividere gli stessi limiti, basarsi su dati di addestramento simili e commettere i medesimi errori. Ciononostante, queste prospettive aggiuntive potrebbero aiutare a individuare incongruenze, segnalare patologie rare o suggerire ipotesi che i medici non avevano inizialmente preso in considerazione.

Perché l’IA possa contribuire in modo significativo a discussioni di questo tipo, tuttavia, deve considerare più dei risultati di singoli esami. Ho potuto constatare in prima persona l’importanza di questo contesto clinico più ampio nel nostro lavoro presso Keymakr. In un progetto di diagnostica per immagini ecografica, abbiamo lavorato con scansioni degli stessi pazienti effettuate in momenti diversi, a volte più volte al giorno e poi di nuovo a distanza di mesi. Il team ha annotato le strutture anatomiche e segnalato possibili anomalie da sottoporre all’esame degli specialisti, tenendo conto dei cambiamenti emersi nel corso degli esami a cui era stato sottoposto il paziente.

Piccole incongruenze nelle singole cartelle cliniche potevano influire sull’interpretazione dei dati correlati nell’intero arco temporale coperto dal set di dati. Questa esperienza ha ribadito quanto sia importante considerare nel suo insieme la storia clinica di un paziente, un aspetto altrettanto essenziale per i sistemi di IA che supportano decisioni cliniche complesse.

Risonanza magnetica senza apparecchio per la risonanza magnetica

Ma formulare una diagnosi non significa soltanto interpretare correttamente i dati medici. Significa anche poter disporre di quei dati. Uno dei progetti di IA più interessanti in cui mi sia capitato di imbattermi è stato presentato a un evento consigliato da Scryon e affronta proprio questa sfida. Un team di sviluppatori ha trovato un modo per ricostruire, con l’intelligenza artificiale, un’immagine simile a una risonanza magnetica utilizzando scansioni di tomografia computerizzata (TC) e diverse radiografie effettuate da angolazioni specifiche. L’idea è nata da un problema molto concreto: gli apparecchi per la risonanza magnetica sono costosi e i pazienti a volte devono aspettare mesi per sottoporsi a un esame, mentre gli apparecchi radiografici e i tomografi computerizzati sono molto più diffusi.

Per ora, la tecnologia è incentrata sul ginocchio, anche se gli sviluppatori stanno valutando di estenderla ad altre articolazioni. Secondo il team, le immagini ricostruite dovrebbero fornire informazioni paragonabili a quelle delle scansioni di risonanza magnetica, sebbene le tecniche di imaging si basino su principi fisici diversi.

Invece di sviluppare un altro costoso dispositivo medico, il team utilizza tecnologie di imaging già esistenti e ne amplia le possibilità grazie alla ricostruzione delle immagini basata sull’IA.

Una sala operatoria senza confini

Mi aspetto che, nel prossimo decennio, l’IA intervenga in una forma o nell’altra in almeno la metà di tutti i processi medici. Mi riferisco a un’ampia gamma di applicazioni: dall’analisi dei dati medici e dal supporto diagnostico alla guida fornita dall’IA in tempo reale durante gli interventi chirurgici.

A più lungo termine, queste tecnologie potrebbero anche contribuire a superare gli ostacoli economici, organizzativi e persino geografici all’accesso alle cure. Immaginate un chirurgo esperto negli Stati Uniti che assiste a un intervento su un bambino in India, oppure uno specialista in India che contribuisce a curare un paziente in Canada, senza essere fisicamente presente in sala operatoria. I progressi nella robotica, nei sistemi di controllo a distanza e nell’assistenza chirurgica basata sull’IA potrebbero rendere possibili scenari di questo tipo.

Stiamo già assistendo ai primi passi in questa direzione. Per esempio, la piattaforma Proximie consente ai chirurghi di collegarsi da remoto alle sale operatorie, osservare gli interventi in tempo reale e collaborare con il personale medico presente sul posto. Il sistema supporta video in diretta, comunicazioni vocali e annotazioni visive, e utilizza l’IA per analizzare i dati sui flussi di lavoro chirurgici. Questo non significa che i chirurghi possano già eseguire qualsiasi intervento a distanza, ma consente agli specialisti di condividere le proprie competenze e fornire indicazioni senza trovarsi nella stessa sala operatoria.

Credo che migliorare l’accesso alle cure debba essere uno degli obiettivi centrali dell’IA applicata alla medicina. Ciò che conta è capire se queste tecnologie possono contribuire a ridurre i tempi di attesa per gli esami diagnostici, alleggerire il carico di lavoro dei professionisti sanitari e lasciare ai medici più tempo da dedicare ai pazienti. In definitiva, misurerei il successo dell’IA in ambito medico in base a quante persone in più riesce a mettere nelle condizioni di ricevere cure tempestive e di alta qualità.