Intelligenza artificiale in medicina: dalle promesse alle applicazioni concrete

Negli ultimi cinque anni l’intelligenza artificiale (IA) ha lasciato i confini dei laboratori informatici per entrare, spesso in maniera silenziosa, nella pratica clinica quotidiana. Non si tratta più di un tema da convegni o di prospettive lontane: molti strumenti che i medici utilizzano ogni giorno integrano già componenti algoritmiche in grado di supportare diagnosi, refertazione e decisioni cliniche. Questa trasformazione, che potremmo definire di “IA incorporata (embedded AI)”, riguarda non solo la radiologia – tradizionale terreno di sviluppo – ma sempre più frequentemente la cardiologia, l’endoscopia e la medicina interna (1,2).

Allo stesso tempo stanno emergendo nuove categorie di applicazioni che puntano a ridurre il carico burocratico e a migliorare la relazione medico-paziente: strumenti di ambient scribing che trascrivono e strutturano automaticamente i colloqui clinici (3), assistenti digitali che sintetizzano la letteratura scientifica (Clinical Knowledge Engines), fino ad arrivare a veri e propri “taccuini digitali” personalizzabili (Personal Knowledge Engines) in grado di rielaborare le linee guida o gli articoli caricati dal singolo professionista (4,5).

Per i medici di famiglia e ospedalieri della provincia di Cuneo – così come per molte realtà territoriali italiane – questi strumenti rappresentano una duplice sfida. Da un lato l’opportunità di ridurre i tempi dedicati a compiti ripetitivi e burocratici, dall’altro il rischio di delegare a sistemi opachi decisioni cliniche complesse, con problemi di responsabilità professionale e di protezione dei dati (6). Il dibattito non è quindi astratto, ma tocca da vicino la pratica quotidiana: basti pensare ai nuovi ecografi dotati di funzioni di guida automatica, già presenti in alcuni reparti cuneesi, o ai software di endoscopia che evidenziano lesioni sospette in tempo reale (2).

In questo articolo proveremo a fare chiarezza sulle applicazioni oggi realmente disponibili, evidenziando i vantaggi, i limiti e le possibili ricadute sulla medicina territoriale e ospedaliera locale.

Applicazioni pratiche di IA in medicina

1. Embedded AI: l’intelligenza nei dispositivi
   Con “embedded AI” si indicano gli algoritmi già integrati all’interno di dispositivi diagnostici o terapeutici. Un esempio classico è rappresentato dalla radiologia: le principali aziende produttrici di TAC e risonanze magnetiche includono ormai sistemi di riconoscimento automatico delle immagini, capaci di migliorare la qualità del segnale, ridurre il rumore o proporre referti preliminari (1,2).Analoghe funzioni sono state introdotte nei moderni ecografi cardiologici, che aiutano a posizionare correttamente la sonda, a calcolare volumi ventricolari e a standardizzare le misurazioni. In endoscopia, modelli già installati in alcuni ospedali piemontesi evidenziano automaticamente aree sospette durante l’esame, migliorando la sensibilità dell’operatore e riducendo la variabilità inter-osservatore (2).
   L’utilità clinica di questi strumenti è immediata: supportano il medico senza sostituirlo, riducono gli errori e aumentano la standardizzazione. Tuttavia, pongono anche interrogativi di natura medico-legale: chi risponde se un algoritmo non segnala una lesione che il medico non vede (6)?
   
   

2. Ambient Scribing: il colloquio che si scrive da solo
   Un’altra applicazione promettente è l’ambient scribing: sistemi che, attraverso microfoni e modelli linguistici avanzati, trascrivono in tempo reale la conversazione medico-paziente e la rielaborano in forma strutturata, compilando automaticamente anamnesi, esame obiettivo e talvolta anche la bozza del referto (3).Negli Stati Uniti queste tecnologie sono in rapida diffusione e diversi studi hanno mostrato come possano migliorare la qualità della relazione, liberando il medico dall’obbligo di digitare continuamente al computer (3,7). In Italia siamo ancora agli inizi: le principali applicazioni non sono integrate con le cartelle cliniche ospedaliere e trovano un uso limitato in ambito ambulatoriale privato.
   Tuttavia, la prospettiva è interessante anche per la realtà cuneese, dove la carenza di tempo nelle visite e l’eccesso di incombenze burocratiche sono spesso citati dai colleghi come cause di frustrazione e di burnout.
   
   

3. Clinical Knowledge Engines: orientarsi nella letteratura
   Uno dei problemi maggiori per il medico contemporaneo è la mole di letteratura disponibile: PubMed indicizza ogni anno un numero enorme di nuovi articoli, nell’ordine dei milioni. È materialmente impossibile per un professionista restare aggiornato senza strumenti di sintesi (4).I Clinical Knowledge Engines nascono con l’obiettivo di sfruttare i Large Language Models per facilitare la navigazione tra linee guida, revisioni sistematiche e articoli originali. Applicazioni come Tonic, Open Evidence o Clinical AI promettono di fornire risposte rapide, corredate da riferimenti bibliografici, a domande cliniche specifiche (5).Dietro queste piattaforme, tuttavia, non si nasconde una “nuova intelligenza medica”, ma piuttosto un sapiente utilizzo di prompting di sistema (system prompting): i modelli di linguaggio (ad esempio GPT-4 o GPT-5) vengono istruiti a comportarsi come se fossero assistenti clinici, fornendo risposte strutturate e corredate da citazioni (7). È importante saperlo per non sopravvalutare le loro capacità e per mantenere sempre un atteggiamento critico.
   
   

4. Personal Knowledge Engines: la conoscenza su misura
   L’ultima frontiera è rappresentata dai cosiddetti Personal Knowledge Engines. Tra questi spicca NotebookLM (Google), che permette di caricare decine di documenti personali (con limiti che possono variare in base a servizio e piano) (linee guida, articoli, appunti, presentazioni) e di interrogarli come se si dialogasse con un collega. Le risposte sono sempre corredate dai riferimenti presenti nei documenti caricati, riducendo il rischio di errori o “allucinazioni” tipiche dei modelli generalisti (4).Le potenzialità per la formazione continua sono enormi: preparare una relazione partendo da decine di articoli, sintetizzare in pochi minuti un capitolo di manuale, generare mappe concettuali o quiz di autovalutazione. Anche per i medici di famiglia della provincia di Cuneo, che spesso non hanno accesso immediato a grandi banche dati istituzionali, strumenti di questo tipo possono rappresentare un alleato prezioso. 

Tabella. Applicazioni di IA in medicina: esempi, vantaggi e limiti

 Glossario (termini informatici e meno diffusi)