Oltre l’hype: come la rivoluzione italiana dell’IA nell’imaging medico rischia di deragliare

Negli ospedali di tutta Italia, l’intelligenza artificiale sta trasformando silenziosamente il modo in cui i medici interpretano radiografie e scansioni. Ma sotto la promessa di diagnosi più rapide e intelligenti si addensa una tempesta: la mancanza di coordinamento nazionale e di una validazione rigorosa minaccia di trasformare questo salto tecnologico in una scommessa costosa e diseguale - capace di minare sia la fiducia sia la qualità dell’assistenza ai pazienti.

L’intelligenza artificiale è entrata nelle sale di radiologia italiane con la promessa di rivoluzionare la diagnostica - offrendo supporto algoritmico nella lettura delle immagini, nel triage e persino nella previsione degli esiti dei pazienti. Sulla carta, la tecnologia è pronta a sconvolgere routine decennali, riducendo potenzialmente gli errori e rendendo più efficiente l’assistenza. L’AI Act dell’Unione Europea e il Regolamento sui Dispositivi Medici (MDR) fissano un’asticella elevata per sicurezza e trasparenza, imponendo una supervisione rigorosa sui sistemi ad alto rischio, soprattutto in ambito sanitario.

Ma nella pratica, l’adozione dell’IA nell’imaging medico in Italia è un mosaico. Ospedali, autorità sanitarie regionali e centri specializzati avviano i propri progetti pilota, spesso con competenze tecniche notevoli ma raramente con standard condivisi. Non esiste un quadro nazionale per confrontare l’efficacia clinica, l’impatto economico o persino per verificare se uno strumento utilizzi davvero metodi avanzati di IA come il deep learning. Questo vuoto genera un pericolo reale: il cosiddetto “AI washing” consente ai fornitori di commercializzare software convenzionali come IA, intorbidendo le acque per acquirenti e professionisti.

Il risultato? Soluzioni validate su popolazioni straniere, con protocolli non replicabili e scarsa verifica, si insinuano nel sistema. Senza un approccio coordinato, strumenti di qualità inferiore possono passare inosservati, prosciugando fondi pubblici e alimentando scetticismo tra i clinici. Peggio ancora, aumentano le disparità regionali, perché alcune aree adottano IA robusta mentre altre restano indietro o vengono ingannate da un marketing abile.

Gli esperti sostengono che non si tratti semplicemente di conformità normativa. Certificazioni di sicurezza e marcature CE confermano standard di base, ma non dimostrano il valore clinico di uno strumento, la sua costo-efficacia o la sua adeguatezza al contesto sanitario unico dell’Italia. Il rischio: la promessa dell’IA viene sprecata da sperimentazioni frammentate e prodotti non comprovati, mentre le vere svolte si perdono in un mare di clamore.

La soluzione? Una task force nazionale e multi-stakeholder per definire criteri di validazione tecnica e clinica, garantire un esame economico ed etico e condividere le migliori pratiche. L’Italia vanta clinici e ingegneri di livello mondiale - ciò che manca è un sistema capace di valorizzarne le competenze, assicurando che i benefici dell’IA raggiungano ogni paziente, non solo pochi fortunati.

Man mano che i sistemi di IA si moltiplicano e i bilanci sanitari si restringono, la domanda non è più se questa rivoluzione avverrà - ma se l’Italia la guiderà, o ne sarà guidata. Senza un’azione urgente per coordinare, validare e governare, il Paese rischia non solo investimenti sprecati, ma anche una perdita di fiducia in una tecnologia che potrebbe salvare vite. In sanità, innovazione deve significare più di nuovi gadget: deve significare un’assistenza più intelligente, più sicura e più equa per tutti.

WIKICROOK

• AI Act: L’AI Act è un regolamento dell’UE che stabilisce regole per un uso sicuro ed etico dell’intelligenza artificiale, inclusi standard per sistemi ad alto rischio come i deepfake.
• Regolamento sui Dispositivi Medici (MDR): L’MDR è una legge dell’UE che garantisce la sicurezza e la conformità dei dispositivi medici, incluso il software, attraverso requisiti rigorosi di approvazione e monitoraggio.
• AI washing: L’AI washing consiste nell’esagerare le funzionalità di IA in prodotti o servizi di cybersecurity per attirare attenzione, spesso fuorviando i clienti sulle reali capacità.
• Health Technology Assessment (HTA): L’HTA valuta in modo sistematico l’impatto delle tecnologie sanitarie per guidare le decisioni in ambito sanitario, considerando fattori clinici, economici e sociali.
• Deep learning: Il deep learning è un tipo di IA in cui i computer usano reti neurali per apprendere da grandi quantità di dati, imitando il cervello umano nel riconoscere schemi e prendere decisioni.