Il dibattito sull’IA in sanità ha superato la fase della pura speculazione tecnologica per entrare in una dimensione di governance e ordine metodologico. La sessione congiunta Aiic-Sirm al convegno nazionale Aiic 2026, moderata dalla presidente Sirm Nicoletta Gandolfo e Alberto Lanzani, membro del Direttivo Aiic, ha evidenziato come l’innovazione digitale richieda una visione strategica condivisa per trasformarsi in reale valore all’interno delle strutture ospedaliere.
La sfida culturale e l’approccio multidisciplinare
Ad aprire i lavori, il presidente Aiic Umberto Nocco ha sottolineato l’esigenza di mettere ordine nella valutazione di un oggetto intangibile quale è il software di IA. Il percorso comune intrapreso dalle due società scientifiche, nato sulle basi dell’Hta, punta a definire criteri rigorosi per misurare l’impatto di queste tecnologie.
Un concetto ripreso e amplificato da Nicoletta Gandolfo, che ha inquadrato l’introduzione dell’AI come una sfida prima di tutto culturale. Gandolfo ha precisato infatti che l’IA non deve essere un inserimento transitorio nella realtà quotidiana in quando i processi vanno validati sul lungo periodo, superando i nodi critici delle certificazioni e della validità scientifica.
«Un’innovazione è reale solo se traduce le competenze tecniche e cliniche in modelli equi, sostenibili e capaci di generare benefici sia per i pazienti sia per gli operatori».
Dove l’IA è già pronta: ottimizzazione del workflow
La relazione introduttiva di Marco Calandri (Università degli Studi di Torino – Sirm) ha offerto la prospettiva del medico radiologo sul concetto di prontezza dell’algoritmo. Un sistema può definirsi pronto quando il risultato che fornisce è equiparabile o migliorativo rispetto a un processo reale, nativamente integrato nel workflow, presenta una responsabilità clinica chiara e produce un impatto misurabile.
Nel riconoscimento di pattern specifici, l’IA esprime già performance eccellenti in:
- diagnostica d’urgenza e screening: identificazione di noduli polmonari, emorragie intracraniche, fratture ed embolie polmonari
- elaborazione delle immagini: ottimizzazione automatica del segnale per le misurazioni volumetriche, ambiti ormai stabilmente inseriti nella routine clinica (come dimostrato dall’ampio utilizzo di applicativi dedicati).
I dati epidemiologici e gestionali (con incremento dei volumi radiologici registrato nell’ultimo decennio) confermano che la tecnologia non mira a sostituire lo specialista. Piuttosto, si profila lo scenario in cui «il medico radiologo che usa l’IA sostituirà chi non la usa», evolvendo il ruolo del professionista in un orchestratore di molteplici tool intelligenti. Studi recenti evidenziano il passaggio dell’IA da mero strumento a trusted colleague (collega affidabile), in grado di effettuare in autonomia seconde letture, per esempio sulla radiografia del torace.
Limiti attuali: il dubbio e la radiomica
Ci sono però ambiti in cui l’IA non è ancora pronta. Il confine dell’irrisolto coincide con le capacità cognitive superiori. L’IA non è ancora pronta nel ragionamento causale, nella comprensione profonda del contesto clinico, nell’integrazione multidisciplinare e nella gestione dell’incertezza. Come evidenziato da una recente riflessione sul New England Journal of Medicine, il limite intrinseco risiede nell’incapacità della macchina di provare il dubbio scientifico.
Un caso emblematico è la radiomica. Nonostante la massiccia produzione scientifica avviata a partire dal 2012 e le elevate capacità predittive teoriche, l’impatto sulla risposta clinica in oncologia basata puramente sullo score radiomico resta non pervenuto nella pratica standard. La frontiera della ricerca si sta spostando verso l’individuazione di interazioni multiorgano e collegamenti tra distretti anatomici distanti, impossibili da intercettare con il solo ragionamento clinico tradizionale.
Infrastrutture e casi d’uso
La relazione introduttiva ha tracciato la cornice entro cui si sono sviluppati i successivi interventi tecnici del programma:
- – infrastrutture e governo del dato: l’intervento di Giuseppe Navanteri (IFO Roma) si è focalizzato sulla gestione dell’architettura informatica necessaria ad accogliere l’IA, evidenziando come la qualità del dato radiologico e la sua standardizzazione siano prerequisiti rigidi per qualsiasi applicazione computazionale
- – organizzazione del lavoro: Victor Savevski (Irccs Humanitas Research Hospital) ha analizzato l’impatto economico e gestionale dei sistemi intelligenti, misurando il valore generato in termini di contrazione dei tempi di refertazione e fluidificazione del patient flow.
I lavori si sono conclusi con una tavola rotonda – che ha visto il confronto tra Gianluca Giaconia (vicepresidente Aiic), Nicoletta Gandolfo, Marco Calandri, Giuseppe Navanteri e Victor Savevski – finalizzata a definire la roadmap per traghettare l’IA dalla fase di sperimentazione isolata a una collaborazione strutturata e transdisciplinare dentro il Ssn.
