L’AI cambia la medicina, ma serviranno più dottori: l’esperto spiega la rivoluzione

“Se penso agli sviluppi dell’intelligenza artificiale in sanità, io non ho mai visto nulla che si sia mosso così velocemente in tutta la mia vita. Bisogna comunque considerare che la diffusione della tecnologia, in generale, è molto più lenta nel settore sanitario. E questo vale anche per l’Ai. Si può avere la migliore tecnologia in circolazione, ma ci si troverà a chiedersi: perché l’adozione è così lenta?”. Per il medico radiologo Woojin Kim, Chief Strategy Officer e Chief Medical Information Officer dell’azienda Hoppr e Chief Medical Officer dell’American College of Radiology Data Science Institute, lo stesso discorso vale per l’Ai applicata alla radiologia: “Sono stati investiti miliardi di dollari, ma la sua adozione clinica è stata al momento inferiore alle aspettative, considerando l’entità degli investimenti”.

E “ci sono molte ragioni che lo spiegano”, dichiara all’Adnkronos Salute. Una – analizza Kim a margine dell’evento ‘Healthcare Informatics Connect’, promosso da Philips al Milano Luiss Hub – ha a che fare con la sfida di riuscire ad “adattare l’Ai al flusso di lavoro” degli esperti. “Prendiamo uno dei casi d’uso tipici in radiologia: la cosiddetta Narrow Ai”, cioè un sistema che esegue alcune funzioni complesse, ben determinate e per cui è stato addestrato.

“Io posso mostrare a un modello di questo tipo l’immagine di una Tac encefalo e dirà se c’è un’emorragia o no. Ma il radiologo non si limita a cercare emorragie in una Tac encefalo. Ci sono letteralmente centinaia di altri possibili reperti che tiene a mente e che sta cercando. Se si offre una soluzione di Ai che individua solo un paio di reperti, questa non si adatta al flusso di lavoro del radiologo. Se aggiunge finestre pop-up e clic aggiuntivi, non vorrò usarla. Una curiosità: negli Stati Uniti un radiologo in media usa già il mouse per 2 chilometri al giorno e fa clic oltre 5.000 volte al giorno. Quindi queste obiezioni sono comprensibili. Inoltre, a volte il più grande ostacolo siamo noi medici che, essendo così abituati al nostro modo di lavorare, non vogliamo che cambi”.

C’è poi l’ecosistema tecnologico in cui deve integrarsi l’Ai quando arriva in un ospedale. “La sanità fa ancora grande affidamento su flussi di lavoro obsoleti, inclusi fax, Cd e sistemi informativi frammentati – ragiona Kim – Aggiornare software, implementare la cartella clinica elettronica o il sistema informativo di radiologia può richiedere un investimento di tempo e risorse”. E “l’aspetto economico complessivo è una delle valutazioni su cui si basano i dirigenti che devono prendere le decisioni”. Su questo fronte è cruciale “la gestione del cambiamento. Non si tratta semplicemente di introdurre una nuova tecnologia“, osserva l’esperto. “Tanti dicono che i dirigenti che devono valutare se adottare o meno una soluzione di Ai in sanità, si preoccupano di tre cose: il ritorno d’investimento, il costo totale e gli obblighi normativi. La questione di chi paga per l’Ai, di come verrà rimborsata, è ancora aperta. E poi ci sono le questioni relative alla sicurezza del paziente e alla privacy. In generale, il contesto normativo è estremamente complesso quando si parla di sanità. Quindi, anche un caso d’uso dell’Ai davvero eccezionale si misurerà con diversi ostacoli normativi”. Questo è “il panorama attuale”, dice Kim. Un panorama che però è in evoluzione.

Dove sta andando la tecnologia? “Nel mondo dell’Ai si passa dai Llm – Large Language Model (che alimentavano per esempio ChatGpt quando è apparso per la prima volta) ai Lmm – Large Multimodal Model e a quella che è la tendenza più in voga al momento, cioè agentic Ai (basata su agenti, ndr)”, un sistema con un’autonomia ancora maggiore. “Ora dobbiamo pensare a come integrarla nel mondo sanitario”. Parlando di grandi modelli multimodali, descrive Kim, “posso dire che in radiologia si sta verificando un piccolo cambio di paradigma, ma con un impatto enorme: questi sistemi sono in grado di esaminare radiografie del torace e generare un referto che il radiologo rilegge, eventualmente modifica, e infine approva. Se mi si chiede qual è secondo me la tendenza più in voga in ambito di intelligenza artificiale e radiologia, io nel 2026 rispondo: la redazione automatica dei referti radiologici. Negli Stati Uniti è esattamente quello che sta succedendo. E cambierà radicalmente il modo in cui l’Ai verrà utilizzata in radiologia. Per quanto riguarda l’ultima evoluzione, l’Ai basata su agenti, dobbiamo cambiare la nostra infrastruttura per assicurarci di poterle permettere di realizzarsi”.

Cosa vogliono i medici dall’Ai

Oggi “il più grande trend dell’intelligenza artificiale nel settore sanitario è la tecnologia di trascrizione assistita da Ai. Immaginiamo un medico e un paziente che stanno avendo un colloquio. Il medico qualche anno fa guardava lo schermo del computer, digitando, mentre il paziente parlava. E si perdeva il contatto visivo. Ora”, con questa sorta di ‘assistente invisibile’, “il medico parla col paziente e l’Ai ascolta. Alla fine del colloquio il dottore guarda lo schermo della cartella clinica elettronica e trova il riepilogo” della visita. Molti medici “adorano questa tecnologia, perché ora possono guardare negli occhi i pazienti e tornare a essere davvero i loro medici. Il numero di visite non è poi così diverso, ma il carico cognitivo e amministrativo è effettivamente minore. E sei un medico più felice”. Questo il quadro tracciato da Kim, che è anche medico radiologo al Palo Alto VA Medical Center e, nelle vesti di imprenditore, le sue precedenti aziende di tecnologia sanitaria sono state acquisite da grandi operatori del settore.

L’esperto racconta quello che i professionisti sanitari concretamente vogliono dall’Ai e anche cosa non vogliono (come ad esempio “troppi pop-up e clic aggiuntivi”). In sintesi, un ritratto dell’assistente ideale. “Questo è il tipo di tendenza che stiamo osservando – spiega – Molte volte si sente dire: ‘L’Ai ti migliorerà la vita, ti farà lavorare più velocemente ed essere più efficiente, più produttivo’. La realtà è che i migliori casi d’uso che ho visto sono quelli in cui l’Ai ti fa sentire meno stanco, così che tu possa davvero essere medico. E lo stiamo vedendo in radiologia, ma anche in medicina generale. Spero davvero che la tecnologia arrivi a questo. C’è una convinzione diffusa che possa contribuire a ridurre il burnout dei medici”. E c’è un fattore che fa la differenza, conclude Kim: “E’ importante anche come si implementa la soluzione di Ai, non solo la tecnologia in sé”.

Il fattore umano crucuale e la profezia che non si è avverata

In principio, fu AlexNet. Nel 2012, questo modello di rete neurale vinse con la più bassa percentuale di errore la gara per sistemi di riconoscimento immagini ‘ImageNet Large Scale Visual Recognition Challenge’, “ed è allora che il mondo del deep learning è davvero cambiato. Molti hanno pensato: se l’Ai può distinguere tra gatti e cani, forse le si può mostrare l’immagine di una radiografia e chiederle: c’è un tumore ai polmoni o no?”. La pietra miliare ricordata da Kim sembrerebbe l’incipit di una storia che parla di professioni perdute, di medici in via di estinzione scalzati da super tecnologie. In realtà non è così, assicura l’esperto. E non lo è stato nonostante la ‘profezia’ di “Geoffrey Hinton, uno dei padrini…