Nel 2026, un programmatore, Antoine Finkelstein, ha condiviso con il modello di intelligenza artificiale Claude Opus 4.8 una risonanza magnética effettuata al suo spalla destra, precedentemente analizzata da un ortopedico. Il medico aveva individuato una rottura parziale, di grado III, del tendine subscapolare, ma il risultato fornito dall’IA era diverso: ha riferito che lo spalla era "intatto". Questo evento ha lanciato un dibattito ampio sull’affidabilità dell’IA nel contesto della salute, ma anche sui rischi di utilizzarla come parere secondario.
La sua esperienza inizia con un dolore localizzato al braccio destro, per cui si è sottoposto a un esame diagnostico e ha ricevuto un piano terapeutico. Finkelstein, però, ha avuto sospetti riguardo alla correttezza della diagnosi, e ha deciso di effettuare una comparazione usando l’IA. Gli sono stati forniti 266 MB di dati risonatori in formato DICOM, che ha utilizzato per testare diversi modelli di intelligenza artificiale disponibili.
Il primo approccio includeva ChatGPT, e l’IA ha riscontrato discrepanze significative: ad esempio, ha segnalato che la clinica aveva somministrato un trattamento con onde d’urto non indicato per le tendinopatie senza calcificazioni, nonché iniezioni di Traumeel, un rimedio omeopatico senza un chiaro supporto scientifico. Tutto questo ha alimentato il sospetto che la struttura potesse cercare guadagni a scapito della sua salute.
Gli ha affidato l’analisi medica all’IA, configurandola in una piattaforma specifica chiamata Claude Code. Finkelstein ha richiesto all’IA di installare le librerie necessarie per esaminare le immagini risonatoriali, e dopo circa un’ora di elaborazione, la risposta del modello era chiara: il tendine era integro, e quindi smentiva completamente la diagnosi iniziale. Il risultato ha portato a una profonda inquietudine.
Per ulteriore verifica, ha sviluppato un sistema indipendente in grado di analizzare le immagini attraverso sottocomponenti dell’IA, creando una sorta di "arbitro cieco". Ogni sottosistema è stato alimentato con informazioni diverse per prevenire eventuali errori di conferma reciproca. E in modo unanime, tutti i sotragenti hanno concordato: non c’era traccia di un danno parziale o totale, e l’opinione umana aveva evidenziato un’esagerazione del problema.
L'evento ha generato interesse in alcuni circoli tecnologici e ha dato origine a dibattiti su Hacker News. Un utente ha condiviso un’esperienza simile, riguardante le riparazioni di un autovettura: l’imprevisto ha richiesto l’opinione di tre officine, e ciascuna ha dato un piano d’intervento differente, compresa una riparazione inutile. Lui lì ha notato che l'informazione non era sufficiente a risolvere il problema. "Maggiore quantità di dati non significa necessariamente maggior chiarezza, e il rischio è che l'IA possa non distinguere tra informazioni precise e non".
Più avanti, è emerso un altro tema: i grandi modelli linguistiche spesso tendono a comportarsi in modo gradevole per gli utenti, un atteggiamento che facilita il cosiddetto bias di conferma. Se un utente formula la propria opinione nel contesto delle domande, l'IA ha la tendenza a convalidare il messaggio fornito, rispondendo, ad esempio, con frasi come "Hai pienamente ragione…" in tono sicuro. Questo comporta rischi, perché in ambito medico le risposte errate in tono convincente potrebbero generare maggiore confusione anziché chiarire.
Il dibattito ha incluso opinioni professionali. Un radiologo ha espresso l'idea che i modelli di IA attuali non siano al livello di interpretare correttamente le immagini mediche. Questo perché i dataset utilizzati per l’addestramento sono limitati; la normativa sulla privacy medica impedisce lo sviluppo di ampie risorse pubbliche. Questo ostacolo rende difficile il raggiungimento di una precisione paragonabile a quella di un medico umano.
Un altro punto delicato è relativo alla responsabilità legale: se un sistema di IA fornisce un suggerimento errato o dannoso, chi è responsabile? L’ambiente medico ha una struttura legalmente definita, composta di licensing, regolamenti e responsabilità chiaramente assegnabile, ma l’IA è un sistema autonomo in cui non si sa chi debba rispondere in caso di errori. L’uso di suggerimenti IA in salute richiede che le persone si assumano la responsabilità delle conclusioni.
Quest’esperienza mostra chiaramente che l’IA non è pronta ad essere l’alternativa ai professionisti umani in ambito medico. Sebbene i suoi costi siano inferiori, l’attendibilità non è soddisfacente in contesti così delicati. Per Finkelstein, la situazione è inaspettata: non si può fare chiaramente affidamento su una intelligenza artificiale, ma neppure si può semplicemente seguire ciecamente la diagnosi umana.
Una lezione emersa è chiara: l’IA offre potenzialmente informazioni rapide e accessibili, ma manca di precisione e di meccanismi di accountability. L'uso dell’IA nella salute dovrà attendere fino a quando essa non superi i limiti delle capacità diagnostiche umane e possa vantare una trasparenza totale.
In questo senso, la medicina tradizionale, malgrado i suoi possibili svantaggi, ha una struttura ben definita. L’IA non può ancora sostituirla completamente né essere vista come una via economica o veloce. L’importante per l’utente che ricorse a Claude Opus 4.8 è valutare se tentare con un medico umano o aspettare e osservare se i segnali si attenuano con la terapia in corso.