L’intelligenza artificiale è ormai entrata nei processi sanitari, dalla diagnostica alla gestione organizzativa. La sfida non riguarda più solo le capacità degli algoritmi, ma dati, valutazione, responsabilità, governance, fiducia e capacità delle aziende sanitarie di integrare l’innovazione nella pratica quotidiana.
Che l’intelligenza artificiale rappresenta un’innovazione significativa nella sanità è ormai chiaramente accettato. Per molto tempo il dibattito si è concentrato su ciò che l’AI sarebbe stata in grado di fare. Oggi la risposta è chiara: l’intelligenza artificiale supporta la ricostruzione delle immagini diagnostiche, assiste l’interpretazione clinica, contribuisce alla prioritizzazione dei casi, automatizza attività amministrative e alimenta sistemi sempre più sofisticati di supporto decisionale.
Nella diagnostica per immagini, in particolare, l’AI ha progressivamente abbandonato la sfera delle promesse tecnologiche per diventare una vera componente clinica quotidiana. In pochi anni, il passaggio da un concetto sperimentale a una pratica consolidata testimonia la velocità con cui questa tecnologia sta integrandosi nella sanità.
Eppure, con l’aumento delle potenzialità degli algoritmi, emerge un nuovo interrogativo: se la sanità ha trascorso anni a chiedersi se l’AI fosse davvero efficace, oggi si chiede se il sistema sia davvero pronto ad assorbirla in maniera sostenibile e responsabile.
La sfida non riguarda quindi più solo le potenzialità tecnologiche dell’intelligenza artificiale, ma il suo governo, la sua integrazione operativa e l’accettazione da parte della comunità scientifica e dei cittadini. Questo è un cambio di paradigma molto significativo: quando una tecnologia entra nei processi reali, non è più soltanto una questione di avanzamento tecnologico. Diventa una questione di dati, di organizzazione, di responsabilità, di valutazione e di fiducia.
Una delle lezioni più importanti emerse nell’evoluzione dell’intelligenza artificiale in sanità riguarda la natura stessa degli algoritmi. Gli algoritmi non sono né onniscienti né onnicompetenti: la loro affidabilità è diretta funzione della qualità dei dati su cui vengono addestrati. Per questo motivo, il tema centrale è oggi rappresentato non tanto dagli algoritmi quanto dai dati sanitari.
L’importanza strutturale dei dati sanitari
Con l’adozione del Regolamento EHDS (Reg. UE 2025/327), l’Unione Europea ha iniziato a costruire una delle infrastrutture digitali in sanità più ambiziose mai concepite. L’obiettivo è chiaro: creare un sistema interoperabile che permetta la continuità assistenziale tra i Paesi membri, oltre al riutilizzo sicuro dei dati per la ricerca, l’innovazione e lo sviluppo di soluzioni basate su intelligenza artificiale.
Questa infrastruttura non ha però soltanto un lato tecnologico. La questione è ormai diventata anche culturale e sociale. La privacy e il consenso sono tematiche centrali, ma non più gli unici pilastri. Oggi emerge con forza l’esigenza di costruire una fiducia collettiva attraverso una governance robusta dei dati.
In questo quadro, l’adattamento della sanità e dell’innovazione tecnologica diventano questioni complesse e interconnesse. Un sistema in cui i dati sono incompleti, poco rappresentativi o non interoperabili potrebbe non soltanto limitare la precisione degli algoritmi, ma anche alimentare disuguaglianze di accesso agli strumenti della diagnosi e alla cura. Per questa ragione, la governance del dato è diventata una componente critica per la costruzione di un ecosistema digitale sanitario funzionale e sicuro.
I dati non sono l’unico aspetto
Insieme all’importanza dei dati, entra in gioco in modo rilevante il concetto di valore. Nei recenti anni, le pubblicazioni scientifiche dedicate alle applicazioni dell’AInella sanità si sono moltiplicate esponenzialmente. Molti algoritmi sono in grado di dimostrare performance eccellenti in contesti controllati. Ma la realtà clinica ha dimostrato che questa efficacia sperimentale non si traduce sempre in efficacia operativa.
Più in generale, il Regolamento europeo sull’Health Technology Assessment (Reg. UE 2021/2282), introdotto con applicazione progressiva fino al 2030, rappresenta una tappa cruciale nella valutazione delle tecnologie sanitarie. Tuttavia, l’intelligenza artificiale introduce sfide particolari.
Gli algoritmi in questo caso non sono statici. Sono dinamici, interagiscono con i processi clinici, evolvono nel tempo e generano impatti non solo sui livelli di efficacia, ma anche sull’organizzazione, la produttività e la qualità complessiva del servizio. Per il sistema sanitario europeo, l’adattamento delle valutazioni tradizionali (HTA) alle nuove tecnologie digitali e all’AI richiede uno sforzo metodologico rilevante.
Una transizione epocale per la sanità
Per un lungo periodo l’intelligenza artificiale è stata presentata come una tecnologia del futuro – qualcosa da attendere, sperare e immaginare. Oggi invece essa si trova sempre più in mezzo alla pratica quotidiana, nei processi di cura e di gestione. Questo passaggio epocale implica una transizione complessa.
Il dibattito promosso da FIAOSO ha chiaramente evidenziato che la sfida non è oggi dimostrare il potenziale dell’AI, bensì costruire aziende sanitarie in grado di integrare questa innovazione nei propri processi. Non è più questione di semplice adozione tecnologica: si tratta di una ristrutturazione organizzativa capace di governare il cambiamento.
L’efficacia dell’AI non dipenderà solo dalla precisione degli algoritmi. La vera forza sta invece nella capacità del sistema di integrare questa tecnologia all’interno dei propri processi. Le aziende sanitarie si confrontano quotidianamente con problemi strutturali: carenza di personale, aumento della domanda sanitaria, complicazioni organizzative, e crescente necessità di sostenibilità economica. In questo contesto, la tecnologia potrebbe rappresentare una leva decisiva per sbloccare risorse, velocizzare i processi e ridurre i tempi di attesa.
Gli algoritmi cambiano i processi
L’implementazione di un algoritmo in un contesto sanitario non riguarda raramente solo operazioni puramente tecnologiche. Molto spesso, modifica flussi operativi, priorità decisionali e responsabilità organizzative. Questo aspetto rivela il ruolo cruciale non solo dell’ingegneria clinica, ma anche della governance di lungo termine.
Molti sistemi di AI vengono percepiti come supporti organizzativi, ma in realtà possono influire direttamente sul contesto clinico. Ad esempio, un sistema capace di prioritizzare i casi e di gestire l’ordine di intervento non è soltanto uno strumento di ottimizzazione. Modifica in senso indiretto i processi decisionali. Questo non