Nel sistema sanitario italiano, l’intelligenza artificiale sta entrando con forza, promettendo diagnosi più rapide, ambient scribing, e una gestione più personalizzata delle terapie. Il tutto però non garantisce da sé un’esperienza migliore per i pazienti. Per sfruttare veramente il potenziale dell’AI, serve una visione precisa che integri la tecnologia nei percorsi di cura esistenti, piuttosto che aggiungerla in modo esterno o a nodi isolati. L’obiettivo finale non è solo migliorare singoli aspetti, ma accompagnare la nascita di un modello di sanità basato sull’esperienza del paziente.

Dal paziente al centro all’esperienza al centro

Nel primo articolo di questa serie, abbiamo evidenziato il divario tra le performance cliniche del sistema italiano e l’effettiva esperienza vissuta da chi attraversa questi percorsi. Molti pazienti cronici, in particolare, si ritrovano ad orchestrare da soli il proprio iter di cura. Il risultato è un aumento del carico emotivo, organizzativo e informativo. Questo fenomeno è stato definito “patient effort”. Una transizione necessaria, quindi, è passare da una sanità “patient-centric” a una effettivamente “experience-driven”, dove la qualità del percorso non dipende solo dal risultato, ma anche dalla capacità del sistema di sostenere, accompagnare e trasformare l’intera esperienza.

Ruolo dell’AI in sanità

L’AI sta già contribuendo a migliorare diverse dimensioni del percorso di cura. Per esempio, nello screening mammografico, lo studio PRAIM ha mostrato un aumento del 17,6% dei casi rilevati grazie al supporto dell’intelligenza artificiale. Anche in campo psichiatrico, gli strumenti AI stanno offrendo un supporto costante a pazienti affetti da disturbi cronici. Le evidenze però si rivelano più forti quando i modelli si integrano in maniera non frammentata, non sostituiscono, ma migliorano i percorsi esistenti.

Le possibilità di AI non si limitano al settore clinico: si estendono al monitoraggio costante, alla gestione della relazione medico-paziente, alla personalizzazione dei consigli terapeutici. Tuttavia, l’efficacia non è automatica: essa emerge solo quando l’AI si integra in maniera coesa, non quando è adottata come strumento isolato.

Governance e regolamentazioni: chi controlla l’intelligenza artificiale?

Le principali istituzioni di settore stanno lavorando per garantire che l’AI non abbia impatto negativo. I principi EMA-FDA del 2026 per il “good AI practice” richiedono uno sviluppo umanocentrico by design, insieme a una rigorosa governance basata su criteri di dati. Il tutto mira a bilanciare l’innovazione con la sicurezza, il rispetto della privacy e la trasparenza. L’AI Act europeo, d’altra parte, punta ad un modello “human-centric and trustworthy”, garantendo la protezione dei diritti fondamentali, della salute e della sicurezza.

Sebbene queste regole condivide siano importanti, non sono sufficienti per assicurare un utilizzo positivo. “Human-centric” non deve rimanere un aspetto formale: deve diventare un criterio attivo di progettazione. Se l’intelligenza artificiale si colloca in un sistema già frammentato, rischia di ottimizzarlo nella sua frammentazione, anziché migliorare il percorso complessivo. La governance deve quindi andare oltre l’esecuzione tecnica verso un controllo attivo e progettuale.

Retrieval-Augmented Generation e fiducia

L’uso di Retrieval-Augmented Generation (RAG) sta emergendo come una solida soluzione per migliorare la affidabilità e la rilevanza del supporto fornito dall’AI. RAG permette di collegare i modelli generativi a fonti esterne selezionate, come le linee guida cliniche, garantendo maggiore precisione nelle risposte. Questi modelli, tuttavia, devono essere soggetti a valutate su accuratezza, consistenza, tracciabilità e contesto. In particolare, quando l’AI viene utilizzata come base per istruzioni cliniche, serve una verifica costante da parte di esperti.

Gli ambienti di lavoro sanitario richiedono soluzioni che siano non solo veloci ma anche verificabili. In questo senso, modelli spiegabili e verificabili, come i Small Language Models, sono un passo in avanti. Per il paziente e il medico, l’esperienza ha un aspetto non solo estetico, ma anche di fiducia e contestualizzazione. Un sistema che non è verificabile non è affidabile: e uno non affidabile compromette la qualità dell’esperienza.

I benefici possibili dell’intelligenza artificiale

I potenziali benefici dell’AI in sanità possono essere distinti in tre direttrici fondamentali:

1. Ricostruzione di una conoscenza continua del paziente, utile per percorsi personalizzati;

2. Supporto dinamico alle decisioni cliniche, arricchite da dati contestuali e aggiornati;

3. Rafforzamento del coinvolgimento del paziente, migliorando la sua autonomia e la sua comprensione del trattamento.

Queste tre direttrici però vanno integrate in maniera non frammentaria. La loro efficacia dipende dal contesto complessivo in cui vengono applicate.

AI e frammentazione

L’intelligenza artificiale, a differenza dei presupposti tecnologici, non ha una funzione neutra. Inserita in un contesto frammentato, essa ne moltiplica le inefficienze. L’efficacia dell’AI come amplificatore del valore dipende da come le soluzioni vengono integrate nei percorsi preesistenti. Se il sistema è già diviso in compartimenti, l’AI non lo salva: lo rende più efficiente ma non necessariamente migliore.

Per questo, la governance umana rimane un fattore indispensabile. L’AI non è una soluzione automatica: se non accompagna una riforma strutturale, rischia di perpetuare il malato.

L’importanza dell’ambiente di lavoro

Gli strumenti come ambient scribing (sistemi che registrano la visita per generare report) sono in aumento e sembrano ridurre il burnout dei medici. Lo studio su NEJM AI mostra che questi strumenti, se ben integrati, riducono il tempo di scrittura e permettono al medico di dedicare di più alla conversazione con il paziente. Tuttavia, questo vantaggio esiste solo in ambienti ben strutturati.

Anche gli assistenti conversazionali e gli strumenti a base di Large Language Models offrono valore, ma devono essere sostenuti da una chiara governance. Solo una soluzione ben integrata può produrre benefici per il paziente. Questo richiede una collaborazione tra esperti tecnologici e sanitari.

Prospettive del futuro

Ai giorni nostri si registra una maturità crescente tra il contesto normativo e la tecnologia disponibile. L’evoluzione di entrambi sta permettendo un uso più scalabile e verificabile dell’intelligenza artificiale in sanità.

La chiave sta nel trasformare questa disponibilità in un impatto concreto: il paz