L’IA in sanità può generare fino a 22 miliardi di risparmi. L’analisi e le proposte dell’Anaao

Il dibattito sulla sanità italiana resta da anni bloccato su un’unica domanda: quanti miliardi in più servono? È una domanda legittima, ma non è la sola che dobbiamo porci. Il Documento Programmatico di Finanza Pubblica ha già quantificato il divario tra risorse assegnate e previsioni di spesa: 6,8 miliardi nel 2026, 7,6 miliardi nel 2027, oltre 10,7 miliardi nel 2028. Un divario che peserà soprattutto sulle Regioni, costrette a scegliere tra tagliare servizi e aumentare le tasse. Ma è altrettanto vero che con le risorse attuali si potrebbe fare molto di più, se solo smettessimo di sprecare.

L’Ocse stima che nei Paesi avanzati circa il 20-25% della spesa sanitaria sia inefficiente: ricoveri evitabili, esami duplicati, farmaci inappropriati, una burocrazia che divora il tempo di medici e dirigenti sanitari. In Italia, su 137 miliardi di spesa pubblica, l’inefficienza strutturale vale 21-30 miliardi l’anno. Non è un’accusa: è una diagnosi, e come ogni diagnosi richiede una terapia tempestiva.

L’Osservatorio Sanità Digitale (2025) stima in 21,7 miliardi di euro il risparmio annuo ottenibile grazie a un’implementazione sistematica dell’intelligenza artificiale in sanità, capace di ridurre i costi totali del 10-15%.

Chiedere più fondi senza affrontare come vengono spesi è come riempire una vasca con il tappo aperto. Prima gli sprechi, poi il resto.

Semplificando una discussione molto complessa, potremmo suddividere le cause dell’inefficienza in tre macro aree.

1) Circa il 30% dei ricoveri è inappropriato

Un ricovero su tre in area medica potrebbe essere gestito in day hospital o in assistenza territoriale. Un ricovero ordinario costa in media 3.000-4.500 euro: sul territorio, 8-10 volte meno.

2) Il 40% del tempo clinico se ne va in burocrazia

I medici ospedalieri trascorrono in media il 40% del loro tempo in cartelle cliniche, referti, comunicazioni: tempo sottratto ai pazienti. Non è un caso, è la conseguenza di decenni di frammentazione regionale, sistemi informativi non integrati, assenza di incentivi reali all’efficienza. Anche su questo l’IA può incidere: nel 2026 gli investimenti in sanità digitale in Italia hanno raggiunto i 3 miliardi di euro, +12% in tre anni. A questo si aggiunge la spesa per farmaci e dispositivi medici, dove acquisti centralizzati, uso appropriato dei generici e monitoraggio dell’aderenza terapeutica potrebbero valere, secondo le stime Agenas, 7-9 miliardi recuperabili.

3) Circa il 15% degli esami è duplicato o inappropriato

Senza interoperabilità tra i sistemi informativi, un paziente rischia di ripetere gli stessi esami spostandosi da un ospedale all’altro. Il Fascicolo Sanitario Elettronico è la soluzione, ma stenta a decollare: lo usa stabilmente solo il 41% dei cittadini. Eppure la transizione è già in corso: il 26% degli specialisti e il 46% dei medici di medicina generale usa già strumenti di IA generativa nel lavoro quotidiano. Non siamo al punto zero: siamo nel punto di svolta tra sperimentazione e normalità operativa.

Dove l’IA già funziona: quattro ambiti concreti

1) Diagnostica per immagini

Algoritmi di deep learning analizzano radiografie, Tac e risonanze con precisione superiore al 95%, individuando, sempre sotto la supervisione del medico radiologo, tumori di pochi millimetri. Il tempo medio di lettura di una mammografia si riduce del 30%. Il trial statunitense Prism e uno studio danese su 50.000 screening hanno documentato +25% nella rilevazione di tumori invasivi e -15% di richiami inutili.

2) Diagnosi precoce oncologica

Il tumore del colon-retto ha una sopravvivenza a 5 anni del 14% se diagnosticato in stadio avanzato. Con diagnosi precoce assistita da sistemi ad alta tecnologia, quel tasso sale fino al 90%. E la differenza economica è enorme: curare un tumore in stadio I costa 8-12 volte meno che in stadio IV, e il paziente torna produttivo. La diagnosi precoce non è solo un valore umano: è un investimento con un ritorno misurabile.

3) Gestione delle cronicità e monitoraggio remoto

Il 24,5% della popolazione italiana ha più di 65 anni. Diabete, ipertensione, scompenso cardiaco restano le principali cause di ricoveri ripetuti. Il telemonitoraggio IA, affiancato al personale medico, ha ridotto i ricoveri per scompenso cardiaco del 38%.

4) Prevenzione degli errori clinici e sicurezza del paziente

Sistemi di alert nelle cartelle cliniche elettroniche segnalano interazioni farmacologiche, dosaggi anomali, valori fuori soglia. Ogni errore clinico grave costa al Ssn 40.000-80.000 euro tra contenziosi, trattamenti aggiuntivi, perdita di produttività. Ridurre gli errori del 20-30% in un sistema da 137 miliardi significa centinaia di milioni risparmiati.

Un investimento iniziale in professionisti e IA si traduce in risparmio netto in pochi anni. Ma i sistemi vanno governati, controllati, non subiti, delimitando con chiarezza responsabilità e campi di azione. Questo è il punto che nessuno può permettersi di derubricare.

Quanto si risparmia, davvero

Le stime più rigorose parlano chiaro: un’implementazione sistematica e controllata dell’IA in sanità può ridurre i costi complessivi del sistema del 10-15%. Su una spesa sanitaria italiana totale, pubblica e privata, di circa 185 miliardi di euro, il risparmio potenziale oscilla tra 18,5 e 27 miliardi l’anno, con una stima media intorno ai 21,7 miliardi.

Area	Risparmio stimato
Diagnostica per immagini (refertazioni, velocizzazione, meno falsi positivi)	2,5–4 mld €
Diagnosi precoce tumori (stadio I vs stadio IV)	3-5 mld €
Gestione cronicità / telemonitoraggio (–30/–40% ricoveri evitabili)	4-6 mld €
Automazione burocrazia clinica (1 settimana/anno per medico = 107.000 giornate restituite alla cura)	1,5-2 mld €
Ottimizzazione acquisti e farmaci (procurement, analisi consumi, aderenza terapeutica)	2-3 mld €
Riduzione errori clinici e contenziosi (alert intelligenti, sicurezza prescrittiva)	1-2 mld €
Medicina preventiva e previsione epidemie (screening predittivi, popolazioni a rischio)	1,5-2,5 mld €
Totale stima risparmio potenziale annuo (Italia)	~15-24 mld €

Nota metodologica: le stime di risparmio sono proiezioni basate sulla letteratura internazionale, adattate al contesto italiano. I benefici reali dipendono dalla velocità di adozione, dalla qualità dei dati, dall’interoperabilità dei sistemi e dalla formazione del personale. Non sono numeri automatici: sono obiettivi raggiungibili solo con una politica industriale deliberata.

L’Italia ha le competenze. Manca la strategia.

Il nostro non è un Paese impreparato sul fronte dell’IA sanitaria. Il problema non è la capacità tecnica: è la frammentazione, è l’assenza di una regia nazionale. Alcune eccellenze esistono già e funzionano:

IRCCS Sant’Orsola, Bologna – IA per la diagnosi precoce dei noduli polmonari, tempi di refertazione ridotti e sensibilità diagnostica superiore alla lettura umana tradizionale.

Algoritmo Sphinks – Sviluppato da ricercatori italiani negli Stati Uniti: machine learning per identificare tumori e costruire terapie personalizzate su dati molecolari individuali.

Ospedale Molinette, Torino – IA per i tumori del fegato, misurazione automatica dei margini chirurgici in tempo reale, meno reinterventi e migliori esiti oncologici.

Il rischio è che questi progetti restino isole di eccellenza in un arcipelago frammentato. Manca uno strato infrastrutturale nazionale capace di connetterli: dati interoperabili, standard comuni, una governance dell’IA sanitaria che non sia lasciata alle singole aziende ospedaliere.

Buona notizia: il Pnrr ha già finanziato gran parte della base digitale, infrastrutture VNA/PACS, piattaforme di telemedicina, sistemi di integrazione regionale. L’IA è la naturale evoluzione di questi investimenti, che altrimenti rischiano di restare sottoutilizzati per mancanza del software capace di valorizzarli. E va detto con chiarezza: la sanità digitale è un settore industriale strategico, un’opportunità di crescita che non possiamo permetterci di sprecare, specialmente nelle aree geograficamente più svantaggiate. Il progetto Telemo, sviluppato dal Cnr di Pisa con la Regione Toscana, è un esempio concreto: una piattaforma IA per lo screening del melanoma e la diagnosi precoce, pensata per raggiungere anche chi non ha accesso immediato a un dermatologo.

C’è poi una dimensione che raramente entra nel dibattito sindacale e politico sulla sanità: la sanità digitale è un settore industriale ad alto valore aggiunto. Le startup europee di IA e healthcare hanno raccolto oltre 10,7 miliardi di dollari nel 2025, +24,4% sull’anno precedente. Questo mercato esiste e cresce. La domanda è se l’Italia vuole essere protagonista o restare cliente passivo.

Un Ssn che adotta l’IA in modo sistematico non è solo un sistema che risparmia: è un laboratorio per tecnologie vendibili nel mondo. I dati clinici aggregati del Ssn, una delle più grandi banche dati sanitarie d’Europa, potrebbero alimentare, con governance etica e consenso informato, modelli tra i più affidabili al mondo. Finlandia e Danimarca hanno già costruito su questo un vantaggio competitivo riconosciuto a livello globale.

Ogni euro investito in IA sanitaria ha un potenziale moltiplicatore: risparmio interno, sviluppo industriale, occupazione qualificata, export tecnologico. È la differenza tra guardare alla tecnologia come un costo o come un investimento strategico.

Ma su un punto non si transige: privacy e governance dei dati. L’uso dei dati sanitari per addestrare sistemi di IA richiede un quadro normativo robusto, consenso informato, anonimizzazione, controllo pubblico. Il modello da seguire non è la cessione al privato, ma l’infrastruttura pubblica condivisa, sul modello della European Cancer Imaging Initiative, dentro un piano nazionale IA sanitaria 2026-2030 con obiettivi misurabili: un documento di pianificazione vincolante, target di adozione per ogni area (diagnostica, cronicità, burocrazia), un finanziamento dedicato, e un’agenzia tecnica di coordinamento che non sia l’ennesimo tavolo consultivo.

Il Fascicolo Sanitario Elettronico deve diventare l’unica cartella del paziente, alimentata in modo uniforme da tutto il Servizio Sanitario Nazionale. Nessun ospedale può continuare ad adottare sistemi proprietari o incompatibili: senza un’architettura condivisa, ogni applicazione di IA continuerà a funzionare a silos, vanificando gli investimenti fatti.

Le ore liberate dall’IA appartengono ai professionisti, non ai tagli

Qui il ragionamento cambia registro, ed è il punto decisivo. Perché i benefici dell’IA si traducano in un vantaggio reale per chi lavora nel Ssn, serve ripensare l’organizzazione del lavoro, introducendo una gestione contrattata delle “ore liberate dall’intelligenza artificiale”, da reinvestire in parte nella qualità della cura e nella formazione, in parte nel tempo personale per i professionisti.

Se l’IA riduce il carico burocratico dei medici di una settimana l’anno, quella settimana non deve diventare un pretesto per aumentare i carichi o tagliare personale. Deve essere riconosciuta contrattualmente come tempo dedicato alla formazione, alla ricerca, al contatto con i pazienti. E soprattutto va restituita al tempo personale, che è ormai la vera moneta difficile da quantificare di ogni professionista, il vero perno del nuovo welfare del lavoro sanitario.

È compito del sindacato presidiare questo meccanismo, perché l’innovazione tecnologica non si trasformi nell’ennesimo taglio mascherato da efficienza, ma diventi un’opportunità reale di miglioramento per tutti. Per questo ogni investimento in IA sanitaria dovrebbe essere accompagnato da una valutazione di impatto economico e da un audit pubblico annuale, affidato a una commissione mista, tecnici, sindacati, rappresentanti dei pazienti, Corte dei Conti, che pubblichi ogni anno quanto è stato davvero risparmiato e dove quelle risorse sono state reinvestite per curare meglio e far lavorare meglio chi cura. Perché la trasparenza resta il miglior antidoto contro un efficientismo sterile, fine a sé stesso.

Serve infine un polo nazionale, sul modello del francese Health Data Hub o del Danish Health Data Authority, che raccolga e governi i dati sanitari nazionali per addestrare algoritmi IA in modo sicuro, da mettere a disposizione del Ssn a costo marginale zero. I benefici industriali e fiscali restano pubblici, non si privatizzano. Sembra un’utopia, soprattutto se continuiamo a pensare in termini di “guadagno” per pubblico (poco) e privati (tanto). Ma forse la vera sfida è proprio questa: smettere di ragionare solo in termini di guadagno economico massimo e spesa minima, e cominciare a ragionare in termini di guadagno di salute attraverso gli investimenti.

Per tornare alla domanda iniziale: non è solo una questione di quanti soldi servono per salvare il Ssn. È soprattutto una questione di come si usano le risorse che già abbiamo.

Nell’epoca dell’alta tecnologia, investire sul personale può sembrare andare controcorrente. Non lo è: è l’unica visione davvero futuristica, l’unica coerente con un vero efficientamento del sistema. Avere professionisti formati, riconosciuti e messi nelle condizioni di lavorare bene significa governare i processi, non subire un progresso che altrimenti ci investirà.

La potenza del nuovo, senza controllo, è nociva. Con il controllo dei professionisti, non contro di loro, può diventare la leva che salva il Servizio Sanitario Nazionale. Non aspetteremo che qualcun altro lo decida al posto nostro. Noi la nostra parte la faremo: a difesa dei pazienti, dei colleghi e di una sanità pubblica che vale ancora la pena di salvare.