Quando l’intelligenza artificiale sarà più intelligente dei medici, saremo pronti a ripensare la sanità?

Gentile direttore,
mentre l’Europa discute di come regolare l’intelligenza artificiale in medicina, gli Stati Uniti hanno già deciso di cambiarle nome. Il 29 settembre 2026 Donald Trump ha firmato un ordine esecutivo che impone a tutte le agenzie federali di sostituire “intelligenza artificiale” con “Super Intelligence” (SI), sostenendo che il termine descrive meglio capacità che, a suo dire, vanno “ben oltre la semplice imitazione dell’intelligenza umana”. La mossa non è solo lessicale: è accompagnata da una Super Intelligence Force guidata dal direttore dell’intelligence nazionale Jay Clayton, con il compito di redigere entro 120 giorni un rapporto su rischi e opportunità della SI e sulle responsabilità del governo federale. Nello stesso periodo, il segretario alla Salute Robert F. Kennedy Jr. ha dichiarato che l’IA può offrire un secondo parere “molto più informato di qualsiasi medico del Paese”, scatenando la reazione compatta delle principali società mediche americane, che hanno ribadito che i medici devono restare al centro delle decisioni cliniche. La “superintelligenza” di Trump, insomma, non è solo una sfida tecnica: è già una sfida politica, lessicale e istituzionale.

I progressi reali, al di là del rebranding, aprono comunque una fase nuova. Nel giugno 2025 Microsoft ha presentato il sistema MAI-DxO, che ha raggiunto un’accuratezza fino all’85,5% su casi clinici complessi pubblicati sul New England Journal of Medicine, contro una media di circa il 20% di un gruppo di medici esperti, pur in condizioni non completamente sovrapponibili. Nell’ottobre 2026, uno studio su Science ha riportato un’accuratezza dell’83,2% per il sistema artificiale e del 36,1% per i medici con accesso a risorse informative; su casi di pronto soccorso, rispettivamente 80,3% e 46,8%. Non erano visite su pazienti reali, ma valutazioni su casi ricostruiti: i risultati non dimostrano una superiorità generale dell’IA, ma segnalano che in alcuni compiti complessi di ragionamento diagnostico i sistemi artificiali possono già superare professionisti esperti.

La domanda più interessante, però, è un’altra: se l’IA diventasse stabilmente più accurata dei medici, avremmo automaticamente una medicina migliore? E una sanità migliore? La risposta non è scontata. La qualità dell’assistenza non dipende solo dalla competenza di chi formula una diagnosi, ma anche dalla tempestività degli interventi, dalla continuità delle cure, dal coordinamento tra professionisti, dalla disponibilità delle risorse e dall’accesso ai servizi. Un sistema sanitario può avere ottime competenze diagnostiche e continuare a produrre diagnosi tardive, interruzioni terapeutiche e disuguaglianze nell’accesso. Avere la conoscenza corretta non significa automaticamente saperla trasformare in assistenza efficace.

È qui che l’IA potrebbe produrre un cambiamento importante: ricostruire la storia clinica di una persona, anticipare complicanze, individuare interventi appropriati, favorire il coordinamento tra territorio, specialisti e ospedale, analizzare dati epidemiologici e ambientali per la prevenzione. Il valore della tecnologia non starebbe solo nella superiorità rispetto al singolo professionista, ma nella capacità di migliorare il funzionamento complessivo del sistema.

Questi esempi mostrano una distinzione fondamentale: la capacità di prevedere un problema non coincide con la capacità, né con la responsabilità, di risolverlo. Un algoritmo può identificare con precisione dove aumenterà la domanda di assistenza e suggerire come distribuire risorse, ma decidere quali bisogni prioritizzare, quali livelli di assistenza garantire e quali compromessi accettare non è una questione matematica: è una responsabilità sanitaria, istituzionale e sociale.

C’è poi il rischio dell’equità. Una medicina tecnologicamente più avanzata non è automaticamente più equa. Le prestazioni dell’IA dipendono dalla qualità dei dati, dalle popolazioni su cui i sistemi vengono sviluppati e validati, dalle infrastrutture e dalla capacità delle organizzazioni di integrarli nei percorsi assistenziali. Se alcune popolazioni sono poco rappresentate nei dati, gli algoritmi possono essere meno affidabili proprio nei gruppi più vulnerabili; se solo le strutture più avanzate adottano questi strumenti, il divario tra territori e gruppi sociali può ampliarsi.

Per questo dovremmo porci domande diverse: non solo quanto sia accurata una diagnosi, ma quanti pazienti ricevano davvero un trattamento appropriato; non solo quanto rapidamente un algoritmo riconosca una patologia, ma quanto tempo passi prima che il sistema intervenga; non solo quanto un modello riduca i costi, ma quali conseguenze produca su qualità ed equità. Servono studi sugli esiti reali: mortalità evitabile, complicanze, qualità della vita, disuguaglianze di salute.

La seconda questione delicata è la responsabilità. Se un sistema artificiale suggerisce una diagnosi diversa da quella di un gruppo di specialisti e, sulla base delle evidenze, risulta più accurato, chi deve avere l’ultima parola? La risposta non può essere una contrapposizione tra medico e algoritmo. Servono modelli di collaborazione in cui le capacità artificiali siano usate criticamente, le decisioni restino verificabili e le responsabilità siano chiaramente definite. La medicina non consiste solo nel riconoscere una malattia: una scelta terapeutica può essere scientificamente appropriata ma non corrispondere alle preferenze di una persona. L’IA potrà rappresentare meglio queste preferenze, ma comprenderle non equivale ad avere il diritto di decidere al posto del paziente.

Ne deriva anche una trasformazione della formazione professionale. I futuri medici non dovranno conoscere meno medicina, ma avranno bisogno di basi scientifiche solide per valutare criticamente le raccomandazioni, riconoscere quando un modello può sbagliare e capire quando un risultato non è applicabile a un paziente. Dovranno interpretare l’incertezza, assumersi responsabilità e coltivare il valore del dubbio. Il rischio più sottile di un’IA molto competente non è solo che commetta errori, ma che la sua apparente autorevolezza ci induca a rinunciare al giudizio. Un sistema che nella maggior parte dei casi ottiene risultati migliori degli esseri umani non diventa per questo infallibile. E se una macchina riconoscerà prima una malattia, prevenirà una complicanza o individuerà una terapia migliore, sarà un successo della medicina, non una sconfitta dei medici.

Se è vero che la sfida non sarà insegnare alle macchine a essere più intelligenti dei medici, è altrettanto vero che la partita si giocherà sulla governabilità. A chiusura di questo ragionamento, vanno aggiunte alcune dimensioni che rischiano di restare implicite ma che decideranno se l’IA in sanità sarà un progresso reale o solo un’accelerazione delle disuguaglianze.

La prima è la sostenibilità economica. Un sistema di IA avanzato non è un software che si installa e funziona: richiede interoperabilità dei dati, infrastrutture computazionali, formazione, adattamento dei flussi di lavoro e manutenzione. I costi nascosti, soprattutto integrazione e change management, possono superare largamente le stime iniziali e, in contesti con risorse limitate, sottrarre finanziamenti a interventi di provata efficacia. La valutazione economica non è un accessorio tecnico: è parte della valutazione etica.

La seconda è la memoria dei fallimenti. La storia recente mostra che sistemi presentati come rivoluzionari possono rivelarsi fragili quando passano dal laboratorio alla corsia, perché i dati cambiano, i flussi di lavoro resistono e gli operatori si adattano in modi imprevisti. La prestazione su un benchmark non predice il comportamento in un sistema reale. Accanto alla domanda “quanto è accurato un modello?”, dobbiamo porre quella più scomoda: “che cosa succede quando lo si inserisce in un’organizzazione che non è stata progettata per lui?”.

La terza è la responsabilità regolatoria e la cybersecurity. In Europa l’AI Act e i regolamenti sui dispositivi medici introducono requisiti per i sistemi ad alto rischio, ma la loro applicazione è ancora in fase di assestamento, soprattutto per algoritmi che apprendono e cambiano nel tempo. A questo si aggiunge un rischio che non riguarda solo la privacy ma la sicurezza clinica: manipolazione degli algoritmi, avvelenamento dei dati, attacchi a dispositivi medici controllati da IA o ransomware possono compromettere direttamente la sicurezza dei pazienti. Un’IA più potente senza cybersecurity adeguata non è un progresso: è una nuova vulnerabilità sistemica, e le strutture con meno risorse sono le più esposte.

La quarta è la dimensione ambientale. Addestrare e usare modelli su larga scala ha un costo energetico e idrico significativo; il consumo elettrico dei data center potrebbe quasi raddoppiare entro il 2030. Un sistema sanitario che adotta l’IA per migliorare la salute individuale ma contribuisce alle emissioni e alla crisi climatica compromette la salute pubblica a lungo termine. Non è un argomento contro l’IA, ma a favore di una sobrietà algoritmica: non ogni problema clinico richiede un modello di frontiera; a volte modelli più leggeri, addestrati su dati locali e eseguiti su infrastrutture esistenti, producono benefici comparabili con un’impronta molto minore.

La quinta riguarda il co-design e l’interoperabilità. Il coinvolgimento precoce di pazienti e caregiver rende i sistemi più orientati ai bisogni reali e meno a metriche astratte, ma resta limitato. Senza standard condivisi, inoltre, i dati restano frammentati e l’IA rischia di funzionare solo in silos verticali, riproducendo le disuguaglianze esistenti. Chi decide quali dati contano, quali esiti si misurano e quali compromessi sono accettabili non è una questione tecnica: è una scelta organizzativa, politica e sociale.

Il punto non è soltanto se l’IA diventerà più intelligente dei medici. Il punto è se sapremo trasformare quella capacità in un sistema sanitario più giusto, accessibile e umano. La misura più importante del nostro progresso non sarà quanto intelligenti saranno diventate le macchine, ma quanto sapremo governarne costi, rischi, limiti e disuguaglianze senza rinunciare alla responsabilità delle nostre scelte. Perché una sanità non diventa migliore semplicemente perché dispone di tecnologie più avanzate: diventa migliore quando riesce a prevenire malattie, ridurre sofferenze evitabili, garantire continuità assistenziale e offrire opportunità di salute indipendentemente dalle condizioni economiche e sociali delle persone.

Francesco Branda
Unità di Statistica Medica ed Epidemiologia Molecolare, Università Campus Bio-Medico di Roma