Gentile Direttore,
la febbre si presentava in forma sfumata: non tale da destare immediata allerta clinica, ma sufficiente a mantenere il paziente in uno stato di attesa inquieta e il medico di medicina generale in una condizione di dubbio operoso. Nella medicina generale, infatti, l’incertezza non è un’eccezione, bensì un elemento strutturale. I quadri iniziali sono spesso instabili e soggetti a modificazioni nel tempo; i sintomi risultano aspecifici; i dati clinici sono frequentemente incompleti; inoltre, interferenze psicologiche e dinamiche relazionali contribuiscono a rendere più complessa la valutazione.
Al termine della visita, ho riformulato il caso con il supporto dell’AI, non ponendo domande dirette sulla causa della febbre né sulla terapia da adottare. Ho invece richiesto alla macchina di propormi domande volte a esplorare la fase divergente del ragionamento clinico: interrogativi utili a verificare se avessi considerato tutte le ipotesi plausibili e a delineare con maggiore precisione lo spazio decisionale entro cui muovermi. Solo successivamente ho formulato una domanda più mirata, coerente con l’approccio insegnatomi dai colleghi più esperti: individuare la giusta domanda prima di cercare la risposta.
Questa esperienza mi ha confermato che, soprattutto nei casi complessi in cui gli automatismi diagnostici risultano inadeguati, è la qualità della domanda a determinare la qualità del ragionamento. Nel dialogo con l’AI, le domande finalizzate alla fase convergente possono orientare il processo decisionale verso le ipotesi più plausibili, ridurre — senza negarla — l’incertezza clinica, mitigare il rischio mediante decisioni incrementali e proporzionate, e definire criteri di monitoraggio puntuali.
Analogamente, nei casi di dolore cronico refrattario o nelle colonpatie funzionali, situazioni in cui la sola prospettiva organica è insufficiente, l’AI può sostenere un ragionamento di tipo bio-psico-sociale se interrogata secondo un approccio socratico. L’utilizzo di prompt maieutici (“fammi qualche domanda per chiarire meglio”) consente all’AI, e in primo luogo al medico stesso, di esplorare, chiarire e mettere in discussione le proprie linee di pensiero, rendendo visibile ciò che il ragionamento rischia di trascurare. Si configura così un’applicazione clinica della maieutica socratica, in cui il dialogo serve a generare comprensione, non a forzare conclusioni.
Nella Scuola Regionale di Formazione in Medicina Generale della Regione Veneto recentemente abbiamo introdotto dei percorsi formativi sull’uso dell’AI: una scelta ancora rara, basandosi su quanto si legge in letteratura. Non ci concentriamo tanto sull’algoritmo, ma lavoriamo soprattutto sulla capacità di formulare domande generative utilizzando un approccio socratico, appunto il così detto “Socrating”.
Stefano Ivis
Referente della Scuola Regionale di Formazione Specifica in Medicina Generale del Veneto e del ComplexAI Lab
Alessandro Bolzonella
Referente della Scuola Regionale di Formazione Specifica in Medicina Generale del Veneto e del ComplexAI Lab
Mario Casini
Referente della Scuola Regionale di Formazione Specifica in Medicina Generale del Veneto e del ComplexAI Lab
Massimo Conte
Referente della Scuola Regionale di Formazione Specifica in Medicina Generale del Veneto e del ComplexAI Lab
Vivaldo Moscatelli
Referente della Scuola Regionale di Formazione Specifica in Medicina Generale del Veneto e del ComplexAI Lab
Riferimenti essenziali
- Schön DA. Il professionista riflessivo. Per una nuova epistemologia della pratica professionale. 1983.
- Topol EJ. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books, 2019.
- Sturmberg JP, Martin CM (eds). Handbook of Systems and Complexity in Health. Springer, 2013.
- Moscatelli V., The (real) art of Socrating. Il prompt è morto, viva il prompt. https://www.bit.ly/socrating