AI in sanità, Ocse: tutti la usano, ma sono pochi i Paesi che sono pronti a portarla davvero a sistema

L’intelligenza artificiale in sanità non è più una prospettiva futuribile. È già realtà. Ma il problema, oggi, non è tanto l’avvio delle sperimentazioni quanto la loro capacità di diventare politica pubblica, pratica clinica diffusa e leva organizzativa stabile. È questo il messaggio centrale del nuovo rapporto Ocse Scaling Artificial Intelligence in Health, che mette in fila opportunità, ritardi e priorità per i sistemi sanitari dei Paesi membri. 

Il dato che colpisce di più è il contrasto tra diffusione e maturità: l’AI è usata in ambito amministrativo nel 100% dei Paesi Ocse, ma il passaggio a un vero scale-up nazionale resta molto limitato; per esempio, nelle applicazioni di imaging medico si ferma al 10%. Secondo il report, il potenziale dell’AI non si sta ancora esprimendo pienamente a causa di fondamenta informative frammentate, politiche non allineate e barriere strutturali e di governance che ne frenano la scalabilità. 

L’Ocse non minimizza i rischi: dati distorti, problemi di privacy e sicurezza, scarsa trasparenza, deficit di supervisione, fino al timore di disintermediazione del lavoro e depersonalizzazione dell’assistenza. Ma aggiunge un punto politico rilevante: anche l’inazione è un rischio. Per questo il nodo non è scegliere tra accelerazione e prudenza, bensì trovare un equilibrio tra velocità del mercato, cultura sanitaria del “do no harm” e capacità di arrivare davvero a tutta la popolazione. 

Per uscire da questa impasse, il rapporto propone un AI in Health Policy Checklist costruito su quattro pilastri. Il primo è quello degli “abilitatori”: qualità e uso dei dati, strumenti per far passare l’AI dai progetti pilota alla diffusione, competenze professionali e capacità tecniche. Il secondo riguarda i “guardrail”, cioè obiettivi comuni, monitoraggio e supervisione. Il terzo punta sul coinvolgimento reale di cittadini, professionisti e industria. Il quarto è l’adozione di un’AI affidabile e degna di fiducia. In tutto, il framework si articola in nove aree di policy e 42 domande guida per aiutare i decisori a individuare i punti ciechi delle proprie strategie. 

La prima grande questione è quella dei dati. Senza dati utilizzabili, interoperabili, rappresentativi e protetti, l’AI non può funzionare in modo efficace. L’Ocse richiama esplicitamente i principi FAIR – findable, accessible, interoperable, reusable – e indica come pratica emergente la creazione di autorità nazionali per i dati sanitari o strutture equivalenti, capaci di garantire conformità normativa e, insieme, disponibilità di dataset sicuri e di qualità. 

Accanto ai dati servono però regole operative per portare l’AI fuori dalla logica del pilotaggio permanente. L’Ocse cita tra le pratiche promettenti lo sviluppo di model cards, strumenti utili a certificare trasparenza, accountability e conformità delle soluzioni nei contesti reali. Ma insiste anche su procurement, valutazione delle tecnologie, sandbox regolatorie e dispositivi di sorveglianza post-market: tutti passaggi indispensabili se si vuole evitare che l’adozione avvenga in modo episodico e disomogeneo. 

Non meno decisivo è il tema delle competenze. Il rapporto sottolinea che una forza lavoro sanitaria preparata è condizione necessaria per l’adozione e l’uso continuativo dell’AI, tanto nei ruoli clinici quanto in quelli di back office. Allo stesso tempo servono infrastrutture tecniche sicure, interoperabili e adattive – capacità computazionale, connettività, storage, integrazione con i sistemi informativi sanitari – per consentire un utilizzo affidabile degli strumenti lungo l’intero percorso di cura e di analisi. 

La fotografia comparata dei Paesi Ocse restituisce un quadro ancora molto incompleto. Solo il 18% ha una strategia o un piano d’azione nazionale specifico all’incrocio tra AI e salute; solo il 18% dispone di un organismo di oversight dedicato; il 24% ha avviato un adeguamento dell’health technology assessment per includere l’AI; appena l’11% ha aggiornato le linee di procurement; il 29% ha un approccio nazionale per migliorare l’uso dell’AI nella forza lavoro sanitaria; e solo il 3% ha una legislazione nazionale specifica sull’AI in sanità. 

Per questo l’Ocse individua alcune priorità immediate: rafforzare gli organismi di supervisione, integrare l’AI nei processi di HTA, sviluppare sandbox regolatorie dedicate, aggiornare il procurement pubblico e investire sulle competenze del personale sanitario. In parallelo, il report insiste molto anche sul coinvolgimento pubblico: la fiducia, spiega, non nasce solo dalla performance tecnica, ma dalla trasparenza, dalla responsabilità e dalla visibile inclusione delle voci dei cittadini lungo il ciclo di vita dell’AI. Diversi Paesi stanno sperimentando assemblee pubbliche e piattaforme di engagement proprio per costruire una governance più democratica dell’innovazione. 

C’è poi un passaggio di interesse particolare per l’Italia. Nel report il nostro Paese compare tra quelli che stanno facendo progressi su più fronti, ma senza figurare tra i leader della governance specificamente sanitaria. L’Ocse segnala che l’Italia sta avanzando sui framework nazionali di interoperabilità; è tra i Paesi che stanno compiendo sforzi significativi per designare un’autorità centrale per l’accesso e la gestione dei dati; è “in processo” nell’adeguamento dell’HTA all’AI; ed è ancora in una fase iniziale nell’integrazione dell’AI nel procurement sanitario. Inoltre, viene ricordato che l’Italia ha adottato una normativa nazionale sull’AI entrata in vigore nell’ottobre 2025, mentre sul fronte della supervisione specifica in sanità risulta ancora solo “partly”, cioè parzialmente attrezzata. 

Il punto di fondo, allora, è che la sanità non può limitarsi a “comprare” algoritmi o ad aprire singoli cantieri progettuali. Serve una politica industriale e sanitaria dell’AI, con regole, dati, competenze, misure di efficacia e luoghi di responsabilità. In altre parole, serve passare dall’entusiasmo per l’innovazione alla costruzione di condizioni istituzionali che permettano all’AI di produrre valore clinico, organizzativo ed equità senza aumentare rischi e frammentazione. È qui che l’Ocse colloca la sfida dei prossimi anni: scalare in fretta, ma senza fare danni.