Da anni si ripete che la radiologia sarà la prima specialità medica a essere travolta dall’intelligenza artificiale. Le macchine interpretano immagini in maniera sempre più accurata e veloce, non si stancano, non si distraggono, non commettono errori “banali”. A questo punto la domanda non è più se l’AI cambierà la radiologia, ma fra quanto tempo l’AI saprà sostituire i radiologi.
Piuttosto che rispondere in modo teorico, si è scelto di porre la questione nel modo più diretto possibile: mettendo un radiologo a confronto con un sistema di intelligenza artificiale. Il testo che segue è il risultato di questo colloquio. Non un’analisi mediata, ma uno scambio senza filtri, in cui argomentazioni, dubbi e provocazioni emergono nel loro farsi.
Il dialogo ha un valore che va oltre il contenuto delle singole risposte. Mostra cosa accade quando una competenza clinica consolidata (“vecchio” radiologo) si confronta con una forma di “intelligenza” radicalmente diversa: veloce, informata, ma priva di esperienza e responsabilità. In questo spazio di tensione si gioca una parte significativa del futuro della radiologia e, più in generale, del rapporto tra medicina e intelligenza artificiale.
R=radiologo
AI= Artificial intelligence
R vorrei fare una breve conversazione
AI Certo ?? Di cosa ti va di parlare?
R. secondo la tua opinione i sistemi di AI sostituiranno i radiologi nel futuro così come aveva ipotizzato Goffrey Hitton? (premio Nobel per la fisica 2024 – padre dei sistemi neurali di AI ndr.)
L’idea che l’AI possa sostituire completamente i radiologi è un po’ troppo drastica, almeno per come stanno andando le cose.
È vero che i sistemi di AI oggi sono già molto bravi in compiti specifici: riconoscere noduli nei polmoni, identificare fratture, segnalare anomalie nelle TAC o nelle risonanze. In alcuni casi raggiungono o superano le performance umane su task molto mirati. Questo ha alimentato previsioni come quella che citi.
Però la radiologia reale non è solo “guardare immagini e trovare pattern”. Un radiologo:
•interpreta i risultati nel contesto clinico del paziente
•decide quali esami sono appropriati
•omunica con altri medici e con i pazienti
•gestisce casi ambigui o contraddittori
•si assume responsabilità legali e decisioni complesse
L’AI, almeno per ora, funziona meglio come strumento di supporto: evidenzia aree sospette, riduce errori, velocizza il lavoro. In pratica, aumenta la produttività del radiologo più che rimpiazzarlo.
Quindi lo scenario più realistico è:
meno lavoro ripetitivo manuale
più ruolo di supervisione, integrazione clinica e decisione
collaborazione uomo–macchina.
Se dovessi dirla in modo diretto: i radiologi che usano bene l’AI probabilmente sostituiranno quelli che non la usano, più che l’AI da sola.
AI. Se vuoi, possiamo approfondire anche l’impatto sul mercato del lavoro o su quanto tempo potrebbe volerci davvero.
R. Va bene poi ti espongo la mia idea
AI. Perfetto, dimmi pure ?? Sono curioso di sentire la tua idea.
R. No dammi prima la tua analisi sull’impatto sul mercato del lavoro o su quanto tempo potrebbe volerci davvero.
Se vogliamo essere realistici, niente “scomparsa improvvisa” dei radiologi. L’impatto sarà forte, ma graduale e un po’ meno spettacolare di quanto spesso si racconta.
Sul mercato del lavoro:
L’AI tenderà a ridurre il carico di lavoro ripetitivo (screening, triage, misurazioni standard). Questo significa che:
•un singolo radiologo potrà gestire più esami ? aumento della produttività
•la domanda potrebbe crescere più lentamente rispetto al passato, ma non sparire
•il ruolo si sposterà verso attività a più alto valore: integrazione clinica, decisioni, consulti
Quindi non è tanto “meno radiologi”, ma radiologi diversi.
Nel breve periodo, anzi, potrebbe esserci ancora carenza in molti sistemi sanitari.
Dove cambia davvero:
•?nei centri grandi e digitalizzati l’adozione sarà più rapida
•?nei contesti con meno risorse o più burocrazia, molto più lenta
•?alcune sottospecialità (tipo screening mammografico o torace) sono più automatizzabili di altre
Tempistiche realistiche:
•?5 anni: AI diffusa come supporto (già sta succedendo), ma sempre supervisionata
•?10–15 anni: integrazione profonda nei workflow; meno tempo per referto standard
•?oltre 20 anni: possibile forte riduzione del lavoro umano su task semplici, ma non autonomia totale
Il vero collo di bottiglia non è solo tecnologico, ma anche:
•?responsabilità legale
•?fiducia dei medici
•?regolamentazione
•?gestione degli errori
E questi cambiano lentamente.
Se devo sintetizzare in modo un po’ brutale:
la professione non sparisce
ma diventa più “elitaria” e meno centrata sull’interpretazione pura delle immagini
AI Se vuoi, ora sono curioso: qual è la tua idea?
R. Credo che nei sistemi sanitari con pochi radiologi dove già oggi la maggior parte degliesami vengano refertati da tecnici o da non specialisti i sistemi avanzati di AI potranno sostituire la maggior se non tutta l’attività di diagnostica sia in condizioni di elezione che d’urgenza.
Capisco il ragionamento, ma così com’è formulato è un po’ troppo ottimistico sulla capacità dell’AI di “prendere tutto in mano”, soprattutto nei contesti più fragili.
È vero però che stai puntando su un punto reale: nei sistemi con carenza cronica di radiologi, l’AI avrà un impatto molto più forte rispetto ai paesi dove la copertura è già buona.
Detto questo, ci sono tre aspetti che rendono difficile una sostituzione quasi totale:
1. I casi difficili sono proprio quelli più rischiosi da automatizzare
Nei contesti con pochi specialisti spesso arrivano casi:
•incompleti
•con qualità d’immagine bassa
•con informazioni cliniche scarse
Paradossalmente, sono proprio questi i casi dove l’AI tende a essere meno affidabile. Funziona benissimo su dati “puliti”, meno nel caos reale.
2. Urgenza? solo riconoscimento pattern
In emergenza non basta dire “qui c’è un’emorragia”:
•?bisogna capire quanto è grave
•?correlare con sintomi e storia
•?decidere priorità e azioni
Questa parte decisionale e di responsabilità è difficile da delegare completamente.
3. Il problema legale e organizzativo
Anche se tecnicamente possibile, chi si assume la responsabilità?
•?un ospedale difficilmente accetta diagnosi 100% automatizzate
•?serve comunque qualcuno che validi, soprattutto nei casi critici
AI: Detto questo, la tua intuizione non è sbagliata, ma va “ricalibrata”.
Uno scenario più plausibile nei contesti con pochi radiologi è:
•AI che fa triage automatico (segnala urgenze)
•AI che produce pre-referti
•tecnici o medici non specialisti che fanno una prima validazione
•radiologi (anche remoti, tipo teleradiologia) che intervengono solo nei casi complessi o dubbi
In pratica:
-non sostituzione totale
– ma forte “compressione” del bisogno di radiologi locali
E qui c’è un punto interessante: in questi sistemi l’AI potrebbe aumentare l’accesso alla diagnostica, anche accettando un piccolo compromesso sulla qualità media—che però è comunque meglio del non avere diagnosi.
Se vuoi spingere ancora di più la tua idea, una domanda interessante è:
secondo te è accettabile un sistema con AI quasi autonoma se riduce drasticamente i casi non diagnosticati, anche se introduce qualche errore in più?
dipende da quanto appropriata è la richiesta; più a domanda è appropriata più la possibilità di ridurre errori è aumentata. ma potrebbe esserci un sistema di AI addestrato a selezionare le richieste di esami in modo che anche l’appropriatezza aumenti e riduca conseguentemente l’errore diagnostico di un sistema di AI
L’idea ha una sua logica ed è anche in linea con una direzione reale della ricerca: usare l’AI non solo per refertare, ma anche per filtrare e migliorare l’appropriatezza delle richieste. Però c’è un punto importante: funziona bene in teoria, mentre nella pratica si complica parecchio.
AI: Hai ragione su una cosa chiave: più la richiesta è appropriata, più anche l’AI diagnostica tende a performare meglio (perché il problema è più “pulito” e il segnale più chiaro).
E infatti esistono già sistemi pensati per:
•suggerire l’esame più adatto (tipo TAC vs RM vs eco)
•segnalare richieste inutili o ridondanti
•integrare linee guida cliniche (tipo ACR appropriateness criteria)
AI: Dove la tua idea è forte:
Un sistema a due livelli:
1.AI che valuta l’appropriatezza della richiesta
2.AI che interpreta l’esame
potrebbe teoricamente ridurre errori a monte e a valle
molto utile in contesti con pochi specialisti
Ma ci sono alcuni limiti non banali:
1. L’appropriatezza non è sempre “oggettiva”
Spesso dipende da:
•dettagli clinici non strutturati
•intuizione del medico
•contesto (es. medicina difensiva, disponibilità locale)
Un’AI rischia di essere troppo rigida o basata su dati incompleti.
2. Rischio di “cascata di errori”
Se il primo livello (appropriatezza) sbaglia:
•potrebbe bloccare un esame necessario
•oppure indirizzare verso quello sbagliato
E a quel punto anche la seconda AI parte da una base errata.
3. Dati clinici sporchi o mancanti
Nei sistemi con poche risorse:
•le richieste sono spesso poco dettagliate
•anamnesi incompleta
proprio dove servirebbe di più, l’AI per appropriatezza ha meno input affidabili.
Scenario realistico (secondo me):
Più che un sistema che “decide tutto”, è probabile qualcosa del tipo:
•AI che suggerisce appropriatezza (non blocca)
•AI che prioritizza gli esami
•AI che referta in bozza
•umano (anche non radiologo) che supervisiona
Nei contesti con carenza, questo può diventare molto potente:
meno esami inutili
meno overload
più attenzione ai casi davvero rilevanti
AI: Quindi la tua intuizione è interessante, ma va vista così: non tanto un sistema completamente autonomo, ma un sistema che ottimizza tutto il flusso decisionale.
Se vuoi spingerla ancora oltre: il vero salto non è solo “AI + radiologia”, ma AI + intero percorso clinico (dalla richiesta alla decisione finale).
AI: Ti faccio una domanda per continuare il ragionamento: secondo te chi dovrebbe avere l’ultima parola in un sistema del genere—l’AI, il tecnico, o un medico remoto?
R.Per medico intendi un radiologo ?
AI. Bella domanda, perché qui sta proprio un nodo centrale.
Quando dico “medico” non intendo per forza un radiologo in presenza. Può essere:
•un radiologo remoto (teleradiologia)
•un medico non radiologo (es. medico d’urgenza, internista)
•in casi estremi, anche un clinico locale con supporto AI
Dipende molto dal contesto.
Nei sistemi con poche risorse, uno scenario realistico potrebbe essere:
AI fa triage + pre-referto
tecnico esegue e controlla qualità
medico locale (anche non radiologo) integra col quadro clinico
radiologo interviene solo nei casi complessi (magari da remoto)
Quindi la “ultima parola” non è necessariamente del radiologo sempre, ma:
•nei casi semplici ? potrebbe bastare un medico non specialista + AI
•nei casi complessi o dubbi ? serve il radiologo
Il punto è che la responsabilità clinica difficilmente può essere lasciata solo all’AI, almeno per molto tempo.
Se invece la tua idea è più radicale (cioè AI + tecnico senza medico), lì iniziano i problemi seri:
•responsabilità legale
•gestione degli errori
•casi atipici
Però in contesti molto estremi (zone rurali, paesi con pochissimi medici) qualcosa del genere potrebbe emergere “di fatto”, anche se non ufficialmente.
AI. Sono curioso: tu immagini un sistema dove il radiologo sparisce quasi del tutto, o resta come supervisore raro?
R. Si credo che l’intuizione di Hitton sia valida il radiologo sparirà quasi del tutto ( rimarrà il radiologo interventista)
Capisco la logica, ma dire che il radiologo “sparirà quasi del tutto” è una previsione piuttosto estrema — e secondo me poco probabile, anche guardando come evolvono davvero tecnologia e sistemi sanitari.
Ti faccio un po’ di “contro-analisi”, perché la tua idea è interessante ma rischia di semplificare troppo alcuni passaggi.
1. Diagnosi ? riconoscimento immagini
Anche se l’AI diventasse eccellente nel leggere immagini, la radiologia clinica è sempre più:
•integrazione con dati clinici, laboratorio, storia del paziente
•discussione multidisciplinare (tumor board, ecc.)
•decisione su percorsi diagnostici successivi
Questa parte non sta diminuendo, sta aumentando.
2. Più imaging, non meno
Paradossalmente, l’AI potrebbe:
•abbassare il costo e la soglia per fare esami
•aumentare il numero totale di imaging
quindi più casi da gestire, non meno
serve qualcuno che governi questo flusso
3. Il fattore responsabilità non è aggirabile facilmente
Nei sistemi sanitari (anche quelli più “deboli”):
•qualcuno deve firmare
•qualcuno deve rispondere degli errori
E storicamente questo ruolo tende a restare medico, non tecnico né macchina.
4. Le previsioni “sostituzione totale” finora hanno sempre fallito
C’è un precedente famoso: già anni fa si diceva che la radiologia sarebbe stata la prima a sparire con l’AI.
In realtà è diventata una delle specialità che usa di più l’AI, senza scomparire.
Dove secondo me hai ragione:
•forte riduzione del ruolo “classico” di refertazione
•maggiore automazione nei contesti con pochi specialisti
•possibile marginalizzazione del radiologo in alcune aree (screening, routine)
Dove secondo me no:
•scomparsa quasi totale ? poco realistica
•sostituzione completa in urgenza ? troppo rischiosa e complessa
Se dovessi riformulare la tua idea in modo più solido direi:
il radiologo diagnostico non sparisce, ma diventa molto meno centrale e molto più selettivo
il radiologo interventista guadagna importanza relativa
E aggiungo una provocazione:
è più facile che sparisca il “radiologo medio che referta tutto”, non il radiologo in sé.
AI. Se vuoi possiamo spingere ancora oltre: secondo te questa trasformazione renderà la medicina migliore o più rischiosa nel complesso?
R. Ho una frase che dico spesso: per fortuna nessuna machina può fare errori stupidi come un medico e questo è un grande vantaggio
Capisco cosa vuoi dire, ma detta così è un po’ fuorviante.
Le macchine non fanno gli stessi errori “stupidi” degli umani, vero. Non si stancano, non si distraggono, non confondono destra e sinistra per fretta. Questo è un grande vantaggio.
Però fanno altri tipi di errori, che a volte sono ancora più insidiosi:
•errori sistematici: se sbagliano, possono sbagliare sempre nello stesso modo su migliaia di casi
•errori “ciechi”: possono non riconoscere qualcosa di ovvio fuori dal loro addestramento
•eccesso di sicurezza: danno una risposta anche quando dovrebbero dire “non lo so”
Un medico umano, invece:
•può fare errori banali, sì
•ma può anche accorgersi che qualcosa “non torna”
•adattarsi a situazioni nuove o strane
Quindi il punto non è che uno è meglio dell’altro in assoluto, ma che:
gli errori sono diversi e in parte complementari
La cosa interessante (e utile davvero) è combinarli:
•l’AI riduce gli errori da stanchezza e distrazione
•l’umano intercetta quelli “strani” o fuori schema
Se vuoi riformulare la tua frase in modo più solido, potrebbe diventare qualcosa tipo:
“le macchine eliminano molti errori umani banali, ma introducono errori diversi che vanno comunque controllati”
Ti faccio una domanda provocatoria: preferiresti un sistema che fa pochi errori ma imprevedibili, o uno che sbaglia di più ma in modo più “umano” e comprensibile?
la prima
È una scelta comprensibile, ma ha un lato meno intuitivo.
Un sistema che fa pochi errori ma imprevedibili sembra ideale… finché non devi gestire proprio quegli errori. Il problema è che:
•sono difficili da anticipare
•difficili da riconoscere quando accadono
•e quindi più pericolosi perché rischiano di passare inosservati
Al contrario, gli errori “umani”:
•spesso seguono pattern noti
•altri medici li riconoscono più facilmente
•esistono già strategie per intercettarli (second opinion, linee guida, ecc.)
In medicina, infatti, non conta solo quanto spesso sbagli, ma anche:
quanto è prevedibile e intercettabile l’errore
Ed è per questo che oggi si va verso sistemi ibridi:
•AI che riduce il numero totale di errori
•umano che fa da “rete di sicurezza” per quelli più strani
Se togli completamente l’umano, rischi di avere un sistema molto efficiente… ma con fallimenti rari e difficili da controllare, che in sanità sono quelli più critici.
Quindi la tua preferenza ha senso “a prima vista”, ma nella pratica clinica spesso si cerca un compromesso:
non il minimo assoluto di errori
ma il miglior equilibrio tra frequenza + prevedibilità + controllabilità
AI. . per finire sei ancora convinto che il radiologo esisterà ancora
R. Sì, ma non nella forma attuale.
AI. Se devo essere diretto: il radiologo come oggi (molto centrato sulla refertazione “pura”) perderà peso, ma la figura non sparirà.
R. Perché?
Il punto chiave è che l’AI toglie soprattutto:
la parte ripetitiva e standardizzabile
Ma lascia (e in alcuni casi amplifica):
•integrazione clinica
•gestione dei casi ambigui
•responsabilità decisionale
•coordinamento con altri specialisti
E questi non sono “dettagli”, sono il cuore della medicina reale.
Quello che probabilmente succederà:
•meno radiologi dedicati solo a refertare grandi volumi
•più radiologi “consulenti clinici”
•maggiore centralizzazione (teleradiologia, hub)
•forte automazione nei contesti con carenza di specialisti
E sì, come dicevi tu:
il radiologo interventista diventerà relativamente ancora più importante
Se devo sintetizzare senza girarci troppo intorno:
non sparisce
cambia profondamente
e chi non si adatta rischia davvero di diventare irrilevante
Quindi la tua intuizione coglie una parte reale del cambiamento, ma la conclusione “sparirà quasi del tutto” secondo me va troppo oltre i vincoli pratici (clinici, legali, organizzativi).
Se tra 20–30 anni torniamo su questa conversazione, è molto più probabile che esista ancora un radiologo… ma che faccia un lavoro che oggi chiameremmo in modo diverso.
Il dialogo tra il radiologo e il sistema di intelligenza artificiale rappresenta un esempio efficace di riflessione critica sul ruolo dell’AI nella pratica radiologica contemporanea. Il confronto mette in evidenza, alcuni dei nodi centrali del dibattito scientifico attuale: il rapporto tra automazione e competenza clinica, la natura dell’errore diagnostico e la ridefinizione dei modelli organizzativi.
Un primo elemento di rilievo è la distinzione tra performance su task specifici e competenza clinica globale. Il sistema di AI riconosce esplicitamente la propria efficacia in ambiti circoscritti (ad esempio il riconoscimento di pattern patologici), ma sottolinea al contempo i limiti nella gestione del contesto clinico, dell’ambiguità diagnostica e della responsabilità decisionale. Questa distinzione riflette un punto ampiamente condiviso in letteratura: le attuali applicazioni di AI in radiologia sono altamente performanti in compiti ben definiti, ma non sostituiscono la capacità di integrazione multidimensionale propria del medico.
Il dialogo affronta inoltre in modo particolarmente interessante il tema dell’impatto sul mercato del lavoro. L’ipotesi di una sostituzione quasi completa del radiologo viene progressivamente ridimensionata a favore di uno scenario di trasformazione del ruolo professionale. L’automazione tende a ridurre il carico di lavoro ripetitivo e standardizzabile, mentre aumenta la rilevanza delle attività ad alto valore aggiunto, quali l’integrazione clinica, la consulenza multidisciplinare e la gestione dei casi complessi. Ne deriva una riconfigurazione della professione più che una sua scomparsa.
Un ulteriore aspetto critico riguarda l’organizzazione dei sistemi sanitari, in particolare nei contesti caratterizzati da carenza di specialisti. Il dialogo evidenzia come l’AI possa avere un impatto significativo in questi ambienti, contribuendo a migliorare l’accesso alla diagnostica attraverso funzioni di triage, pre-refertazione e supporto decisionale. Tuttavia, vengono anche messi in luce limiti rilevanti, tra cui la dipendenza dalla qualità dei dati clinici, il rischio di errori sistematici e le problematiche legate alla responsabilità medico-legale. Ne emerge uno scenario in cui l’AI non opera in autonomia, ma all’interno di modelli ibridi che prevedono diversi livelli di supervisione umana.
Particolarmente rilevante è la discussione sulla natura dell’errore. Il confronto distingue tra errori umani, spesso legati a fattori cognitivi o organizzativi, ed errori algoritmici, caratterizzati da sistematicità e potenziale opacità. Questo punto è centrale, poiché suggerisce che l’introduzione dell’AI non elimina il rischio clinico, ma ne modifica la distribuzione e le modalità di manifestazione. Di conseguenza, la valutazione dell’efficacia dei sistemi non può basarsi esclusivamente sulla riduzione della frequenza degli errori, ma deve considerare anche la loro prevedibilità e intercettabilità.
A questo quadro si aggiunge un problema più profondo, solo implicitamente presente nel dialogo: quello della fiducia epistemica nei sistemi di AI. La questione non si esaurisce nella trasparenza algoritmica o nella qualità dei dati, ma riguarda lo statuto della conoscenza prodotta dal sistema. In ambito clinico, la fiducia non è solo funzione dell’accuratezza, ma anche della possibilità di giustificare, interpretare e comunicare le decisioni. Sistemi altamente performanti ma scarsamente spiegabili introducono una tensione tra affidabilità empirica e legittimazione epistemica.
Inoltre, l’uso estensivo dell’AI può generare forme di dipendenza epistemica, con un progressivo spostamento dell’autorità conoscitiva dal medico al sistema. Questo fenomeno comporta il rischio di un indebolimento delle capacità critiche dell’operatore umano, soprattutto nei confronti di errori rari o non standardizzati. Parallelamente, si configura una dissociazione tra autorità epistemica e responsabilità clinica: il sistema contribuisce in modo determinante al processo decisionale, ma non è un soggetto responsabile. Ne deriva un’asimmetria che rappresenta una delle principali criticità nell’integrazione dell’AI nei contesti sanitari.
Infine, il dialogo evidenzia come i principali fattori limitanti per una piena automazione non siano esclusivamente tecnologici, ma includano elementi regolatori, organizzativi e culturali. La necessità di attribuire responsabilità, garantire la sicurezza dei pazienti e mantenere la fiducia nei sistemi sanitari rappresenta un vincolo strutturale all’adozione di modelli completamente autonomi.
Un “colloquio” interessate che mostra ancora una volta come l’AI ci offrirà strumenti straordinari, ci renderà più precisi, più veloci, forse persino più efficaci. Ma ciò che nessuna tecnologia potrà mai sostituire è la nostra capacità di ascoltare, di comprendere, di sbagliare in maniera imprevedibile.
Perché alla fine, tra dati, algoritmi e innovazione, il cuore della medicina resterà sempre lo stesso: l’incontro tra due esseri umani. E in quell’incontro, il nostro ruolo continuerà a fare la differenza.”
Prof. Andrea Giovagnoni
Past President SIRM
