L’assistenza sanitaria, a livello globale, è alle prese con numerose sfide, tra cui l’invecchiamento della popolazione, l’aumento del carico di malattie croniche e non trasmissibili, l’aumento dei costi, il burnout dei medici, la carenza di forza lavoro nonché l’evoluzione delle aspettative di cura dei pazienti. Molte di queste sfide potrebbero essere sostenute e affrontate, se non addirittura superate, cogliendo il potenziale dell’intelligenza artificiale nel settore sanitario. Negli anni, la consapevolezza di tali opportunità è andata man mano crescendo, con evidenze e garanzie che hanno favorito il superamento dell’iniziale diffidenza e dei timori legati all’applicazione dell’IA in ambiti estremamente sensibili, come la salute.
Secondo la relazione redatta dall’OECD per il G7 di Hiroshima, nel 2023, infatti, sei paesi su sette già erano giunti a ritenere che il miglioramento dell’assistenza sanitaria – insieme all’aumento della produttività, alla promozione dell’innovazione e alla risoluzione della crisi climatica – sia una delle principali opportunità rese possibili dallo sviluppo e dall’implementazione dell’intelligenza artificiale generativa.
Le cinque principali opportunità dell’IA generativa per raggiungere gli obiettivi nazionali e regionali secondo i membri del G7 – Fonte: OECD (2023)
Difatti, a livello mondiale sempre più organizzazioni sanitarie riconoscono le potenzialità delle tecnologie di IA per migliorare l’assistenza sanitaria. Secondo alcuni sondaggi, il 92% dei leader mondiali vede nell’IA generativa una promessa per migliorare l’efficienza in sanità. Nello specifico, l’82% delle organizzazioni sanitarie mondiali ha o prevede di implementare strutture di governance e supervisione per l’IA generativa, mentre il 65% ritiene che sia un valido strumento per consentire un processo decisionale più rapido. Anche tra le aziende del settore c’è grande ottimismo e il 75% di queste dichiara di star sperimentando o pianificando di utilizzare l’IA generativa al proprio interno.
L’IA si sta rivelando uno strumento prezioso soprattutto per migliorare il coinvolgimento del paziente nel proprio percorso di cura e per cambiare il modo in cui il paziente può accedere alle informazioni sanitarie, ricevere cure e gestire le proprie condizioni di salute. Secondo un recente sondaggio condotto da McKinsey & Company, il coinvolgimento nonché il miglioramento dell’esperienza di cura del paziente sono il secondo ambito – dopo la produttività clinica – in cui l’intelligenza artificiale generativa esprime un elevato potenziale. Ben oltre il 60% degli intervistati, provenienti da alcune organizzazioni sanitarie statunitensi, ritiene che l’esperienza del paziente possa beneficiare di numerosi vantaggi grazie all’integrazione di queste tecnologie nel percorso di cura, in termini di maggiore appropriatezza delle cure, efficienza nonché autonomia.
FORESIGHT E LISTE DI ATTESA: L’IA NELLA PIANIFICAZIONE SANITARIA – IL CASO DELL’NHS
Tra le best practice nell’applicazione dell’IA a livello internazionale esiste sicuramente la riduzione delle liste di attesa. Analizzando i dati storici è possibile prevedere la domanda di prestazioni sanitarie e pianificare in modo più efficace l’uso delle risorse, migliorando la gestione dei flussi dei pazienti e prevenendo i picchi di accesso. Gli algoritmi di IA permettono inoltre un triage più preciso, assegnando priorità ai pazienti più critici e garantendo un utilizzo più efficiente delle risorse disponibili. Nel Regno Unito, il Servizio Sanitario Nazionale (NHS) sta sperimentando l’uso dell’IA per gestire le liste d’attesa in modo più equo, introducendo il concetto di “punteggio di rischio” che tiene conto non solo dell’urgenza clinica ma anche di fattori sociali e demografici, contribuendo così a ridurre le disuguaglianze sanitarie. Alcune iniziative includono anche interventi extra-clinici, come programmi di preabilitazione e supporto sociale, per una gestione più sostenibile ed efficace delle liste nel lungo termine. Un esempio avanzato è il modello Foresight, un sistema di IA generativa sviluppato nel Regno Unito e addestrato su dati anonimi di 57 milioni di pazienti, in grado di prevedere ospedalizzazioni e altre condizioni cliniche integrando dati provenienti da diverse fonti. Anche in Italia l’interesse per l’IA in sanità sta crescendo, come dimostra il progetto #Reg4IA della Regione Liguria, selezionato come pilota nazionale, che mira a ottimizzare la gestione delle liste d’attesa attraverso algoritmi predittivi e adattivi capaci di analizzare in tempo reale la domanda e l’offerta di prestazioni, personalizzando i percorsi di cura. Il progetto, finanziato con 6,5 milioni di euro, coinvolge anche altre regioni italiane e punta a migliorare l’efficienza e l’equità del sistema sanitario entro il 2026.
L’intelligenza artificiale sta compiendo importanti progressi anche in ambito oncologico. Un team internazionale di ricercatori provenienti da università in Bangladesh, Australia e Canada ha messo a punto un nuovo modello chiamato ECgMPL, in grado di diagnosticare il cancro dell’endometrio con una precisione del 99,26% grazie all’analisi approfondita delle immagini istopatologiche. Il sistema ha mostrato ottimi risultati anche su altri tipi di tumore, raggiungendo una precisione del 98,57% per il cancro colorettale, del 92,20% per quello al seno e del 97,34% per il cancro orale.
Infine, l’intelligenza artificiale, soprattutto quella generativa, sta rivoluzionando il settore della drug discovery, contribuendo dalla progettazione di nuovi farmaci alla selezione dei partecipanti agli studi clinici. Il potenziale economico è enorme: si stima possa generare tra 60 e 110 miliardi di dollari l’anno per l’industria farmaceutica, grazie all’accelerazione dei processi di sviluppo, approvazione e commercializzazione dei medicinali. Diverse sono ormai le società biotech che stanno conducendo studi clinici approvati dalla Food and Drug Administration (FDA) su trattamenti antitumorali progettati utilizzando modelli di intelligenza artificiale generativa.
Difatti, l’utilizzo dell’IA nel campo della ricerca clinica è sempre più frequente e sono ormai tantissimi i ricercatori a livello mondiale che cercano di sviluppare metodologie innovative basate su modelli IA per la diagnosi di numerose patologie. Secondo recenti dati della Stanford University, a livello globale, gli studi clinici basati sull’intelligenza artificiale sono aumentati notevolmente e tra i principali poli di studio in materia figura anche l’Italia: con 42 studi nel 2024 il nostro Paese si colloca in terza posizione globale dietro Cina e Stati Uniti per numero di studi condotti utilizzando modelli di IA.
Numero di studi clinici basati su IA, per area geografica – Fonte: Stanford University (2025)
Il crescente interesse nei confronti dell’IA da parte del mondo sanitario trova conferma anche nei dati di mercato. Secondo alcune stime, emerge che il valore dell’IA generativa si è attestato a $1,8 miliardi nel 2023 e si prevede raggiungerà i $20,2 miliardi entro la fine del 2032 con un tasso di crescita medio annuo (CAGR) del +33,2% nel periodo 2024-2032.
A trainare principalmente tale mercato sono le applicazioni nel campo della scoperta e sviluppo dei farmaci e nel segmento di analisi e diagnostica delle immagini mediche – dove l’IA generativa ha raggiunto un volume di ricavi di $655,4 milioni di dollari nel 2023.
Il valore dell’IA generativa nel mercato sanitario globale (miliardi di $) – Fonte: Global Market Insights (2024)
APPLICAZIONI DI IA NELLE STRUTTURE SANITARIE IN ITALIA
L’intelligenza artificiale sta trovando ampio impiego anche nella sanità italiana, con numerosi esempi di applicazione avanzata. L’Università Campus Bio-Medico di Roma sperimenta l’IA generativa nello studio delle malattie rare, mentre all’Ospedale Sant’Andrea un software supporta i radiologi nell’identificazione automatica delle fratture, elaborando le immagini in pochi minuti grazie al machine learning. Al Policlinico Gemelli è stato sviluppato un sistema predittivo che analizza una grande mole di dati clinici per anticipare il rischio di re-ospedalizzazione nei pazienti con scompenso cardiaco. Al Sant’Orsola di Bologna, l’IA assiste nella diagnosi precoce dei noduli polmonari periferici, migliorando l’efficacia diagnostica grazie a una ricostruzione 3D guidata. A Bari, l’Università Aldo Moro e il Politecnico hanno sviluppato un algoritmo capace di rilevare i primi segni dell’Alzheimer già nella fase di lieve declino cognitivo, rendendo il processo diagnostico più trasparente. Anche il San Raffaele di Milano è attivo in questo ambito, mentre uno studio del CNR, in collaborazione con l’Università di Firenze e l’Ospedale Careggi, ha applicato metodi di apprendimento automatico topologico alla spettroscopia Raman, ottenendo risultati promettenti per la diagnosi precoce dell’Alzheimer.
VERSO UNA GOVERNANCE DEI DATI SANITARI PIÙ SOLIDA: TRA REGOLAMENTI UE, ETICA E CYBERSICUREZZA
L’intelligenza artificiale in sanità offre dunque vantaggi significativi in termini di efficienza e qualità delle cure, ma solleva anche importanti sfide etiche e pratiche. Tra i rischi principali figurano i bias algoritmici, le “allucinazioni” dell’IA generativa, problemi di privacy, sicurezza informatica e responsabilità decisionale. L’OMS ha individuato sei principi etici fondamentali per un uso responsabile dell’IA in questo ambito: autonomia, sicurezza, trasparenza, responsabilità, equità e sostenibilità.
Nonostante l’attenzione riposta, uno studio OCSE evidenzia che, sebbene il 72% delle associazioni mediche riconosca i benefici dell’IA, il 94% manifesta preoccupazioni etiche e il 71% teme un aumento della responsabilità per i medici. Per una corretta integrazione dell’IA nella sanità, è essenziale coinvolgere i professionisti nella progettazione degli strumenti, migliorare la qualità dei dati e le infrastrutture, investire nella formazione e promuovere figure “ibride” con competenze sia mediche che digitali.
In questo contesto di innovazione, la governance dei dati si trova sempre più al centro di un sistema normativo articolato e in continua evoluzione, con il compito di regolamentare il settore senza ostacolare il progresso. Il Data Governance Act (Regolamento UE 2022/868), in vigore dal settembre 2023, rappresenta un punto di svolta nella condivisione controllata dei dati tra enti pubblici, imprese e cittadini, promuovendo modelli come il data altruism e i data intermediation services, con particolare attenzione al riutilizzo dei dati sanitari. Al vertice di questa architettura si colloca il GDPR (Regolamento UE 2016/679), applicabile in tutti gli Stati membri e fondamento della protezione dei dati personali. Questo regolamento ha introdotto principi chiave come la protezione dei dati fin dalla progettazione e per impostazione predefinita (data protection by design and by default), la responsabilizzazione del titolare del trattamento (accountability) e la valutazione d’impatto sulla protezione dei dati (DPIA).
Un altro tassello fondamentale è rappresentato dall’utilizzo dei dati per finalità diverse dalla cura, come la ricerca scientifica. In questo contesto si inseriscono il regolamento sull’Ecosistema dei dati sanitari (EDS) e il recente European Health Data Space (EHDS), entrambi ufficializzati il 5 marzo scorso. Tali strumenti normativi riconoscono e disciplinano l’uso dei dati secondari, creando nuove opportunità per l’innovazione in ambito sanitario.
Sul fronte dell’intelligenza artificiale, l’AI Act europeo ambisce a stabilire un quadro normativo armonizzato che consenta uno sviluppo responsabile e trasparente delle tecnologie in sanità. L’obiettivo è chiaro: migliorare l’efficienza dei sistemi sanitari senza rinunciare alla tutela dei diritti fondamentali. In parallelo, la nuova direttiva sulla responsabilità da prodotti difettosi aggiorna le regole europee tenendo conto delle sfide poste dalle nuove tecnologie, garantendo maggiore protezione alle vittime e sicurezza giuridica agli operatori economici.
In Italia, il quadro normativo viene ulteriormente rafforzato dalle Linee Guida AgID, che definiscono un modello di governance per l’uso dell’IA nel Servizio Sanitario Nazionale. Tali linee guida promuovono la collaborazione tra il Responsabile della Protezione dei Dati (RPD) e il Responsabile della Transizione Digitale (RTD), al fine di garantire un utilizzo etico e sicuro dell’innovazione tecnologica.
Infine, la protezione dei dati e la cybersicurezza restano una priorità assoluta. In questa direzione, l’Unione europea ha pubblicato l’European Action Plan on the Cybersecurity of Hospitals and Healthcare Providers, un piano d’azione che introduce nuove misure di sicurezza per rafforzare la resilienza delle infrastrutture sanitarie, tutelando il dato sanitario sotto ogni aspetto. In questo contesto, anche la direttiva NIS2 (UE 2022/2555) rafforza le misure di sicurezza estendendo gli obblighi anche ai fornitori di servizi sanitari essenziali, prevedendo sanzioni più severe e consolidando il quadro europeo per la gestione dei rischi informatici.
CONCLUSIONI
L’intelligenza artificiale rappresenta una rivoluzione silenziosa ma inarrestabile per il sistema sanitario globale e italiano e il suo successo dipenderà dalla capacità di bilanciare innovazione e responsabilità etica, governance del dato e innovazione, nell’ottica di costruire un sistema sanitario più efficiente e centrato sul paziente.
