Il mercato globale dell’intelligenza artificiale nella diagnostica medica vale già 2,7 miliardi di dollari. Cresce al 22% l’anno. È già dentro gli ospedali italiani. Eppure solo il 17% dei radiologi italiani si sente in grado di valutare criticamente quello che un algoritmo gli dice. Questo è il punto da cui conviene partire.
Il problema reale non è la tecnologia
Trecentonovantamila nuove diagnosi di cancro in Italia nel 2025. Un numero stabile rispetto all’anno prima, che in apparenza rassicura. Ma Massimo Di Maio, presidente dell’AIOM, la legge in modo diverso: il carico di lavoro sulle strutture sanitarie cresce molto più velocemente rispetto agli incrementi della forza lavoro. I campanelli d’allarme per medici e infermieri del SSN, dice, suonano in continuazione. Non è una questione di volontà politica o di investimenti insufficienti, almeno non solo. È strutturale. La popolazione invecchia, le malattie croniche si moltiplicano, i percorsi di cura si allungano. Il sistema regge, ma regge male. Ed è in questo contesto — non in un laboratorio di Silicon Valley — che l’intelligenza artificiale sta entrando nella medicina italiana. Non come promessa futuristica. Come risposta a un’urgenza presente. L’atto di indirizzo del Ministero della Salute per il 2026 è esplicito: l’IA potrebbe ridurre i tempi di attesa diagnostica, supportare l’assistenza primaria, rendere gli esami più accurati. Non è un documento visionario. È una direttiva operativa. Il Fascicolo Sanitario Elettronico 2.0 e le piattaforme regionali integrate — che l’Italia punta a rendere pienamente operative entro la fine dell’anno — sono l’infrastruttura su cui tutto questo si costruisce. O almeno dovrebbe costruirsi.
Quello che succede già, lontano dai comunicati stampa
All’Ospedale Universitario Sant’Andrea di Roma, dal giugno 2022, ogni immagine che arriva al pronto soccorso viene processata da un sistema di machine learning. In due minuti il software dice se c’è una frattura o no. Dopo oltre 8.000 casi analizzati, i dati dicono una cosa precisa: i casi in cui l’algoritmo ha visto giusto e il radiologo aveva sbagliato si concentrano quasi tutti nelle ore notturne. Non è una sorpresa. La notte, a fine turno, la stanchezza pesa. Un algoritmo non si stanca. Alla Fondazione IRCCS Istituto Nazionale dei Tumori di Milano, un sistema di imaging diagnostico individua segni precoci di cancro al polmone con un’accuratezza superiore al 90%, riducendo i tempi diagnostici del 30%. In un paese dove aspettare mesi per una TAC toracica è ordinaria amministrazione, comprimere del 30% il percorso tra il sospetto e la diagnosi non è un dato tecnico. È clinicamente rilevante per persone reali. A livello europeo, dal settembre 2025 la piattaforma Cancer Image Europe collega 83 dataset di imaging in nove tipi di cancro — circa 107.000 soggetti, 50 strumenti di IA, 16 paesi. È la prima infrastruttura continentale abbastanza grande da addestrare algoritmi su dati che abbiano senso statistico. Per i tumori ovarici, i modelli basati su architetture transformer mostrano un’accuratezza diagnostica superiore a quella degli esperti umani nell’interpretazione delle immagini ecografiche. Non è un paper speculativo: è un risultato operativo, con implicazioni dirette sulla carenza cronica di ecografisti esperti. Questi non sono aneddoti. Sono case study documentati che dicono dove l’IA funziona davvero: nei compiti ripetitivi ad alta precisione, nelle letture di immagini in condizioni di stanchezza o carenza di specialisti, nella correlazione di grandi volumi di dati che nessun medico in carne e ossa potrebbe processare in tempo reale.
Il medico di famiglia e il software che suggerisce diagnosi
C’è un fronte meno visibile ma forse più strategico: la medicina di base. È qui che passa la maggior parte dei contatti tra cittadini e sistema sanitario. È qui che si decide se un sintomo diventa un esame, se un esame diventa un percorso, se un paziente cronico viene monitorato o perso di vista. MIA — Medical Intelligence Assistant — è il progetto pensato per supportare i medici di medicina generale italiani. Tre funzioni principali: inquadramento diagnostico (ipotesi, esami, percorso), gestione delle cronicità, prevenzione e screening. Non sostituisce il medico. Struttura la sua memoria clinica, incrocia dati che altrimenti resterebbero separati, segnala quello che potrebbe sfuggire. Secondo l’Osservatorio Sanità Digitale 2025, il 46% dei medici di medicina generale ha già sperimentato strumenti di IA generativa nella propria attività. Quasi uno su due. Ma la metà di questi professionisti indica come ostacolo principale il problema della “black box”: l’algoritmo suggerisce, ma non spiega. E un medico che non capisce il ragionamento dietro un output non può valutarlo. Non può difenderlo davanti al paziente. Non può decidere se seguirlo o scartarlo con cognizione di causa. Questo è il vero nodo operativo dell’IA in medicina. Non la precisione degli algoritmi. La capacità dei professionisti di governarli.
I numeri dietro l’accelerazione
Il mercato globale dell’IA nella diagnostica medica era valutato a 2,2 miliardi di dollari nel 2025. Entro il 2035 si prevede raggiunga 17,1 miliardi, con una crescita media annua del 22,8%. Sono tassi da settore in piena maturazione industriale, non da laboratorio di ricerca. Le startup europee di AI & healthcare hanno raccolto oltre 10,7 miliardi di dollari nel corso del 2025, il 24,4% in più rispetto all’anno precedente. Gli investitori — che non hanno la pazienza dei ricercatori — ci vedono un mercato che ha già superato la fase del proof-of-concept. I prodotti esistono, vengono comprati, vengono usati. Sul fronte farmaceutico, le stime parlano di 60-110 miliardi di dollari l’anno di valore generabile dall’IA generativa per l’industria del farmaco: scoperta di nuovi composti, accelerazione dei trial clinici, ottimizzazione dell’approvazione regolatoria. La drug discovery è probabilmente l’area dove l’impatto sarà più profondo nel decennio che viene, proprio perché il processo tradizionale è lento, costoso e fallisce spesso. Tutto questo accade mentre l’Italia — secondo uno studio comparativo europeo — ha investimenti in AI sanitaria ancora inferiori a quelli di altri paesi UE di dimensione comparabile. Il divario non è irrecuperabile, ma non si chiude da solo.
Come la pensano davvero i medici italiani
Un’indagine della Società Italiana di Radiologia Medica (SIRM) restituisce un quadro che vale la pena leggere senza filtri. Il 78% dei radiologi italiani dichiara interesse per le tecnologie di IA. Solo il 23% ha ricevuto formazione specifica. E appena il 17% si sente in grado di valutare criticamente un output diagnostico prodotto da un algoritmo. Il divario tra interesse e competenza è enorme. E non è un problema di attitudine: è un problema di sistema. Le barriere che i medici italiani indicano con maggiore frequenza all’adozione dell’IA sono quattro: formazione insufficiente (72%), accesso limitato alle tecnologie appropriate (68%), preoccupazioni sulla sicurezza dei dati (65%), assenza di linee guida chiare sull’implementazione clinica (58%). A livello globale, un’indagine di Elsevier su oltre 2.000 medici e infermieri mostra che quasi due terzi dei clinici si aspettano che l’IA giochi un ruolo di routine nell’identificazione delle patologie entro il 2027. Il 25% indica come valore principale l’individuazione precoce dei pazienti a rischio. Il 20% cita il miglioramento dell’accuratezza diagnostica. Sono esattamente le aree dove i risultati empirici sono più solidi. La posizione prevalente tra i clinici non è né entusiasmo acritico né rifiuto. È qualcosa di più pragmatico: l’IA è uno strumento che potenzia le capacità del medico, e ignorare uno strumento efficace quando esiste — senza ragione — potrebbe diventare essa stessa una condotta clinica discutibile.
Chi risponde quando l’algoritmo sbaglia
La domanda è inevitabile. E l’Italia ha già risposto. La Legge 132/2025 fissa un principio che non ammette ambiguità: i sistemi di IA in ambito sanitario sono strumenti di supporto, non decisori. L’algoritmo analizza, predice, suggerisce. La responsabilità finale resta al professionista sanitario. Sempre. La legge vieta ogni forma di discriminazione algoritmica e introduce — all’articolo 6 — l’obbligo esplicito di informare il paziente: cosa fa il sistema che si sta usando, quali sono i suoi limiti, qual è il ruolo del medico nella supervisione e nella decisione finale. Sul piano giuridico, l’output di un algoritmo è al più un elemento probatorio. Non un parametro normativo di diligenza. Il che significa che un medico non può essere ritenuto responsabile solo perché ha ignorato un suggerimento algoritmico — ma deve essere in grado di motivare la propria scelta clinica. Il suggerimento dell’IA non sostituisce il ragionamento medico. Lo interroga. Questa distinzione è importante anche in senso inverso. Man mano che i dati sull’accuratezza degli algoritmi si consolidano, potrebbe emergere la posizione opposta: se uno strumento esiste, funziona e offre risultati superiori in certi compiti, ignorarlo sistematicamente senza giustificazione potrebbe configurare una condotta inadeguata. È una posizione minoritaria oggi. Probabilmente non lo sarà tra cinque anni.
Il quadro regolatorio europeo: più avanti di quanto si pensi
Il regolamento UE sull’intelligenza artificiale, entrato in vigore nell’agosto 2024, classifica i software medici come sistemi di IA ad alto rischio. Impone requisiti precisi: sistemi di attenuazione dei rischi, dataset di qualità elevata, informazioni chiare per gli utenti, sorveglianza umana obbligatoria. Non è un framework dichiarativo. È un obbligo di conformità con conseguenze legali. Il Regolamento europeo sullo spazio europeo dei dati sanitari, entrato in vigore nel 2025, crea le condizioni per la condivisione strutturata e sicura dei dati tra sistemi sanitari diversi. È il prerequisito tecnico senza cui addestrare algoritmi affidabili su popolazioni ampie rimane impossibile. Consente alle persone di esercitare diritti sui propri dati sanitari e abilita, al tempo stesso, l’uso secondario dei dati per ricerca e sviluppo tecnologico. L’infrastruttura normativa, insomma, c’è. Quello che fatica a stare al passo è la preparazione dei professionisti chiamati a lavorarci dentro.
Il paziente nell’equazione
C’è una componente che i modelli di accuratezza non misurano, ma che determina l’esito reale di una diagnosi: il significato che il paziente attribuisce a quello che gli viene detto, e da chi. Un paziente che riceve una diagnosi difficile non vuole solo sapere se l’algoritmo ha raggiunto il 94% di sensibilità. Vuole capire cosa significa per lui. Vuole sapere cosa farà il medico, cosa succederà durante il trattamento, se potrà continuare a lavorare. Vuole qualcuno che si prenda la responsabilità di quella notizia e che rimanga disponibile mentre le cose cambiano. Questo non è sentimentalismo. È la parte della medicina che determina l’aderenza terapeutica, la qualità percepita della cura e, spesso, anche l’esito clinico. La comunicazione non è un elemento accessorio rispetto alla diagnosi. Ne è parte integrante. E nessun algoritmo, per quanto accurato, può sostituirla. Il paradosso che si profila è questo: man mano che l’IA assorbe le componenti più analitiche e ripetitive della diagnostica, il tempo del medico dovrebbe liberarsi per quelle più relazionali. In teoria. Ma questo accadrà solo se il sistema lo prevede. Se la formazione medica si adatta. Se le strutture ospedaliere ripensano i percorsi di cura di conseguenza. Non succede automaticamente. Non è mai successo con nessuna tecnologia precedente.
Dove siamo, senza semplificazioni
L’intelligenza artificiale nella diagnostica medica italiana non è più sperimentazione. È operativa in radiologia, oncologia, medicina generale. Ha un quadro normativo nazionale e uno europeo. Ha un mercato che cresce a ritmi industriali. Quel che manca non è la tecnologia. Mancano formazione sistematica dei professionisti, linee guida operative per i contesti clinici specifici, e un ripensamento concreto di come l’atto medico si organizza quando uno strumento di questo tipo è disponibile. Il medico italiano che usa un software di IA per leggere una TAC notturna in pronto soccorso non sta vivendo nulla di epico. Sta risolvendo un problema concreto con uno strumento concreto. La domanda vera non è se usarlo. È come integrarlo senza perdere quello che la medicina ha sempre richiesto: un professionista che capisce, decide e risponde. Non uno schermo che processa. L’IA non è ancora il medico. È già, però, lo strumento più potente che il medico abbia mai avuto. E questo cambia l’equazione — non il principio.
