L’AI in sanità entra in una fase cruciale: tempo di agire

L’adozione dell’Intelligenza Artificiale in sanità entra in una fase decisiva tra modelli regolatori globali, resistenze culturali, ritorno economico e sanità predittiva. Per l’Italia, stretta tra crisi demografica e carenza di personale, l’intelligenza artificiale diventa una leva strategica fondamentale per il futuro del Servizio Sanitario Nazionale (SSN).

Dal momento della promessa a quello del risultato

Il dibattito sull’adozione dell’Intelligenza Artificiale in sanità sta lentamente superando la fase dell’esaltazione per entrare in quella della dura realtà industriale e gestionale. Le promesse di questa trasformazione sono straordinarie: un incremento del valore che raddoppia le metriche tradizionali, unendo il ritorno economico a quello dell’empatia di cura, per transitare verso una vera sanità predittiva a livello di popolazione (la fase dell’AI+).

La posizione unica dell’Italia

Gli Stati Uniti, l’Europa e la Cina stanno ciascuno sviluppando modelli distinti per affrontare i dispositivi medici basati sull’AI. L’Italia si trova però in una posizione difficile. In un contesto di crisi demografica e di emorragia di personale sanitario senza precedenti, l’Italia non può permettersi di trattare l’IA come un’opportunità estetica di modernizzazione, ma deve riconoscerla come un elemento essenziale per salvare il sistema sanitario.

Modelli regolatori globali e le loro conseguenze

Oggi l'approvazione e la sorveglianza dei dispositivi basati sull’AI mostrano grandi differenze tra i modelli regolatori mondiali. Il tempo delle sperimentazioni isolate è scaduto: l’Italia deve correre, e partire dalle persone.

USA: modello di approvazione agile

Negli Stati Uniti, la Food and Drug Administration (FDA) adotta un sistema flessibile e orientato alla velocità, che si rivela particolarmente efficace per il mercato digitale. Alla fine del 2025, la FDA ha autorizzato più di 1.450 dispositivi medici basati sull’Intelligenza Artificiale e l’apprendimento automatico (Machine Learning). Questo successo si spiega con il TPLC (Total Product Life Cycle), un modello innovativo dove il ciclo di vita dei dispositivi viene monitorato in tutta la sua durata.

Come funziona il TPLC

Il TPLC è un approccio metodologico che considera il dispositivo medico come una entità dinamica. Per rendere il TPLC operativo, la FDA ha introdotto i Predetermined Change Control Plans (PCCP). Con il PCCP, i produttori presentano un piano di aggiornamenti anticipato, e se le modifiche rientrano nel piano approvato, possono attuare aggiornamenti continuativi senza nuove autorizzazioni ufficiali. Questo meccanismo ha portato ad una massiccia crescita nel mercato digitale sanitario degli Stati Uniti.

Europa: prudenza etica e ritardi industriali

Al contrario l’Europa ha adottato un approccio eticamente conservativo. L’intersezione tra MDR e EUAI Act ha messo quasi tutti i dispositivi sanitari intelligenti “ad alto rischio”. Il risultato concreto è il cosiddetto “congelamento degli algoritmi”, dove ogni modifica richiede una valutazione completa. Il risultato per le aziende del settore MedTech europeo è una riduzione dell’efficacia del machine learning, con ritardi di mercato evidenti.

La Cina e il suo modello centralizzato

La Cina risponde con un modello centralizzato, aggressivo e orientato all’innovazione industriale interna. Il NMPA (National Medical Products Administration), l’iniziativa governativa di regolamentazione cinese, ha registrato una crescita annuale media del 50% nell’approvazione di dispositivi medici basati sull’IA. L’obiettivo geopolitico cinese è chiaro: accelerare lo sdoganamento industriale per fornire tecnologie native all'interno del sistema ospedaliero cinese, pronte a gestire immensi flussi di dati legati alla sua enorme popolazione.

Resistenze umane e formative

Indipendentemente dal modello regolatorio adottato, l’adozione dell’IA in sanità si confronta con un problema profondo: il fattore umano e la cultura organizzativa interna alle strutture sanitarie. Senza un adeguato supporto da parte del corpo clinico, l’innovazione tecnologica non produce valore. Secondo l’ultimo AMA Physician Survey on Augmented Intelligence, i medici mostrano una polarizzazione profonda verso l’AI: da un lato, vogliono formazione, dall’altro, timoranno la perdita progressiva delle proprie competenze di base.

Formazione: una risposta fondamentale

Il 92% dei medici chiede corsi strutturati per comprendere a pieno l’uso dell’IA. Essi comprendono che le tecnologie stanno entrando nei loro reparti, ma lamentano l’assenza di una leadership chiara e una guida formale per comprendere come cambieranno le responsabilità, le procedure e le nuove interazioni con la macchina.

La paura per la perdita di competenze base

Dall’altro lato, il 88% dei medici esprime preoccupazione per il rischio concreto di skill loss, ovvero l’atrofizzazione di capacità cliniche fondamentali. I giovani rischiano di sviluppare un bias di fiducia nei confronti delle macchine, perdendo l’abilità critica che si forma solo sull’errore, sull’apprendimento dal confronto e sull’esperienza con la Ground Truth.

Il modello Human-in-the-loop

Il vero ostacolo all’adozione dell’IA non è un problema di soldi o di regolazioni, bensì la mancanza di un Change Management che riesca a riscrivere i flussi di lavoro e a proteggere l’autonomia intellettuale del personale sanitario. Un modello in cui l’uomo resta centrale, ma supportato dall’intelligenza artificiale, è la soluzione necessaria.

I vantaggi economici e umani dell’AI in sanità

Quando le resistenze culturali vengono superate, l’effetto dell’IA smette di essere solo costoso e si trasforma in una leva di sostenibilità economica e sociale senza precedente. Per valutare in modo completo il ritorno dell’IA negli ospedali, si deve adottare una metrica doppia, che tenga conto sia della sostenibilità finanziaria che del benessere del lavoro umano.

ROI e ROE: una duplice prospettiva

Il primo pilastro è il Return on Equity, che misura l’ottimizzazione delle risorse strutturali. Il secondo pilastro riguarda la sostenibilità umana, con focus sull’efficienza operativa e l’efficacia nel lavoro quotidiano. Solo una visione equilibrata permetterà