Lintelligenza artificiale nel settore sanitario si riferisce all'applicazione dell'intelligenza artificiale (AI) per imitare la cognizione umana nell'analisi, presentazione e comprensione dei dati medici complessi, o per superare le capacità umane fornendo nuovi modi per diagnosticare, trattare o prevenire malattie. Nello specifico, l'IA è la capacità degli algoritmi informatici di arrivare a conclusioni approssimative basate esclusivamente sui dati di input.

L'obiettivo principale delle applicazioni sanitarie legate all'IA è analizzare le relazioni tra i dati clinici e i risultati dei pazienti. I programmi di intelligenza artificiale vengono applicati a pratiche quali la diagnostica, lo sviluppo di protocolli di trattamento, lo sviluppo di farmaci, la medicina personalizzata e il monitoraggio e la cura dei pazienti . Ciò che differenzia la tecnologia AI dalle tecnologie tradizionali nel settore sanitario, è la capacità di raccogliere dati più grandi e diversificati, elaborarli e produrre un output ben definito per l'utente finale. L'apprendimento automatico e l'apprendimento profondo sono alla base degli algoritmi di IA. Questi algoritmi imparano dai dati e possono riconoscere schemi complessi, come quelli presenti nelle immagini radiografiche, che sono tra gli esami più comuni in radiologia. Gli algoritmi di IA si differenziano dagli esseri umani per due aspetti principali: 1) sono letterali, cioè seguono le istruzioni programmate e apprendono solo dai dati forniti; 2) alcuni algoritmi di apprendimento profondo sono "scatole nere", ovvero forniscono risultati accurati ma senza spiegazioni facilmente comprensibili sulla logica sottostante.

Storia La storia dell'intelligenza artificiale (IA) in sanità affonda le sue radici negli anni '60 e '70, con lo sviluppo di Dendral, il primo sistema esperto per la risoluzione di problemi in chimica organica. Dendral gettò le basi per MYCIN, uno dei primi sistemi di IA applicati alla medicina, utilizzato per diagnosticare infezioni batteriche del sangue. Nonostante il potenziale dimostrato, MYCIN e altri sistemi simili non furono adottati su larga scala.

Gli anni '80 e '90 videro la diffusione dei microcomputer e l'aumento della connettività, aprendo nuove prospettive per l'IA in sanità. I ricercatori riconobbero la necessità di progettare sistemi in grado di gestire dati incompleti e di integrare l'esperienza medica. Tecniche come la teoria dell'insieme sfocato, la rete bayesiana, e le reti neurali artificiali, furono applicate per sviluppare sistemi di calcolo intelligenti in ambito sanitario.

Diversi fattori hanno contribuito alla crescita delle applicazioni dell'IA in sanità negli ultimi decenni:

Aumento della potenza di calcolo con conseguente raccolta ed elaborazione dei dati più rapida ed efficiente Crescita dei database di sequenziamento genomico, ha fornito una base di conoscenze più ampia per l'analisi genetica Diffusa implementazione di sistemi di cartelle cliniche elettroniche, ha facilitato l'accesso e l'analisi di grandi quantità di dati clinici Progressinell'elaborazione del linguaggio naturale e nella visione artificiale, hanno consentito alle macchine di comprendere il linguaggio umano e interpretare immagini mediche Maggiore precisione della chirurgia assistita da robot, hanno consentito alle macchine di comprendere il linguaggio umano e interpretare immagini mediche Aumento dei modelli di apprendimento automatico basati su alberi che consentono flessibilità nello stabilire predittori di salute Miglioramenti nelle tecniche di deep learning e nei registri di dati nelle malattie rare

Gli algoritmi di intelligenza artificiale possono essere utilizzati anche per analizzare grandi quantità di dati attraverso cartelle cliniche elettroniche per la prevenzione e la diagnosi delle malattie. Istituzioni mediche come la Mayo Clinic, il Memorial Sloan Kettering Cancer Center, e il British National Health Service, hanno sviluppato algoritmi di intelligenza artificiale per i loro dipartimenti. Anche grandi aziende tecnologiche come IBM e Google hanno sviluppato algoritmi di intelligenza artificiale per l’assistenza sanitaria. Inoltre, gli ospedali stanno cercando software di intelligenza artificiale per supportare iniziative operative che aumentino il risparmio sui costi, migliorino la soddisfazione dei pazienti e soddisfino le esigenze di personale e forza lavoro. Attualmente, il governo degli Stati Uniti sta investendo miliardi di dollari per portare avanti lo sviluppo dell’intelligenza artificiale nel settore sanitario. Le aziende stanno sviluppando tecnologie che aiutano i manager sanitari a migliorare le operazioni aziendali aumentando l'utilizzo, diminuendo il ricovero dei pazienti, riducendo la durata del ricovero e ottimizzando i livelli di personale.

Esistono però anche controversie etiche e legali circa i rapporti "opachi" o "corruttivi" che intercorrono tra le Big Tech, i Governi e le Amministrazioni circa la Sanità. Nel 2018 IBM Watson Health ha fornito gravi errori diagnostici nel trattamento del cancro al Memorial Sloan Kettering Cancer Center. Il 21 novembre 2023 Palantir (società statunitense attenzionata sui casi di data mining, e con profondi legami con i servizi segreti e le agenzie militari statunitensi) si aggiudica con un maxi contratto di 330 milioni di sterline l'assegnazione di una piattaforma dati per il servizio sanitario sanitario del Regno Unito (Nhs), accedendo così al sistema di dati dei pazienti del Regno Unito, uno dei più grandi archivi di dati sanitari al mondo. Accademici e politici hanno espresso preoccupazione riguardo all’affidamento del contratto a Palantir, le cui origini sono nel settore dell’intelligence statunitense. Il Financial Times ha scritto che i termini del contratto vietano l’uso dei dati dei pazienti per guadagni commerciali, ma Amnesty International, parlamentari, gruppi tecnologici, medici e attivisti per le libertà civili hanno affermato che l’accordo ha “enormi implicazioni per la protezione dei dati”, aggiungendo che Palantir dovrebbe dare “garanzie ferree” che non monetizzerà i dati sanitari. Stessa situazione è avvenuta con assegnazione di piattaforme dati a Palantir in Italia al policlinico Agostino Gemelli. Nel 2025 il giudice distrettuale degli Stati Uniti Dale Drozd ha accusato Cigna Group - che era stata citata in giudizio nel 2023 a seguito di un rapporto di ProPublica sull'aver fatto affidamento sul PxDx (abbreviazione aziendale per la procedura alla diagnosi) - di aver impiegato una procedura informatica per negare in massa richieste di rimborso, relegandole come non necessarie dal punto di vista medico, senza che i professionisti sanitari le esaminassero, arrivando a negare fino a 60.000 richieste al mese utilizzando l'algoritmo.

A fine 2025 Google ha scelto di limitare o rimuovere alcune risposte mediche generate da AI Overview dopo un’inchiesta del Guardian che ha messo in dubbio l’accuratezza clinica dei suoi “sommari” automatici. La decisione di Google di ridimensionare le risposte dell’IA su quesiti medici, come i valori di riferimento degli esami del sangue o i parametri della pressione arteriosa, nasce da una criticità strutturale ovvero l’assenza di contesto clinico. Le risposte automatiche forniscono valori medi che non tengono conto di variabili decisive come età, sesso, condizioni pregresse e comorbilità.

Applicazione dell'IA in Sanità L'applicazione diffusa dell'IA in sanità è relativamente recente e la ricerca in questo campo è in continua evoluzione. L'IA viene esplorata in diverse aree mediche e industriali. Tuttavia, l'uso dell'IA solleva importanti questioni etiche, come la privacy dei dati, l'automazione del lavoro e i potenziali bias Inoltre, l'introduzione di nuove tecnologie basate sull'IA può incontrare resistenze da parte degli operatori sanitari, rallentando l'adozione.

Nonostante le sfide, l'IA ha dimostrato il suo valore nell'analisi di grandi quantità di dati sanitari. Collaborazioni come quella tra Google e la Mayo Clinic o progetti come quello dell'Università della California, a San Diego, che ha sviluppato un programma diagnostico basato sull'analisi di 1,3 milioni di cartelle cliniche pediatriche, evidenziano il potenziale dell'IA nel migliorare la pratica clinica e la ricerca medica. Tuttavia, dopo che il 6 maggio 2024 Google ha presentato Med-Gemini, una suite di modelli di intelligenza artificiale progettata per il settore sanitario e descritta come un “salto in avanti” con “potenziale significativo in medicina”, per ambiti come radiologia, patologia, dermatologia, oftalmologia e genomica, si è presentato un caso gravissimo di errore diagnostico. Addestrato su vasti set di dati medici anonimizzati, il sistema è in grado di interpretare scansioni 3D complesse, rispondere a quesiti clinici, generare referti dettagliati e analizzare dati genomici per stimare la predisposizione a determinate malattie. Solo l'intervento del neurologo Bryan Moore ha permesso di mettere in discussione la reale efficacia diagnostica del sistema quando, in un referto medico che riportava delle analisi di alcune scansioni radiologiche, è emerso un errore piuttosto grave. Med-Gemini ha confuso “basal ganglia” (gangli della base) e “basilar ganglia”.. La suddetta struttura, nata dalla “fusione” di due differenti aree del cervello, i gangli basali, o della base, fondamentali per il controllo motorio, l’apprendimento e i processi emozionali, e l’arteria basilare, un vaso sanguigno che irrora il tronco encefalico, è stata poi utilizzata per conferire la diagnosi di un’anomalia: la “left basilar ganglia infarct”, patologia totalmente inesistente, riportata e pubblicata in un preprint all’interno del blog di Google senza precedente reale supervisione critica umana (tranne a posteriori quella di Moore che ha evidenziato le conseguenze gravi e di messa a rischio della sicurezza del paziente con simili diagnostiche). Gli studi attuali stimano che i tassi di allucinazione nei modelli di IA utilizzati per sistemi di supporto alle decisioni cliniche varino dall'8% al 20%, a seconda della complessità del modello e della qualità dei dati di addestramento. Diagnosi errate legate ad allucinazioni tramite IA si sono verificate nel 5-10% dei casi analizzati in uno studio recente sugli strumenti radiologici basati sull'IA. Nel 2023 un sistema di IA ha segnalato erroneamente i noduli benigni come maligni nel 12% dei casi analizzati, portando a interventi chirurgici non necessari.

Industria Gran parte dell'attenzione dell'industria si concentra suisistemi di supporto alle decisioni cliniche, dove l'apprendimento automatico, alimentato da una crescente mole di dati, consente risposte e soluzioni sempre più robuste. Numerose aziende stanno esplorando le possibilità offerte dall'integrazione dei big data nel settore sanitario, investendo in tecnologie per la valutazione, l'archiviazione, la gestione e l'analisi dei dati.

Tra le grandi aziende che hanno contribuito allo sviluppo di algoritmi di IA in ambito sanitario figurano:

IBM: Watson Oncology, in fase di sviluppo presso il Memorial Sloan Kettering Cancer Center e la Cleveland Clinic, è un esempio di applicazione dell'IA nel trattamento del cancro. IBM collabora anche con CVS Health per il trattamento delle malattie croniche e con Johnson & Johnson per l'analisi di articoli scientifici finalizzata allo sviluppo di nuovi farmaci. Microsoft: il progetto Hanover, in collaborazione con l'Oregon Health & Science University, utilizza l'IA per analizzare la ricerca medica e prevedere le opzioni di trattamento del cancro più efficaci. Google: la piattaforma DeepMind viene utilizzata dal Servizio Sanitario Nazionale del Regno Unito per rilevare rischi per la salute attraverso i dati raccolti da un'app mobile e per analizzare immagini mediche al fine di sviluppare algoritmi di visione artificiale per la rilevazione di tessuti cancerosi.