Radiologi “in the Loop” e Diagnostica Predittiva: Il Futuro dell’IA in Sanità

Non più solo cartelle cliniche elettroniche e software di refertazione: l’Intelligenza Artificiale sta penetrando ogni fase del percorso diagnostico, dalla lettura di una radiografia alla previsione di risposte a terapie complesse. Secondo il report “Generative AI in Healthcare: Adoption Trends and What’s Next” di McKinsey & Company, pubblicato nel luglio 2024, il 71 % dei leader sanitari ha già implementato soluzioni di AI generativa e il 90 % delle organizzazioni ha almeno un’applicazione AI in radiologia, rendendola il campo clinico con la più ampia diffusione di algoritmi diagnostici¹.

Il Radiologo in “the Loop”

La tecnologia DeepMind di Google, in collaborazione con il Moorfields Eye Hospital di Londra, ha sviluppato un sistema in grado di prevedere l’evoluzione della degenerazione maculare senile (exAMD) con precisione pari o superiore a quella di esperti oftalmologi, analizzando scansioni OCT in un arco temporale di sei mesi². Il radiologo rimane al centro del processo: l’algoritmo suggerisce un’ipotesi, ma è sempre il medico a validare la diagnosi, cercando anomalie che un modello non è in grado di cogliere. In questo senso, la “radiologia in the loop” non sostituisce il clinico, ma ne potenzia le capacità, aumentando rapidità e affidabilità delle interpretazioni.

Nel campo della retinopatia diabetica, il sistema IDx-DR, prima IA autonoma autorizzata dalla FDA, ha dimostrato una sensibilità dell’87 % e una specificità del 90 % nel rilevare forme da moderate a gravi, permettendo screening di massa in territori con carenza di specialisti³. Qui il radiologo o l’oftalmologo diventano supervisori di un flusso di casi selezionati dall’intelligenza, ottimizzando tempo e risorse cliniche.

Diagnostica Predittiva e Terapie Personalizzate

Non è solo l’immagine a beneficiare dell’IA: un recente studio presentato all’American Society of Clinical Oncology ha mostrato come un modello di machine learning sia in grado di prevedere quali pazienti con carcinoma prostatico localizzato traggano reale beneficio dal farmaco abiraterone, dimezzando il tasso di mortalità a cinque anni solo nei biomarker-positivi⁴. Questo approccio predittivo apre la strada alla medicina di precisione, in cui ogni terapia viene tarata sul profilo genetico, istologico e comportamentale del singolo paziente.

Nuove Figure Professionali

Con l’IA entra in gioco anche il medical scribe AI-assisted, un software di “ambient listening” che trascrive automaticamente il dialogo tra medico e paziente: riduce i tempi di documentazione da 90 a meno di 30 minuti al giorno e consente al medico di dedicarsi interamente alla visita⁵. Al contempo, emergono figure come il diagnostic prompt engineer, che definisce istruzioni precise per ottimizzare i risultati dei modelli, e il clinical data analyst, specialista nell’integrazione di dati d’immagine, genetici e di monitoraggio remoto per supportare decisioni terapeutiche.

Etica, Regolamentazione e Sfide

L’adozione su larga scala di algoritmi diagnostici solleva questioni di responsabilità e trasparenza. Il New England Journal of Medicine ha evidenziato come l’affidabilità di un modello dipenda dalla qualità dei dati di addestramento e dalla loro rappresentatività⁶. In Europa, il Medical Device Regulation (MDR) e la proposta di AI Act definiscono linee guida per la validazione clinica, la gestione dei bias e la protezione dei dati sensibili, assicurando che ogni algoritmo sia sottoposto a trial rigorosi prima della messa in commercio.

Prospettive per il Sistema Sanitario

Un report EIT Health–McKinsey indica che un’adozione ottimale di AI clinica potrebbe generare risparmi fino a 360 miliardi di dollari annui a livello globale, migliorando al contempo l’accesso alle cure in aree a risorse limitate⁷. Il vero valore dell’IA in sanità risiede nella sinergia tra precisione algoritmica e giudizio umano, capace di trasformare diagnosi e terapie in opportunità di salute personalizzata e sostenibile.

---

Fonti

1. Jessica Lamb et al., “Generative AI in Healthcare: Adoption Trends and What’s Next,” McKinsey & Company, luglio 2024.
2. Google DeepMind, “Using AI to Predict Retinal Disease Progression,” DeepMind Blog, 2019.
3. CMS, “Medicare Coverage of IDx-DR for Diabetic Retinopathy,” 2019.
4. The Guardian, “New AI test can predict which men will benefit from prostate cancer drug,” maggio 2025.
5. The Wall Street Journal, “Why AI May Be Listening in on Your Next Doctor’s Appointment,” maggio 2025.
6. Pratik Agarwal et al., “Artificial Intelligence in U.S. Health Care Delivery,” NEJM, gennaio 2024.
7. Harvard Business Review, “Artificial intelligence could save healthcare industry $360B a year,” 2022.