Gli investimenti italiani in intelligenza artificiale sanitaria sono cresciuti di quasi il 90% in tre anni, ma solo il 30% dei medici ha ricevuto una formazione specifica. L’Osservatorio per l’Ai in Sanità di Welfair mappa le applicazioni e mette a fuoco il nodo delle responsabilità, con effetti sull’assistenza agli anziani
Da 121 a 228 milioni di euro: è il salto compiuto tra il 2022 e il 2025 dagli investimenti italiani in intelligenza artificiale e analytics applicati alla sanità, una crescita vicina al 90% in tre anni. Nello stesso periodo la formazione degli operatori ha camminato molto più piano.
Stando ai dati dell’Osservatorio per l’Ai in Sanità, gruppo di lavoro costituito all’interno di Welfair (la fiera-evento dedicata al sistema sanitario che si tiene a Roma), nel 2025 la spesa italiana per la sanità digitale ha toccato i 2,7 miliardi di euro, il 9% in più rispetto all’anno precedente.
Sul fronte delle competenze il quadro cambia segno. Solo il 30% dei medici dichiara di aver ricevuto una formazione sull’Ai, appena il 2% degli specialisti possiede competenze giudicate buone o ottime e il 73% dei direttori generali segnala una preparazione digitale del personale ancora insufficiente.
Sono numeri che pesano soprattutto dove l’assistenza è più intensa, cioè nei reparti e nei servizi territoriali che seguono pazienti anziani e cronici. Una tecnologia acquistata prima che qualcuno sappia usarla, o metterla in discussione, resta una spesa a metà.
Una mappatura per scegliere: dal framework alle applicazioni già in uso
L’Osservatorio nasce per accompagnare le strutture sanitarie verso un’adozione consapevole dell’Ai. Il primo passo è una mappatura delle applicazioni già presenti negli ospedali e nei servizi italiani: diagnostica per immagini, supporto alle decisioni cliniche, refertazione automatizzata, telemedicina, gestione dei processi.
L’obiettivo è un framework di riferimento per direttori sanitari, manager e professionisti, con strumenti per valutare le tecnologie disponibili, individuare i requisiti di sicurezza e orientare le scelte di investimento. Il tema è stato discusso a Welfair 2026, promossa da Roma Fiera e B-Sanità by Experience.
Tra le pratiche citate, tre riguardano patologie che tendono a comparire o ad aggravarsi con l’età. Un algoritmo punta a individuare in anticipo lo sviluppo del tumore del colon. Un secondo cerca nella voce i segni del tumore della laringe e potrebbe diventare un’app, trasformando lo smartphone in uno strumento di point of care, cioè di valutazione nel luogo in cui il paziente riceve le cure. Il terzo calcola il rischio di caduta a tre anni dalla prima visita per il Parkinson.
Chi risponde quando l’algoritmo sbaglia: responsabilità, assicurazioni e consenso
La diffusione dell’intelligenza artificiale obbliga a ripensare la governance sanitaria e le responsabilità cliniche. Ai tavoli di Welfair la domanda è stata posta senza giri di parole: chi risponde quando un sistema commette un errore?
La legge 132/2025 sull’intelligenza artificiale ribadisce il ruolo decisionale del medico. Resta aperta la ripartizione delle responsabilità tra professionisti, strutture sanitarie e produttori delle tecnologie, con riflessi anche sul piano assicurativo: chi copre che cosa, e in quale misura, quando la raccomandazione di un software entra in una decisione clinica.
Il quadro normativo europeo chiede alle aziende sanitarie di integrare sicurezza, protezione dei dati e valutazione dei rischi nell’intero ciclo di utilizzo delle tecnologie. Introdurre nuovi algoritmi, quindi, non basta: cambia l’organizzazione, che deve garantire la trasparenza delle decisioni.
Cambia anche il consenso informato, da intendere in senso pieno e sostanziale. Il paziente, tanto più se anziano e meno abituato agli strumenti digitali, deve poter capire quando e come un sistema automatico concorre alla sua diagnosi o alla sua terapia. Al centro resta la relazione di cura.
Dati sintetici e differenze di genere: addestrare algoritmi che valgano per tutti
L’addestramento è un tema a sé. Le strutture sanitarie concedono i dati con lentezza e questo frena lo sviluppo dei sistemi. Una via d’uscita sempre più praticata sono i dati sintetici: informazioni artificiali che replicano le proprietà statistiche e matematiche di un dataset reale, senza contenere dati personali o sensibili.
Resta da stabilire su quali dati ci si addestra. Il tumore del colon, per esempio, nelle donne è molto diverso che negli uomini: si localizza più in alto nell’intestino, a sinistra, è tardivo e tende a sanguinare solo negli stadi molto avanzati. Un algoritmo costruito senza tenere conto di queste differenze rischia di riconoscere male proprio i casi che dovrebbe intercettare prima.
Il discorso vale anche oltre il genere. Ricerche e nuovi strumenti, per essere efficaci, devono considerare la diversità tra persone normopeso e persone con obesità, e tra popolazioni diverse in genere. I dati sintetici nascono da un dataset di partenza e ne ereditano le proporzioni: se il campione originale è sbilanciato, la copia artificiale lo resta.
Il banco di prova arriverà quando le strutture dovranno decidere come spendere i prossimi budget. Se il framework dell’Osservatorio entrerà nella prassi, la domanda a monte di ogni acquisto riguarderà i pazienti su cui l’algoritmo è stato addestrato e chi risponde del suo uso. Nei reparti dove gli anziani sono la maggioranza, la risposta cambierà il modo di curare.
Crediti immagine: Depositphotos
