Intelligenza artificiale e diagnosi medica

Indice

• Dal ragionamento diagnostico al ragionamento di gestione
• L’architettura a doppio processo di AMIE
• La prova del farmaco
• Allucinazioni, linee guida e la questione della tracciabilità
• Non sostituzione, ma collaborazione

C’è una differenza sottile ma decisiva tra il rispondere a una domanda clinica e il prendersi cura di un paziente. La prima è un atto puntuale, e cioè si osservano dei sintomi, si formula un’ipotesi, si propone una diagnosi. La seconda è un processo che si dispiega nel tempo, fatto di visite successive, di esami che confermano o smentiscono, di terapie che vengono aggiustate settimana dopo settimana, di una relazione che si costruisce incontro dopo incontro. Per diverso tempo, l’intelligenza artificiale applicata alla medicina si è misurata quasi esclusivamente con il primo tipo di compito. I modelli linguistici sapevano essere brillanti nel superare esami di medicina, nel suggerire diagnosi differenziali plausibili davanti a un caso clinico ben confezionato, nel riassumere la letteratura scientifica con una velocità che nessun essere umano potrà mai eguagliare. Ma la vera pratica clinica, quella che si consuma negli ambulatori e nei reparti, è un’altra cosa: è gestione longitudinale, è memoria del paziente che torna, è capacità di tenere insieme decine di variabili che cambiano nel tempo senza perdere il filo.

Due studi indipendenti, pubblicati sulla rivista Nature, hanno introdotto altrettanti sistemi di intelligenza artificiale agentica capaci di gestire il paziente in modo end-to-end, dalla raccolta anamnestica fino al monitoraggio del decorso clinico attraverso visite multiple. Il primo si chiama MIRA, acronimo di Medical Intelligence for Reasoning and Action, ed è frutto di un consorzio accademico guidato da Jakob Nikolas Kather. Il secondo è l’evoluzione più recente di AMIE, Articulate Medical Intelligence Explorer, il progetto di Google Research e Google DeepMind coordinato da Mike Schaekermann. Entrambi, in condizioni sperimentali rigorose, hanno mostrato prestazioni assistenziali sovrapponibili o superiori a quelle di medici in carne e ossa. È una frase che va pesata con cura, perché arriva accompagnata da metodologie solide e da benchmark pensati apposta per stanare le debolezze tipiche dell’intelligenza artificiale generativa in ambito sanitario, non da comunicati stampa entusiastici privi di verifica.

Dal ragionamento diagnostico al ragionamento di gestione

Per capire perché questi due lavori segnino una discontinuità, occorre distinguere fra due tipi di competenza clinica che spesso vengono confusi nel dibattito pubblico sull’AI in medicina. C’è il ragionamento diagnostico, cioè la capacità di arrivare a un’ipotesi corretta a partire da un insieme di segni e sintomi, ed è il compito su cui i grandi modelli linguistici hanno già dimostrato risultati notevoli negli ultimi anni, complice anche la disponibilità di enormi quantità di casi clinici testuali su cui allenarsi. E poi c’è quello che gli autori dello studio su AMIE definiscono ragionamento di gestione medica, un processo cognitivo molto più stratificato che comprende la scelta di quali esami prescrivere e in quale sequenza, la selezione fra opzioni terapeutiche con relativo dosaggio e via di somministrazione, il monitoraggio nel tempo degli effetti di una cura, la capacità di riconoscere quando un piano terapeutico va rivisto. È qui che si annida la vera complessità della medicina reale, quella fatta di pazienti cronici che tornano, di terapie che si sovrappongono, di decisioni prese in condizioni di incertezza e con informazioni parziali.

MIRA affronta questa sfida calandosi dentro un ambiente simulato che riproduce fedelmente i software di cartella clinica elettronica utilizzati negli ospedali, con accesso a uno spazio d’azione di oltre ottantacinquemila opzioni codificate secondo gli standard internazionali di interoperabilità sanitaria: la sintassi FHIR, i sistemi di codifica LOINC per gli esami di laboratorio, RxNorm per i farmaci, SNOMED-CT per le diagnosi. Non è un dettaglio tecnico marginale: significa che il sistema non genera testo libero più o meno plausibile, ma interagisce con la stessa granularità strutturata con cui interagirebbe un medico che compila realmente una cartella clinica, ordina un esame, dispone un ricovero. Messo alla prova su oltre cinquecento casi reali estratti dal database MIMIC-IV, uno dei repository di dati clinici di terapia intensiva più utilizzati al mondo nella ricerca biomedica, MIRA ha dovuto interagire in chat con un agente artificiale che simulava il paziente, le cui risposte erano ancorate ai diari clinici originali per garantire coerenza e realismo.

Il sistema ha dimostrato di saper ordinare esami microbiologici ed ematici, interpretare referti radiologici, disporre ricoveri e pianificare interventi chirurgici anche complessi, come l’appendicectomia o la colecistectomia laparoscopica. Sul piano dell’accuratezza diagnostica media, MIRA ha raggiunto l’ottantasette virgola otto per cento, contro il settantotto virgola uno per cento ottenuto da un panel di medici specialisti ospedalieri valutati nelle medesime condizioni informative: una differenza statisticamente significativa, non un margine trascurabile.

L’architettura a doppio processo di AMIE

Se MIRA colpisce per la profondità dell’integrazione con i flussi ospedalieri reali, l’evoluzione di AMIE colpisce per la sofisticazione architetturale, e qui il discorso si fa particolarmente interessante per chi si occupa di scienze cognitive. I ricercatori di Google DeepMind e Google Research hanno infatti costruito il sistema ispirandosi esplicitamente alla teoria psicologica dei processi cognitivi duali, quella cornice teorica che distingue fra un pensiero rapido, automatico, intuitivo, e un pensiero lento, deliberativo, analitico. AMIE si scompone così in due componenti che dialogano fra loro: un Agente di Dialogo, ottimizzato per condurre conversazioni empatiche e reattive in tempo reale con il paziente, e un Agente di Ragionamento, dedicato al calcolo clinico approfondito e all’elaborazione di strategie di cura strutturate, capace di analizzare simultaneamente la storia clinica del paziente e centinaia di pagine di linee guida ufficiali grazie alle capacità di contesto esteso dei modelli della famiglia Gemini.

Non è un’operazione di puro marketing concettuale prendere in prestito una teoria psicologica per descrivere un’architettura informatica, ma è una scelta progettuale che riflette un problema reale della clinica, ovvero la necessità di tenere separati, ma coordinati, il tempo della relazione e il tempo del ragionamento tecnico. Un medico bravo sa essere presente ed empatico nell’ascolto di un paziente preoccupato, e allo stesso tempo elaborare in parallelo, quasi in una traccia mentale distinta, le implicazioni cliniche di ciò che sta ascoltando. Riprodurre questa doppia traccia in un sistema artificiale, invece di affidare tutto a un unico flusso indistinto di generazione testuale, è una scelta che segnala una comprensione non superficiale di cosa significhi effettivamente ragionare clinicamente.

Per validare questa architettura, i ricercatori hanno organizzato un esame clinico virtuale in stile OSCE, l’Objective Structured Clinical Examination utilizzato nella formazione medica per valutare le competenze pratiche in scenari controllati, coinvolgendo ventuno medici di medicina generale e altrettanti attori professionisti chiamati a interpretare cento scenari clinici complessi distribuiti su tre visite successive, così da simulare davvero la continuità di cura e non un singolo episodio isolato. I risultati, valutati alla cieca da specialisti indipendenti, hanno certificato la non-inferiorità di AMIE rispetto ai medici umani su tutti i quindici assi di valutazione clinica considerati, con prestazioni superiori proprio sulla precisione delle indagini raccomandate e delle scelte terapeutiche.

La prova del farmaco

Un punto molto importante dei due studi riguarda il modo in cui i sistemi gestiscono la prescrizione farmacologica, terreno notoriamente insidioso perché combina la necessità di precisione tecnica con margini di errore potenzialmente gravi per la sicurezza del paziente. Mentre i medici umani tendono talvolta a rifugiarsi in raccomandazioni generiche, come l’indicazione di una classe antibiotica senza specificare la molecola, AMIE ha generato direttive cliniche immediatamente azionabili, con il nome esatto del farmaco, il dosaggio preciso, la via di somministrazione e gli intervalli di monitoraggio. Per mettere alla prova la sicurezza farmacologica in scenari ad alta criticità, il team ha sviluppato un benchmark dedicato, RxQA, composto da seicento quesiti a scelta multipla derivati dai formulari farmaceutici nazionali di Stati Uniti e Regno Unito e validati da farmacisti certificati. In modalità open-book, con la possibilità cioè di consultare i foglietti illustrativi come farebbe qualunque professionista nella pratica reale, AMIE ha superato nettamente i medici di medicina generale proprio nel sottoinsieme di domande classificate come ad alta difficoltà logica o gravate da elevato rischio di interazione e controindicazione.

MIRA, dal canto suo, non ha registrato alcun errore grave nei domini clinici più delicati: il dosaggio renale calcolato sulla creatinina, le interazioni farmacologiche ad alta severità, le allergie note, il rischio di prolungamento dell’intervallo QT che può precipitare aritmie cardiache pericolose. Sono proprio questi i punti in cui, storicamente, l’automazione clinica ha mostrato le sue fragilità più insidiose, perché richiedono di incrociare correttamente più variabili contemporaneamente senza scorciatoie euristiche. Il fatto che entrambi i sistemi abbiano retto la prova proprio su questo terreno è, dal punto di vista regolatorio e della validazione clinica, forse il dato più rassicurante emerso da queste ricerche.

Allucinazioni, linee guida e la questione della tracciabilità

Il timore più diffuso e più legittimo verso l’intelligenza artificiale in medicina resta quello delle cosiddette allucinazioni algoritmiche, cioè la generazione di consigli clinici errati, inventati o privi di fondamento nella letteratura scientifica reale. È un timore fondato, perché un modello linguistico non ha, di per sé, alcuna garanzia intrinseca di aderenza ai fatti: genera la sequenza di parole statisticamente più plausibile, non necessariamente quella corretta. Gli studi su MIRA e AMIE affrontano questo nodo mostrando che l’ancoraggio strutturato dei modelli alla letteratura medica ufficiale, quando progettato con rigore, riduce sensibilmente il problema.

AMIE ha dimostrato un allineamento con le linee guida britanniche del NICE e con il BMJ Best Practice nettamente superiore rispetto ai medici umani, inserendo citazioni incrociate verificabili direttamente all’interno dei propri piani terapeutici: non un’affermazione generica, ma un riferimento puntuale e controllabile alla fonte da cui deriva ogni raccomandazione. Questa tracciabilità è, a ben vedere, la vera posta in gioco per l’adozione clinica dell’AI generativa: un sistema che risponde e basta, senza mostrare il percorso che lo ha condotto a una certa conclusione, resta una scorciatoia rischiosa in un ambito dove ogni decisione deve poter essere motivata, verificata, eventualmente contestata da un professionista.

Non sostituzione, ma collaborazione

Questi sistemi non nascono per sostituire il medico, ma per affiancarlo in un modello di collaborazione che alcuni definiscono simbiotica. L’onere burocratico e il tempo sottratto alla cura diretta dalla compilazione delle cartelle cliniche sono fra le cause primarie del burnout medico a livello globale, un fenomeno ormai ben documentato dalla letteratura sanitaria internazionale e che si è aggravato negli ultimi anni proprio a causa della crescente complessità amministrativa dei sistemi sanitari. Un agente di intelligenza artificiale integrato nell’ecosistema ospedaliero potrebbe agire come una sorta di assistente ombra, capace di redigere bozze di riconciliazione farmacologica, proporre esami di laboratorio appropriati secondo le linee guida più aggiornate, pre-compilare lettere di dimissione o richieste di consulenza specialistica. Liberare il tempo clinico dalle mansioni più ripetitive per restituirlo alla sua dimensione più propria, quella dell’ascolto e della relazione con il paziente, è la promessa che accompagna questi sistemi, ed è una promessa che, a differenza di molte narrazioni entusiastiche sull’AI in sanità circolate negli ultimi anni, qui si appoggia a dati sperimentali verificabili piuttosto che a semplici dichiarazioni di intenti.

Resta, naturalmente, una lunga strada fra un risultato pubblicato su Nature in condizioni sperimentali controllate e l’effettiva implementazione in un reparto ospedaliero reale, con pazienti reali, variabilità clinica reale e tutte le complicazioni normative, assicurative ed etiche che l’introduzione di un agente decisionale autonomo comporta. Gli stessi autori sottolineano la necessità di studi prospettici in contesti clinici reali, per mappare la generalizzazione dei modelli su popolazioni di pazienti diverse da quelle di addestramento, affinare la resistenza a input ambigui o contraddittori, e costruire quadri di governance etica e sanitaria solidi prima di qualunque adozione su larga scala. È un percorso che riguarda da vicino anche chi si occupa di validazione clinica e di affari regolatori nel campo della diagnostica, perché la domanda che questi due studi pongono con forza non è più se l’intelligenza artificiale sarà in grado di ragionare come un medico, ma con quali evidenze, quali standard di sicurezza e quali strumenti di tracciabilità sarà lecito permetterle di farlo.