Scarsa aderenza alle terapie? In aiuto l’intelligenza artificiale. Vediamo come

di Simona Regina

Simona Regina

09/03/2026
Digital Health
5 minuti

Perché ne stiamo parlando
Un’analisi del Cefriel mostra come l’intelligenza artificiale causale possa migliorare l’aderenza alle terapie, supportando personale medico e pazienti nelle scelte. Un progetto pilota dal position paper di AIFA evidenzia i benefici economici e sulla salute pubblica.

Getting your Trinity Audio player ready...

La scarsa aderenza alle cure costa al Servizio sanitario nazionale circa due miliardi di euro ogni anno. Secondo l’Agenzia italiana del farmaco, migliorare la continuità terapeutica anche solo del quindici per cento permetterebbe di risparmiare trecento milioni di euro, oltre a generare benefici sociali rilevanti.

«Diversi studi – aveva spiegato a suo tempo il presidente di AIFA Robert Nisticò annunciando l’istituzione del Tavolo tecnico sulla medicina di precisione e la prescrittomica – hanno dimostrato che l’uso dell’intelligenza artificiale per monitorare le terapie, inviare promemoria personalizzati e fornire supporti in tempo reale può aumentare fino al 20 per cento l’aderenza alle terapie stesse. Una percentuale che si traduce in un miglioramento del 40 per cento della qualità della vita e del 20 per cento in termini di sopravvivenza».

Come migliorare l’aderenza alle terapie

Se è noto, ormai, che la scarsa adesione ai trattamenti riduce l’efficacia dei farmaci, aumenta complicanze, ricoveri e costi sanitari, comprendere le ragioni che impediscono ai pazienti di seguire correttamente le prescrizioni mediche è il punto di partenza per invertire la rotta. Come? Secondo Cefriel, il centro di innovazione digitale fondato nel 1988 dal Politecnico di Milano, l’intelligenza artificiale può fare la differenza. In particolare, l’intelligenza artificiale causale, su cui si focalizza l’analisi “Intelligenza artificiale e salute: Causal AI e assistenti virtuali nelle terapie complesse”.

IA causale: una tecnologia per comprendere le cause

Come spiega l’autore, Gianluca Ripa, a differenza dei sistemi tradizionali che analizzano grandi quantità di dati per trovare correlazioni statistiche, l’intelligenza artificiale causale è una tecnologia progettata per modellare le relazioni di causa ed effetto all’interno di sistemi complessi: per comprendere le cause di un determinato fenomeno.

Allora, per esempio, analizzando fattori come la routine quotidiana del paziente o gli effetti collaterali sottovalutati, potrebbe permettere di capire perché una terapia fallisce nonostante il farmaco sia efficace. Per esempio: l’orario di assunzione incompatibile con le abitudini quotidiane.

«L’intelligenza artificiale causale applicata alla salute – spiega Ripa, AI & Data Analytics Business Line Manager di Cefriel – punta a modellare relazioni causa-effetto tra variabili cliniche, comportamentali e sociali, permettendo di stimare l’impatto di interventi specifici. Grazie a queste capacità, un assistente virtuale basato su Causal AI può andare oltre il semplice promemoria di assumere i farmaci: può fornire raccomandazioni personalizzate, spiegabili e sostenibili nel tempo, adattandole al profilo unico di ciascun paziente». Tenendo conto cioè di condizioni cliniche, abitudini quotidiane, cultura, preferenze, ecc.

Assistenti virtuali e profili personalizzati

Nel documento, Ripa chiarisce come un assistente virtuale basato su questa tecnologia, costruendo un profilo del paziente che integra dati clinici, psicologici e sociali, possa aiutare a personalizzare la terapia.

Attraverso simulazioni chiamate analisi what-if, l’assistente valuta gli effetti di possibili cambiamenti prima della loro applicazione e fornisce raccomandazioni di conseguenza. Queste simulazioni di scenari ipotetici rappresentano una funzione centrale di questo tipo di assistente virtuale. «Il modello causale consente di sperimentare virtualmente modifiche alla terapia o allo stile di vita per vedere come influiscono sugli esiti, prima di applicarle davvero al paziente». Come chiarisce Ripa, «non si tratta di sostituire il medico, ma di dotare l’intero sistema di cura di uno strumento di ragionamento condiviso, trasparente e orientato alle cause reali dei problemi».

Il gemello digitale per terapie su misura

Il processo di analisi si poggia sul gemello digitale causale del paziente. Si tratta di un modello virtuale che ne replica il comportamento e risponde a diversi stimoli o interventi simulati. Per sviluppare questi sistemi, si legge nell’analisi Cefriel, è fondamentale una stretta collaborazione tra clinici, ingegneri e data scientist: l’integrazione di competenze diverse è infatti alla base dello sviluppo di strumenti di supporto alle decisioni cliniche e piattaforme di medicina personalizzata che si basano su dati reali, per garantire rigore metodologico e valutazioni precise sull’affidabilità delle soluzioni proposte.

Impatto sul sistema e sulle imprese

L’integrazione di questi sistemi avanzati offrirebbe vantaggi anche per le aziende farmaceutiche e i fornitori di servizi sanitari digitali, secondo Alessandro De Biasio, amministratore delegato di Cefriel. «Comprendere le cause che influenzano l’aderenza terapeutica significa progettare infatti servizi e piattaforme con maggiore impatto clinico, maggiore fiducia da parte dei professionisti sanitari e un migliore ritorno degli investimenti». Per cui, lo sviluppo di queste piattaforme di medicina personalizzata basate su dati raccolti nella pratica clinica favorirebbe la transizione verso modelli più sostenibili per tutti gli attori coinvolti.

«Sebbene la Causal AI in ambito sanitario sia ancora in evoluzione, le tecnologie e librerie attuali stanno già dimostrando il potenziale in contesti di ricerca e primi progetti pilota» conclude Ripa.

IA causale nel position paper di AIFA

Un progetto pilota è descritto nel position paper Medicina di precisione e appropriatezza della prescrizione farmacologica (ne abbiamo parlato qui) dell’Agenzia italiana del farmaco. Documento dove AIFA descrive l‘intelligenza artificiale come un pilastro fondamentale della medicina personalizzata, capace di migliorare l’aderenza terapeutica attraverso diverse strategie tecnologiche e metodologiche.

L’IA permette, per esempio, di superare l’approccio standardizzato (one size fits all): «grazie a modelli individualizzati che considerano polimorfismi genici, comorbidità e funzionalità degli organi, è possibile definire il dosaggio ottimale per ogni singolo paziente. E questa precisione contribuisce a ridurre significativamente gli effetti collaterali, che sono tra le principali cause di abbandono della terapia».

Ma non solo. Anche AIFA sottolinea che la capacità di identificare e modellare relazioni causali è fondamentale per una medicina sempre più personalizzata a misura di singolo paziente. E spiega l’utilità di ricorrere al gemello digitale, rappresentazione computazionale del paziente alimentata da dati clinici in tempo reale. In questo caso l’IA agisce come un “sistema sentinella” che, analizzando serie temporali, può anticipare eventi critici o peggioramenti, permettendo al personale medico di adattare la terapia preventivamente.

E, specialmente nei casi di politerapia, può identificare incongruenze, potenziali interazioni e rischi di tossicità in tempo reale, aiutando a costruire un regime terapeutico più sicuro e accettabile per il paziente.

Per la loro implementazione, AIFA sottolinea però la necessità di «istituire poli nazionali per la cosperimentazione e la validazione dei modelli di IA. In questi poli, il modello sperimentale deve fondarsi su trial adattativi, simulazioni in silico, digital twin dei pazienti, reti causali e modelli generativi. Le tecnologie computazionali devono essere validate su casi reali, coinvolgendo attivamente i medici, i farmacologi, i farmacisti e gli specialisti che poi le utilizzeranno».

Un nuovo approccio basato su previsione, prevenzione e intervento mirato

Venendo al progetto pilota, AIFA descrive un esempio di simulazione in silico di 10mila cittadini a rischio cardiovascolare tra i 50 e i 75 anni. Il gemello digitale di ciascun paziente utilizza modelli causali per comprendere non solo “cosa” sta succedendo, ma “perché”, analizza come le scelte mediche ne influenzino la salute, e avverte il personale sanitario di possibili peggioramenti al fine di rimodulare la terapia.

I risultati della simulazione mostrano una significativa riduzione degli eventi cardiovascolari attesi nella popolazione analizzata, con un impatto positivo sia in termini di salute pubblica sia in termini economici. «Gli eventi evitati producono un risparmio medio di quasi duemila euro per paziente, mentre l’aderenza terapeutica migliora sensibilmente nei soggetti seguiti tramite gemello digitale».

Secondo AIFA «questo approccio consente di passare dal trattamento reattivo al monitoraggio proattivo, introducendo un nuovo paradigma di cura basato sulla previsione, la prevenzione e l’intervento mirato. Questa simulazione in silico dimostra non soltanto la fattibilità tecnica della medicina predittiva integrata nel SSN, ma anche il potenziale trasformativo della combinazione tra dati reali, modelli generativi e processi clinici decisionali. Non si tratta semplicemente di aumentare la precisione delle diagnosi, ma di riconfigurare il rapporto tra medicina e tempo: non più curare quando il male è manifesto, ma prevedere, prevenire e proteggere quando ancora non si è mostrato. Se condotta in modo rigoroso, trasparente e condiviso, non è più solo un esercizio teorico, ma una nuova dimensione della cura».

Keypoints

La scarsa aderenza alle terapie costa al Servizio sanitario nazionale circa due miliardi di euro l’anno e migliorare l’aderenza anche solo del 15% potrebbe generare risparmi significativi e benefici per i pazienti.
Secondo un position paper dell’Agenzia italiana del farmaco, l’intelligenza artificiale è uno degli strumenti chiave della medicina di precisione e può contribuire a migliorare l’aderenza alle cure attraverso monitoraggio digitale, modelli personalizzati e sistemi predittivi.
Un’analisi del Cefriel evidenzia il potenziale dell’intelligenza artificiale causale, una tecnologia che permette di comprendere le relazioni di causa-effetto tra fattori clinici, comportamentali e sociali che influenzano il successo delle terapie.
Gli assistenti virtuali basati su Causal AI possono simulare scenari terapeutici attraverso analisi “what-if”, aiutando il personale medico a individuare le cause della scarsa aderenza e a proporre soluzioni più adatte.
Il modello si basa sul gemello digitale del paziente, replica virtuale che consente di testare modifiche alla terapia o allo stile di vita prima di applicarle nella pratica clinica.
Un progetto pilota descritto da AIFA mostra che l’uso di sistemi predittivi e gemelli digitali mostra l’impatto su esiti clinici e sostenibilità del sistema sanitario.