L’intelligenza artificiale (AI) è già entrata negli ospedali europei, ma la sua diffusione è ancora frammentata e ostacolata da barriere tecnologiche, regolatorie e culturali. È quanto emerge dallo studio “Deployment of AI in Healthcare”, commissionato dalla Commissione Europea, che ha raccolto la voce di medici, rappresentanti ospedalieri, sviluppatori e regolatori per valutare lo stato dell’arte e le prospettive di questa rivoluzione digitale.

Dalle diagnosi all’efficienza: dove l’AI fa già la differenza

Lo studio conferma che l’AI è in grado di alleggerire il carico amministrativo – che oggi impegna fino al 60% del tempo dei professionisti sanitari – e di ottimizzare i flussi di lavoro ospedalieri. In campi come radiologia e anatomia patologica, gli algoritmi hanno già dimostrato di migliorare l’accuratezza diagnostica e di ridurre i tempi di refertazione. Ma le potenzialità vanno oltre: dall’oncologia alla medicina personalizzata, fino all’uso in regioni remote dove la carenza di medici è più acuta, l’AI promette di ridurre le disuguaglianze nell’accesso alle cure.

Le quattro grandi sfide

La diffusione dell’AI incontra tuttavia ostacoli che il rapporto raggruppa in quattro aree. Sul piano tecnologico, i dati sanitari sono ancora troppo frammentati, mancano standard comuni e l’infrastruttura IT di molti ospedali, soprattutto nelle aree periferiche, non è adeguata a sostenere soluzioni complesse. A questo si aggiunge l’assenza di protocolli uniformi per la validazione degli algoritmi e per il monitoraggio del loro funzionamento una volta introdotti in clinica. Sul fronte regolatorio, il quadro europeo appare articolato e non sempre di facile interpretazione: l’AI Act, il GDPR, il Medical Device Regulation e l’In Vitro Diagnostic Regulation, insieme al nascente European Health Data Space, compongono un mosaico complesso che solleva dubbi in materia di responsabilità legale, protezione dei dati e compliance.

Le difficoltà non sono soltanto normative. Gli aspetti organizzativi e finanziari pesano in modo determinante: i costi elevati di implementazione, l’assenza di modelli di rimborso chiari e la mancanza di strategie AI integrate nelle agende ospedaliere rallentano l’adozione. Inoltre, il coinvolgimento degli end-user, medici e personale sanitario, resta insufficiente, con il rischio di sviluppare soluzioni poco aderenti ai bisogni reali.

Sul piano culturale, infine, persiste una diffidenza verso strumenti percepiti come “scatole nere”, accompagnata da timori legati alla sostituzione del personale e da un livello di alfabetizzazione digitale ancora basso tra operatori e pazienti.

Il nodo regolatorio

A essere particolarmente critico è l’aspetto regolatorio. L’Europa dispone già di strumenti importanti: l’AI Act classifica i sistemi in base al rischio, il Medical Device Regulation e il Product Liability Directive stabiliscono requisiti di sicurezza e responsabilità, mentre l’European Health Data Space punta a garantire interoperabilità e standardizzazione dei dati. Tuttavia, la stratificazione normativa e la lentezza delle procedure rischiano di scoraggiare l’adozione rapida delle soluzioni AI. Gli esperti raccomandano percorsi più chiari, come regulatory sandboxes e sportelli unici, per accompagnare ospedali e sviluppatori verso la conformità.

Le azioni raccomandate

Lo studio individua alcune leve per accelerare l’integrazione dell’AI nella pratica clinica. Standard comuni per interoperabilità e governance dei dati, centri di eccellenza europei per formazione e ricerca, meccanismi di finanziamento dedicati e modelli di rimborso orientati al value-based healthcare sono considerati prioritari. Centrale è anche l’idea di un catalogo europeo delle soluzioni AI validato e aggiornato, che permetta a medici e ospedali di orientarsi tra le tecnologie disponibili e selezionare quelle con evidenze cliniche solide.

Generative AI: opportunità e rischi

Un capitolo del rapporto riguarda i modelli generativi, come i large language models. Questi strumenti hanno già mostrato potenzialità nella gestione della documentazione clinica e nell’estrazione di informazioni dai dati sanitari, ma pongono problemi inediti di sicurezza, privacy e certificazione. La loro natura in continua evoluzione rende complesso applicare i tradizionali schemi di validazione, richiedendo approcci innovativi come federated learning, architetture locali più leggere e controlli di qualità più frequenti.

Il messaggio di fondo è chiaro: l’AI non sostituirà i medici, ma potrà renderli più liberi di concentrarsi sulla cura. Perché questo accada, serve un impegno congiunto di istituzioni, ospedali e sviluppatori, con regole chiare, infrastrutture moderne e investimenti mirati. Solo così l’Europa potrà cogliere appieno la promessa dell’AI in sanità: più efficienza, diagnosi più rapide e cure più accessibili per tutti.