Nonostante i 130 miliardi di finanziamento pubblico alla spesa sanitaria nel 2024 (7° Rapporto Gimbe), il sistema sanitario nazionale (SSN) non sembra riuscire ad esaudire i bisogni di salute della popolazione.
La percezione diffusa è che, per chi non ha soldi, diventi sempre più difficile curarsi, come mostrato dalla crescita della spesa privata che sfiora i 46 Milioni nel 2023.
Inoltre, l’andamento demografico della popolazione italiana, in particolare l’aumento di over 65, pone preoccupazioni circa le patologie croniche, le più diffuse e costose e, al contempo, le meno adatte ad essere gestite nel contesto ospedaliero. La sostenibilità del SSN vacilla e sembra necessitare di una riorganizzazione per fronteggiare l’evolversi della transizione demografica ed epidemiologica del nostro Paese.
Indice degli argomenti
Intelligenza Artificiale e Sistema Sanitario Nazionale
Come spesso succede, i momenti di maggior criticità aprono a nuove opportunità di innovazione: tra queste, quella che appare più promettente è senza dubbio l’Intelligenza Artificiale.
Infatti, l’AI promette di poter automatizzare ed ottimizzare a diversi livelli molte delle attività svolte nell’ambito del SSN, e non si tratta solo di applicazioni in aree cliniche più delicate da un punto di vista regolatorio ed etico quali la diagnosi, la prognosi, le scelte terapeutiche e la gestione delle cronicità, ma anche di applicazioni nella programmazione sanitaria e nella gestione amministrativo-burocratica, dove l’AI può rappresentare uno strumento di efficientamento fondamentale.
Auspicabilmente, le risorse economiche per investire in questa tecnologia saranno messe a disposizione dal programma InvestAI, che promette di stanziare oltre 200 miliardi a livello europeo; tuttavia, queste, per quanto necessarie, non saranno sufficienti in assenza di una visione chiara e condivisa per creare le condizioni adeguate all’integrazione dell’Intelligenza Artificiale nel nostro Sistema Sanitario Nazionale, in termini di cultura, digitalizzazione, interoperabilità e sviluppo di competenze trasversali.
Intelligenza Artificiale e Sistema Sanitario: il contesto normativo
Per discutere di introduzione e pieno sfruttamento dell’AI, è necessario considerare il quadro regolatorio applicabile, che soprattutto in sanità vede intrecciarsi numerose normative settoriali, nazionali e sovranazionali.
In tale ambito, infatti, occorrerà rispettare il nuovo Regolamento 2024/1689 (AI Act), in particolare dal 2026/2027 i requisiti di prodotto ivi previsti per l’AI “ad alto rischio”, il Regolamento 2017/745 (MDR) quando la stessa sia anche dispositivo medico, nonché, infine, la disciplina in materia di cybersicurezza.
Inoltre, come prodotto connesso, ai sensi del Regolamento 2023/2854 (Data Act), l’AI dovrà essere realizzata “in modo tale che i dati (…) siano, per impostazione predefinita, accessibili all’utente”, requisito che può richiedere un importante ripensamento dell’architettura del sistema, nonché bilanciamento con la tutela di segreti commerciali, ma che rappresenta un’opportunità per le strutture sanitarie, che da utilizzatori potranno avvalersi (a determinate condizioni) dei dati generali dall’uso dell’AI nella pratica clinica.
In questo composito contesto normativo, risulterà fondamentale fornire supporto agli operatori di settore nell’applicazione delle norme e ricercare un approccio quanto più armonizzato a livello europeo, e auspicabilmente internazionale.
Al tempo stesso, la ricerca e lo sviluppo nel campo dell’Intelligenza Artificiale, per scongiurare il proliferare anche nel Sistema Sanitario Nazionale di sistemi inaffidabili, richiedono ingenti investimenti da parte di privati esperti in sanità che, tuttavia, rischiano di essere dissuasi o persino bloccati da meccanismi di politica sanitaria eccessivamente restrittivi come quello del Payback.
In questo senso, è auspicabile dunque un’inversione di rotta normativa che restituisca fiducia nel settore, sostenga l’innovazione tecnologica e garantisca la miglior qualità possibile di assistenza sanitaria.
D’altra parte, fondamentale bussola valutativa per orientare la scelta di sistemi di Intelligenza Artificiale da implementare nel Sistema Sanitario Nazionale sarà lo sviluppo di adeguate procedure di Health Technology Assessment che considerino non soltanto le prestazioni dell’AI, anche in termini di efficacia clinica, la sua sicurezza e affidabilità, ma anche la sua capacità di ridurre (spesso drasticamente) i costi della prestazione delle cure e, conseguentemente, migliorare il sistema sanitario nel suo complesso e la qualità di vita del paziente.
Interoperabilità dei dati e standard aperti
Inoltre, l’ecosistema dell’intelligenza artificiale applicata al contesto sanitario si basa su un presupposto fondamentale e ineludibile: la disponibilità di dati strutturati, rappresentativi e di elevata qualità (e quantità).
La carenza di tali risorse informative costituisce un impedimento intrinseco allo sviluppo di soluzioni predittive efficaci, rendendo imperativa una riconsiderazione profonda dell’attuale quadro normativo-regolatorio relativo alla circolazione delle informazioni sanitarie.
Una maggiore attenzione allo scambio informativo, con particolare riferimento all’utilizzo secondario dei dati clinici (con finalità di ricerca), rappresenta una priorità strategica per garantire l’evoluzione di sistemi di supporto decisionale basati su evidenze. Tale processo deve necessariamente contemplare l’implementazione di piattaforme digitali interoperabili e standard aperti che facilitino la condivisione transfrontaliera delle informazioni e favoriscano lo sviluppo di modelli predittivi più affidabili, superando le attuali frammentazioni (anche interne ai singoli Stati) che compromettono la continuità assistenziale e l’uniformità dei percorsi terapeutici.
AI: trasparenza algoritmica, prevenzione dei bias e comprensibilità dei benefici
Nella suddetta direzione si muove la strategia digitale dell’UE. Infatti, l’elaborazione di linee guida europee per la trasparenza algoritmica costituisce un elemento imprescindibile per garantire l’interpretabilità dei processi computazionali e per prevenire bias discriminatori nei percorsi diagnostico-terapeutici.
La verificabilità delle metodologie implementate rappresenta un prerequisito essenziale per l’accettabilità sociale dell’innovazione tecnologica in ambito sanitario. Il consolidamento della fiducia dei cittadini nell’utilizzo finalizzato dei propri dati sanitari presuppone, infatti, lo sviluppo di un paradigma comunicativo incentrato sulla comprensibilità dei benefici tangibili derivanti dalla condivisione informativa.
AI literacy per professionisti sanitari e cittadini
Un percorso di alfabetizzazione che coinvolga l’intera comunità, dal medico al paziente, è quanto mai necessario. Infatti, considerato che l’AI modifica radicalmente il rapporto medico-paziente, basato su un dialogo umano caratterizzato da empatia, soprattutto quando utilizzata per suggerire piani terapeutici senza che i medici siano completamente in grado di comprendere come l’AI sia giunta alle sue conclusioni (o, ancora di più, nel caso di modelli black box, i cui processi interni rimangono nascosti), diventa cruciale che i medici siano adeguatamente formati per essere in grado di spiegare chiaramente ai pazienti il suo impatto sulle diagnosi e sui trattamenti. Includere competenze AI all’interno dei corsi universitari per l’accesso alle professioni sanitarie è, dunque, un elemento chiave.
Inoltre, questi sviluppi obbligano a un potenziamento della AI literacy non solo tra i professionisti sanitari, ma anche tra i cittadini.
Un’opportunità concreta in questo senso è rappresentata dallo sviluppo di piattaforme di telemedicina basate sull’AI che permettano un’assistenza remota più efficiente e personalizzata e che integrino strumenti per promuovere l’AI literacy insieme all’health literacy.
Infatti, l’utilizzo dell’AI porta con sé un enorme potenziale anche per supportare i pazienti nel comprendere meglio la propria condizione e come gestire il proprio percorso di cura, potendo tradurre concetti medici complessi in un linguaggio semplice e inserire elementi di gamification per incoraggiare il monitoraggio di parametri o l’aderenza ai piani terapeutici.
Questi strumenti, inoltre, potrebbero ridurre le disparità territoriali e garantire un monitoraggio costante dei pazienti, facilitando l’accesso alle cure senza la necessità di spostamenti frequenti.
Integrazione multilivello: così l’Intelligenza Artificiale può diventare colonna portante del Sistema Sanitario Nazionale
La sostenibilità del Sistema Sanitario Nazionale richiede, infine, sinergie strutturate tra società scientifiche, enti di ricerca, industria e terzo settore.
Le società mediche, come la Società Italiana di Intelligenza Artificiale in Medicina, svolgono un ruolo centrale nel ridefinire la struttura del SSN e il modo in cui le sue parti interagiscono tra loro.
Università e ospedali di ricerca stanno creando percorsi formativi che integrano data science e pratica clinica, come il programma MedTech dell’Università Cattolica di Roma, disegnando hub interdisciplinari dove medici collaborano con ingegneri per sviluppare strumenti AI allineati alle esigenze reali dei pazienti, come in centri di eccellenza quali Humanitas.
Le partnership pubblico-privato devono superare i tradizionali squilibri di competenze, combinando risorse tecnologiche industriali con l’expertise clinica del settore pubblico.
Piattaforme cloud avanzate, sviluppate con centri di ricerca, permettono di estrarre valore dai dati sanitari delle Regioni, attraverso una governance che garantisca un controllo centralizzato. Ambienti simulati e sicuri (sandbox) permettono di testare soluzioni innovative in contesti controllati, accelerando l’implementazione di strumenti come i gemelli digitali per la pianificazione ospedaliera, già sperimentati con successo in Lombardia.
Infine, il terzo settore gioca un ruolo cruciale, tramite programmi di patient advocacy per incorporare le preferenze dei cittadini nella progettazione algoritmica, mentre iniziative co-sviluppate con pazienti cronici migliorano l’aderenza terapeutica.
Per trasformare queste collaborazioni in un ecosistema permanente, servono dunque piattaforme dati interoperabili tra regioni, modelli di co-investimento che condividano rischi/benefici, nonché osservatori indipendenti per monitorare l’impatto delle nuove tecnologie.
Solo attraverso questa integrazione multilivello l’Intelligenza Artificiale potrà diventare colonna portante di un Sistema Sanitario Nazionale resiliente, equo e centrato sul paziente.
Si ringrazia Parlamento Magazine per la pubblicazione del presente approfondimento.
