Intelligenza artificiale in corsia: due vie per l’adozione nella pratica clinica

L’intelligenza artificiale (AI) promette di rivoluzionare la medicina, con algoritmi capaci di diagnosticare, prevedere, personalizzare terapie. Eppure, la sua adozione nella pratica clinica è ostacolata da barriere tecnologiche, organizzative e culturali. Negli ultimi anni, molti studi hanno analizzato i fattori che rallentano l’implementazione dell’AI nei contesti sanitari, ma mancano studi empirici che offrano una fotografia su larga scala dell’effettivo stato dell’adozione, soprattutto in contesti territoriali concreti come il sistema sanitario regionale.

È questo il vuoto che cerca di colmare la ricerca condotta con il contributo di Regione Lombardia e Assolombarda. Due le domande centrali:

• Quanto e come l’intelligenza artificiale è già usata nelle strutture sanitarie lombarde?
• Quali modelli organizzativi si stanno affermando?

Tra dicembre 2023 e giugno 2024, i ricercatori hanno raccolto dati da 46 aziende sanitarie lombarde — 31 pubbliche e 15 private — coprendo oltre il 75% delle strutture regionali. La survey ha indagato l’adozione di tecnologie basate sul machine learning supervisionato, mentre non si osservano ancora casi di adozione di AI generativa.

Il questionario era articolato in tre sezioni:

1. Mappatura delle applicazioni AI in uso: con informazioni su ambiti clinici, tipo di dati utilizzati, funzioni supportate (diagnosi, prognosi, trattamento).
2. Governance organizzativa dell’AI: strutture dedicate, formazione interna, risorse allocate, partnership.
3. Percezione delle barriere all’adozione: da aspetti regolatori e finanziari fino alla cultura aziendale.

Il campione ha identificato 56 applicazioni AI in uso presso 20 organizzazioni. Più di un terzo di queste applicazioni erano già utilizzate abitualmente, mentre le altre erano in fase di sviluppo o di pilota.

La maggior parte supporta attività di diagnosi, mentre risultano meno diffuse, ma comunque significative, quelle finalizzate alla prognosi, in particolare in radiologia, diabetologia e oncologia. L’AI non sostituisce mai il giudizio del clinico, ma lo coadiuva nelle decisioni.

Tra gli dottanti (il 43% del campione) emergono due gruppi organizzativi distinti:

1. Sviluppatori (13%): strutture, soprattutto Istituti di Ricovero e Cura a Carattere Scientifico (IRCCS), che progettano soluzioni AI internamente o con partner tecnologici. Più attive nella prognosi e più avanti nella costruzione di governance e competenze interne.
2. Acquirenti (30%): ospedali che comprano tecnologie commerciali già CE-marked, spesso integrate in dispositivi medici, focalizzate sulla diagnostica per immagini.

Le barriere percepite variano significativamente tra gruppi. Gli sviluppatori temono soprattutto problemi di interoperabilità, gestione dei dati e privacy. Gli acquirenti vedono nella cultura aziendale e nella mancanza di evidenze cliniche le principali difficoltà. I non adottanti segnalano invece la carenza di competenze interne.

Quello di chi sviluppa internamente è un gruppo ristretto, ma con forte peso specifico: cinque IRCCS e un’Azienda Socio-Sanitaria Territoriale (ASST). Si tratta di strutture che investono nel lungo periodo e presidiano internamente le competenze chiave. Oltre il 65% ha istituito unità dedicate all’AI, e l’83% collabora stabilmente con università o provider esterni. Le applicazioni (27 in totale) sono perlopiù in fase di sviluppo e affrontano anche l’aspetto prognostico — soprattutto in neurologia e riabilitazione. Nessuna applicazione sviluppata internamente risultava già in uso routinario a giugno 2024, a dimostrazione dei tempi lunghi di questo approccio. Ma è un investimento che può generare valore strategico, adattando le soluzioni al proprio contesto e persino puntando alla commercializzazione.

Quello di chi acquista è gruppo più numeroso, ma meno strutturato. Comprende ASST, IRCCS, ambulatori e case di cura. Nessuna di queste strutture ha ancora istituito unità dedicate all’AI, ma molte hanno attivato team informali. Le 29 applicazioni AI in uso sono in gran parte integrate in dispositivi CE-marked, usati soprattutto in radiologia per la diagnosi assistita. Il 59% è già in uso o in fase avanzata di setup. Questo approccio consente un’implementazione più rapida, ma richiede una forte capacità interna di valutazione tecnologica, selezione e integrazione con i workflow esistenti.

In definitiva, le strategie di adozione sembrano coerenti con le caratteristiche degli istituti: gli IRCCS, vocati alla ricerca, si comportano da early mover in cooperazione con università e società private, mentre le strutture medie a vocazione non scientifica comprendono la rilevanza del tema, ma preferiscono muoversi sul mercato.

In un panorama che evolve velocemente, le nuove frontiere sono l’utilizzo dell’AI per il trattamento (ci sono già i primi esempi anche in Lombardia) e il passaggio all’AI generativa.

Ardito V, Cappellaro G, Compagni A, Petracca F, Preti LM. “Adoption of artificial intelligence applications in clinical practice: Insights from a Survey of Healthcare Organizations in Lombardy, Italy.” Digital Health. 2025;11. DOI: https://doi.org/10.1177/20552076251355680.