Intelligenza Artificiale in Sanità: stato dell'arte (2026) e futuro - Healthtech360

L’evoluzione tecnologica sta rapidamente ridisegnando i confini della Medicina e della gestione clinica, spingendo le istituzioni a definire regole stringenti per arginare i rischi legati alla gestione dei dati sensibili.I dati presentati dall’Osservatorio Sanità Digitale del Politecnico di Milano nel corso del convegno “Consolidare il futuro: la Sanità Digitale tra investimenti da valorizzare e nuove sfide dell’AI” offrono una panoramica dettagliata di questa trasformazione nel corso del 2026, evidenziando una crescita esponenziale nell’adozione di strumenti digitali sia da parte dei pazienti che dei professionisti.L’analisi emersa dall’evento di presentazione dei risultati mette in luce l’urgenza di una governance strutturata per evitare che l’autonomia d’uso si traduca in un processo privo di controllo istituzionale.Indice degli argomenti

Il quadro normativo: l’impatto dell’AI Act per la Sanità e le leggi nazionaliIl recepimento legislativo nel territorio italianoTrasparenza clinica e diritto all’informazione del pazienteIl boom dell’Intelligenza Artificiale in Sanità e il fenomeno dell’autodiagnosiLa percezione di ChatGPT Health tra i cittadiniChatbot AI: le differenze generazionali e l’impatto del titolo di studioIntelligenza Artificiale in Sanità: medici e professionisti sanitari tra uso spontaneo e rischi di “shadow AI”Le 5 direttrici dell’innovazione tecnologica nelle aziende sanitarie1 – L’ambito clinico-sanitario e l’analisi scientifica2 – Produttività individuale e soluzioni di intelligenza artificiale generativa in Sanità3 – Gestione amministrativa e ottimizzazione delle operations strutturali4 – Ottimizzazione delle risorse fisiche e umane5 – La relazione digitale con il cittadino e l’accesso ai servizi CUPIl paradosso delle competenze e la barriera del 2 per centoIntelligenza Artificiale in Sanità: l’analisi delle 4 macro-aree di competenzaUn divario formativo da colmare con urgenza: solo il 2% dei medici ha competenze sufficienti per usare l’Intelligenza Artificiale in SanitàVerso un’adozione governata dell’Intelligenza Artificiale in SanitàIl quadro normativo: l’impatto dell’AI Act per la Sanità e le leggi nazionaliL’introduzione di regole chiare rappresenta il pilastro fondamentale per l’integrazione delle nuove tecnologie nei sistemi sanitari europei, un panorama che si distanzia nettamente da quello statunitense per via di una maggiore attenzione alla tutela dei dati.In tale contesto, il perno della regolamentazione è rappresentato dall’AI Act per la Sanità, la normativa comunitaria che disciplina l’uso dell’intelligenza artificiale classificando esplicitamente il settore della Salute come un ambito caratterizzato da dati ad alto rischio.Questo impianto normativo non agisce in modo isolato, ma si intreccia strettamente con il Medical Device Regulation (MDR), la disciplina che sovrintende alla certificazione dei dispositivi medici e che include i cosiddetti Software as a Medical Device (SaMD), categorie in cui le soluzioni di intelligenza artificiale rientrano a pieno titolo.Per superare le incertezze di produttori e sviluppatori costretti a rispondere ad adempimenti differenti riguardanti aspetti diversi della stessa soluzione, sono state definite apposite linee guida destinate a chiarire le interazioni tra MDR, IVDR (In Vitro Diagnostic Regulation) e il medesimo AI Act per la Sanità.Il recepimento legislativo nel territorio italianoSul fronte italiano, il percorso legislativo ha registrato un’accelerazione significativa con l’approvazione della legge nazionale sull’intelligenza artificiale avvenuta a fine 2025. All’interno di questo testo normativo, il settore della salute trova una sua specifica e dettagliata regolamentazione negli articoli 7, 8 e 10.Questi passaggi normativi stabiliscono i principi cardine per l’utilizzo dell’intelligenza artificiale da parte dei professionisti sanitari, definiscono i confini della ricerca scientifica – compreso l’uso corretto dei dati per l’addestramento e lo sviluppo degli algoritmi – e introducono la sperimentazione di una piattaforma di intelligenza artificiale dedicata ai medici di famiglia, attualmente gestita sotto la diretta vigilanza di AGENAS.Trasparenza clinica e diritto all’informazione del pazienteUn aspetto centrale della normativa nazionale risiede nella tutela del rapporto tra medico e paziente. L’articolo 7 della legge italiana impone infatti l’obbligo tassativo di informare in modo chiaro il cittadino qualora un algoritmo di intelligenza artificiale venga impiegato a supporto di una decisione clinica o diagnostica che lo riguarda.Questa scelta legislativa risponde a un bisogno reale espresso dalla popolazione, desiderosa di mantenere un controllo consapevole sul proprio percorso di cura e di comprendere quando lo specialista si affida a sistemi automatizzati.Il boom dell’Intelligenza Artificiale in Sanità e il fenomeno dell’autodiagnosiMentre le istituzioni definiscono i confini legali, gli strumenti tecnologici di stampo generalista si diffondono rapidamente tra i cittadini, spesso senza alcuna mediazione medica o regole d’uso predefinite.I dati elaborati in collaborazione con Ipsos Doxa indicano che il livello di utilizzo di chatbot basati su intelligenza artificiale per motivi di salute ha raggiunto il 36% della popolazione, registrando un incremento superiore al triplo rispetto al valore dell’11% rilevato l’anno precedente.Come spiegato da Chiara Sgarbossa, direttrice dell’Osservatorio Sanità Digitale, l’arrivo dei grandi colossi tecnologici sul mercato consumer con soluzioni dedicate come ChatGPT Health, Microsoft Cloud for Healthcare e Copilot Health ha accelerato questo trend ponendolo direttamente nelle mani dei consumatori.La percezione di ChatGPT Health tra i cittadiniLa conoscenza di strumenti specifici per il settore Salute è ancora parziale, poiché i cittadini tendono a spostarsi verso strumenti generalisti per la mancanza di alternative verticali. Focalizzando l’attenzione su ChatGPT Health – lanciato all’inizio del 2026 in via ristretta negli Stati Uniti per finalità di orientamento e gestione delle informazioni, escludendo esplicitamente l’autodiagnosi – emerge che circa un terzo dei cittadini italiani ne ha sentito parlare, ma solo il 14% sa esattamente in cosa consista.La predisposizione all’uso varia sensibilmente: il 34% dei cittadini si affiderebbe a tale strumento solo su esplicita indicazione del medico, una percentuale che sale al 50% tra gli over 55, mentre i giovani dichiarano di volerlo testare liberamente spinti dalla curiosità. Nonostante questa apertura, rimangono forti timori legati alla progressiva riduzione del rapporto umano, alla potenziale sostituzione della figura medica e alla sicurezza dei dati inseriti, che rischiano di addestrare l’algoritmo con informazioni personali e sensibili.Chatbot AI: le differenze generazionali e l’impatto del titolo di studioL’adozione delle piattaforme digitali mostra forti discrepanze in base all’età e al livello di istruzione degli utenti. I giovani di età inferiore ai 34 anni mostrano una familiarità altissima, superando il 50% di penetrazione d’uso. Questo target si rivolge ai chatbot principalmente per ottenere rassicurazioni su problemi di lieve entità, prepararsi a una visita medica o ricevere consigli legati al mantenimento di uno stile di vita sano, come l’alimentazione e gli allenamenti.Al contrario, la popolazione più anziana manifesta una resistenza maggiore, attestandosi al 16% tra gli over 64. Tuttavia, se si osserva la fascia senior a partire dai 55 anni, l’utilizzo cambia natura e si sposta verso la gestione diretta della Salute. Gli utenti più maturi, dovendo spesso gestire patologie cliniche o croniche, interrogano gli algoritmi per interpretare i sintomi o per raccogliere dettagli su terapie e farmaci.Il titolo di studio introduce ulteriori elementi di differenziazione nei comportamenti d’uso. Chi possiede la licenza media inferiore utilizza l’intelligenza artificiale per decodificare la terminologia medica ascoltata dal medico o letta sul web, cercando una guida pratica su quali farmaci assumere o esami svolgere. Questo comportamento espone gli utenti a rischi severi connessi all’assunzione autonoma di medicinali. I laureati, di contro, sfruttano i chatbot per interpretare i referti di laboratorio scaricati dal Fascicolo Sanitario Elettronico e approfondire le informazioni post-visita, esponendosi tuttavia al pericolo opposto dell’iperinformazione.Intelligenza Artificiale in Sanità: medici e professionisti sanitari tra uso spontaneo e rischi di “shadow AI”I rischi associati a una mancata governance non risparmiano la classe medica. L’adozione dell’intelligenza artificiale generativa ha registrato un balzo in avanti straordinario tra specialisti, medici di medicina generale e infermieri. In particolare, la quota di medici specialisti che utilizzano questi sistemi è passata dal 26% del 2025 all’attuale 61%.La criticità principale risiede nel fatto che, nel 90% dei casi, i professionisti si affidano a piattaforme generaliste non esplicitamente progettate per scopi sanitari, spesso acquistate a titolo strettamente personale.Chiara Sgarbossa ha evidenziato con fermezza questo scenario, affermando che “l’AI è nelle mani dei professionisti, ma a oggi è un processo non governato”. L’impiego di soluzioni non certificate comporta l’impossibilità di tracciare la gestione dei dati inseriti e solleva dubbi circa la validità clinica dei risultati prodotti, esposti al fenomeno delle allucinazioni dell’algoritmo e all’utilizzo di fonti informative potenzialmente inaffidabili.Le 5 direttrici dell’innovazione tecnologica nelle aziende sanitariePer comprendere come l’innovazione si stia concretamente traducendo in processi strutturati all’interno delle strutture ospedaliere, è necessario analizzare il framework di classificazione sviluppato dall’Osservatorio.Come illustrato da Deborah De Cesare, direttrice dell’Osservatorio Sanità Digitale, le applicazioni si articolano lungo 5 macro-aree distinte che collegano la struttura aziendale, l’operatività del professionista e la relazione con il cittadino.1 – L’ambito clinico-sanitario e l’analisi scientificaQuesta prima area raggruppa le soluzioni progettate per supportare il personale medico e infermieristico nelle decisioni critiche relative a diagnosi, percorsi di trattamento e redazione della documentazione clinica. Sebbene l’adozione a pieno regime risulti ancora limitata, si registrano numerose sperimentazioni focalizzate sullo screening dei pazienti e sul supporto diagnostico, attive in una quota che raggiunge il 30% delle strutture sanitarie. Al contrario, l’utilizzo di strumenti orientati alla ricerca e all’analisi approfondita delle informazioni scientifiche risulta già ampiamente consolidato.2 – Produttività individuale e soluzioni di intelligenza artificiale generativa in SanitàI sistemi di intelligenza artificiale generativa applicati alla produttività individuale rappresentano l’ambito che registra la massima diffusione all’interno del comparto sanitario. Quasi la metà delle strutture ospedaliere sta introducendo soluzioni finalizzate alla sintesi di testi complessi, alla rielaborazione di documenti e alla generazione automatica di trascrizioni verbali, consentendo un sensibile abbattimento dei tempi di lavoro ordinari.3 – Gestione amministrativa e ottimizzazione delle operations strutturaliLa terza direttrice riguarda l’efficienza dei processi interni e amministrativi. Nonostante l’adozione strutturata sia ancora ridotta, sono in corso progetti pilota legati al supporto nella redazione delle Schede di Dimissione Ospedaliera (SDO), alla categorizzazione automatizzata dei flussi documentali e alla gestione strategica degli acquisti aziendali.4 – Ottimizzazione delle risorse fisiche e umaneLa quarta area, definita dalle operations, mira invece all’ottimizzazione delle risorse fisiche e umane, intervenendo sulla gestione degli spazi, dei tempi e del personale. In questo campo si segnalano sperimentazioni di rilievo per la pianificazione dei turni di lavoro dei dipendenti, l’ottimizzazione delle sale operatorie e la razionalizzazione delle liste d’attesa.5 – La relazione digitale con il cittadino e l’accesso ai servizi CUPLa quinta area riguarda l’interfaccia diretta con il paziente, sviluppata per semplificare l’accesso alle informazioni e automatizzare le procedure di prenotazione tramite i Centri Unici di Prenotazione (CUP). Questa direttrice presenta attualmente il livello di adozione più basso rispetto agli altri ambiti presi in esame dal framework, ma registra un interesse crescente, con il 20% delle strutture sanitarie che ha manifestato l’intenzione esplicita di introdurre soluzioni dedicate nel breve periodo.Il paradosso delle competenze e la barriera del 2 per centoLa progressiva introduzione di queste tecnologie si scontra con un deficit strutturale sul piano delle competenze professionali.Sebbene il personale sanitario riconosca gli impatti positivi dell’intelligenza artificiale sull’efficienza amministrativa, sull’accuratezza della diagnosi e sul risparmio di tempo, emergono forti criticità legate alla reale capacità d’uso degli strumenti.Per mappare questa situazione, la ricerca ha strutturato un modello di analisi basato su 4 macro-aree di competenza:AI Knowledge;AI Abilities;Behaviors;Leadership.Intelligenza Artificiale in Sanità: l’analisi delle 4 macro-aree di competenzaLa prima area, l’AI Knowledge, valuta le conoscenze teoriche generali e la padronanza del quadro regolatorio, incluso il rispetto del corretto impianto dettato dall’AI Act per la Sanità. I dati rivelano che le nozioni di base sono generalmente presidiate dai professionisti, i quali dimostrano di conoscere il rischio teorico delle allucinazioni degli algoritmi, sebbene concetti più complessi come la explainable AI (l’intelligenza artificiale spiegabile) rimangano ancora scarsamente noti.La seconda macro-area, definita dalle AI Abilities, riguarda le capacità tecniche applicate, come la formulazione di istruzioni testuali e l’interpretazione dei risultati.In questo campo, i medici sanno individuare l’utilità clinica dell’algoritmo, ma incontrano grandissime difficoltà nel redigere un prompt efficace o nel riconoscere contenuti manipolati o generati artificialmente.L’area dei Behaviors analizza le attitudini comportamentali, l’approccio etico e il senso critico.I medici avvertono la necessità di verificare l’output generato dalla macchina, ma faticano a comunicare in modo corretto e trasparente al paziente l’impiego dell’intelligenza artificiale all’interno del suo percorso terapeutico.Infine, l’area della Leadershipmisura la capacità di guidare il cambiamento organizzativo e comprenderne gli impatti strutturali. Questa competenza registra il presidio più basso in assoluto all’interno del campione analizzato.Un divario formativo da colmare con urgenza: solo il 2% dei medici ha competenze sufficienti per usare l’Intelligenza Artificiale in SanitàL’incrocio di queste quattro dimensioni genera un dato statistico allarmante: ad oggi, soltanto il 2% dei medici specialisti possiede l’intero set di competenze descritte a un livello che superi la soglia della sufficienza. Questo scenario è la diretta conseguenza di un ritardo nei percorsi di aggiornamento professionale. Attualmente, poco più di un terzo delle aziende sanitarie ha introdotto programmi formativi specifici per l’intelligenza artificiale, e tali percorsi risultano prevalentemente focalizzati sulle sole basi teoriche e tecniche generali, trascurando gli aspetti organizzativi e comportamentali.I professionisti lamentano la potenziale presenza di bias legati a dataset incompleti, la scarsa tracciabilità dei processi decisionali degli algoritmi (explainability) e le irrisolte problematiche connesse alla responsabilità professionale in caso di errore diagnostico.Verso un’adozione governata dell’Intelligenza Artificiale in SanitàLa transizione verso una sanità integrata richiede il superamento delle singole sperimentazioni isolate per approdare a un modello d’uso strutturato, integrato e pienamente consapevole.La rotta strategica da seguire passa dalla necessità di coinvolgere i professionisti della Salute fin dalle primissime fasi di progettazione, selezione e validazione clinica degli strumenti tecnologici.L’obiettivo finale consiste nel sostituire la percezione qualitativa dei benefici con una misurazione oggettiva e scientifica degli impatti clinici e organizzativi.Per gestire le criticità emerse sul piano etico, legale, e di governance – inoltre – diventa imprescindibile investire in programmi di formazione continua e definire opportuni e rigorosi regolamenti interni alle strutture sanitarie, promuovendo un ecosistema sicuro e in linea con le direttive europee e nazionali sull’AI in Sanità.