Intelligenza artificiale per la medicina italiana: navigare tra innovazione, sviluppo e pratica clinica

Francesco Baglivo1,2*, DIANA FERRO3,2, GIACOMO DIEDENHOFEN4,2

1Dipartimento di Ricerca Traslazionale e delle Nuove Tecnologie in Medicina e Chirurgia, Università di Pisa; 2Società Italiana Intelligenza Artificiale in Medicina (SIIAM), Roma; 3Medicina Predittiva e Preventiva, Ospedale Pediatrico Bambino Gesù - Irccs, Roma; 4Scuola di Specializzazione in Scienze Statistiche e Biometria, Dipartimento di Salute Pubblica e Malattie Infettive, Sapienza Università di Roma.

Pervenuto il 29 agosto 2025. Accettato il 7 settembre 2025.

Riassunto. “L’intelligenza artificiale sta trasformando la sanità”: questa frase è ormai così comune che rischia di perdere significato. La tecnologia da sola non cambia i sistemi, lo fanno le persone: medici, ricercatori, decisori e pazienti. L’IA è una leva, ma senza un fulcro di competenze, visione e responsabilità, non muove nulla. Questa convinzione è al centro della Società Italiana di Intelligenza Artificiale in Medicina (SIIAM) e del 3° Congresso Annuale (Napoli, 10-11 ottobre 2025). Il nostro obiettivo non è celebrare la tecnologia fine a sé stessa, ma riunire una comunità multidisciplinare in grado di decidere come utilizzare l’IA in modo responsabile nel sistema sanitario italiano. Questo numero di Recenti Progressi in Medicina presenta il risultato collettivo di questo impegno: commentary del Comitato Scientifico e contributi dei partecipanti. Viene illustrato come regole e principi possano essere tradotti in pratica, come la sanità italiana possa evolvere verso un Sistema Sanitario di Apprendimento e per quale motivo siano necessari infrastrutture e quadri di valutazione responsabili per guidare l’innovazione dell’IA. I casi di studio evidenziano sia progressi promettenti sia insidie da evitare. La domanda centrale non è se l’IA cambierà la medicina, ma come possiamo usarla per renderla più equa, proattiva, sostenibile e personalizzata. Se la leva è l’IA, il fulcro rimangono le persone e le organizzazioni che si prendono cura degli altri. È su questo fulcro che SIIAM continua a lavorare, con rigore, apertura e fiducia, affinché l’innovazione diventi pratica quotidiana a beneficio di pazienti e professionisti.

Artificial intelligence for italian medicine: navigating between innovation and practice.

Summary. “Artificial intelligence is transforming healthcare”: this sentence is now so common it risks losing meaning. Technology alone does not change systems, people do: clinicians, researchers, decision-makers, and patients. AI is a lever, but without a fulcrum of skills, vision, and responsibility, it moves nothing. This conviction is at the core of the Italian Society for Artificial Intelligence in Medicine (SIIAM) and of the 3rd Annual Meeting (Naples, October 10-11, 2025). Our aim is not to celebrate technology for its own sake, but to bring together a multidisciplinary community capable of deciding how to use AI responsibly in the Italian healthcare system. This issue of Recenti Progressi in Medicina presents the collective output of this effort: commentaries by the Scientific Committee and contributions from participants. It is shown how rules and principles can be translated into practice, how Italian healthcare can evolve toward a Learning Health System, and why responsible infrastructures and evaluation frameworks are needed to guide AI innovation. Case studies highlight both promising advances and pitfalls to avoid. The central question is not whether AI will change medicine, but how we can use it to have a more equitable, proactive, sustainable and personalized one? If the lever is AI, the fulcrum remains the people and organizations who care for others. It is on this fulcrum that SIIAM continues to work, with rigor, openness, and trust, so that innovation becomes daily practice for the benefit of patients and professionals alike.

Come usare l’intelligenza artificiale per rendere più equa la medicina?

“L’intelligenza artificiale sta trasformando la sanità” è una frase che negli ultimi due anni è stata scritta e ripetuta innumerevoli volte, tuttavia si tratta di una scorciatoia retorica: rassicura, ma sposta l’attenzione sul soggetto sbagliato. La sanità cambia solo se e quando cambiano le persone che la fanno: professionisti sanitari, ricercatori, decisori e i pazienti stessi1. L’intelligenza artificiale (IA) è un mezzo, potente e affascinante, capace di divertire chi la prova e di stupire chi la osserva; ma resta una leva. Senza un fulcro fatto di competenze, responsabilità e visione, non è in grado di muovere nulla. Il messaggio principale che, come Società Italiana di Intelligenza Artificiale in Medicina (SIIAM), desideriamo diffondere con il 3° Annual Meeting (Napoli, 10-11 ottobre 2025) e con i lavori che presentiamo in questo numero è: non celebriamo la tecnologia, ma la comunità che decide come usarla.

È un’esperienza ricorrente di chi si affaccia alla propria vita professionale in ambito sanitario doversi confrontare con il peso del “si è sempre fatto così”. Un’inerzia identitaria che può risultare anche protettiva e di tutela, e che però risulta oggi inadeguata rispetto a un servizio sanitario chiamato a fronteggiare risorse limitate a fronte di una domanda crescente e aspettative legittime di qualità ed equità. Se l’IA può dare un impulso, è perché ci costringe a rimettere a fuoco processi e ruoli: non un orpello digitale da apporre su schemi preesistenti, quanto un’occasione per ripensare come si raccolgono e si usano i dati, come si condividono conoscenze e come si raggiungono decisioni al letto del paziente e nelle direzioni strategiche.

Il progetto culturale della SIIAM

In questo senso la missione di SIIAM, promuovere una diffusione sicura ed efficace dell’IA nella medicina italiana, è prima di tutto un progetto culturale e organizzativo. Le nostre leve sono la condivisione di conoscenze e la comunità: competenze che si incontrano, linguaggi che si comprendono, esperienze che diventano patrimonio comune. L’Annual Meeting è stato costruito come uno spazio di lavoro concreto in cui riflessioni, prototipi e linee di indirizzo si contaminano. Dai principi e dalle regole che rendono l’innovazione affidabile (spiegabilità, tracciabilità, consenso informato, governance dei dati), alla luce dell’AI Act, alla sanità pubblica di territorio, dove l’epidemiologia digitale e l’automazione della sorveglianza possono rendere i sistemi più predittivi e proattivi2; dai percorsi clinici, in cui modelli di machine learning e modelli linguistici di grandi dimensioni mostrano una complementarità concreta3 (gli uni alimentano la predizione clinica e il triage, gli altri trasformano testi e flussi non strutturati in informazione utilizzabile), alla prospettiva della medicina di precisione, con dati multimodali, imaging avanzato e digital twin che promettono diagnosi più precoci e terapie personalizzate.

Ma il passaggio dalla retorica all’implementazione richiede condizioni abilitanti chiare. I dati devono essere interoperabili e di qualità, con standard e vocabolari condivisi e con una stewardship responsabile lungo tutto il ciclo di vita; la valutazione dev’essere indipendente e prospettica, capace di misurare impatti reali su esiti, tempi, costi, equità e sicurezza, anche dopo l’adozione; le competenze vanno coltivate su scala, con un’alfabetizzazione diffusa dei professionisti, la presenza costante dell’human-in-the-loop e la crescita di profili ibridi ponte tra clinica, dati e organizzazione; la governance e il procurement devono premiare trasparenza, interoperabilità e piani di monitoraggio; l’equità e la partecipazione di tutti i portatori d’interesse non possono essere postille, ma criteri di progettazione e di rendicontazione pubblica. È così che l’innovazione diventa servizio e non gadget.

Limiti e rischi

Un realismo altrettanto netto impone di riconoscere limiti e rischi. I modelli più potenti sono spesso i meno spiegabili; i modelli linguistici possono allucinare; l’automazione può indurre fiducia eccessiva e portare al deskilling; dataset non rappresentativi rischiano di amplificare disuguaglianze preesistenti4. A queste criticità si risponde con progettazione responsabile, trasparenza tecnica e organizzativa, regole chiare sui ruoli e sui confini della delega, registri di implementazione e audit continui, e soprattutto con la qualità del lavoro umano che rimane al centro del processo decisionale. La fiducia non si compra: si costruisce, con pazienza, evidenza e responsabilità.

L’Annual Meeting 2025 della SIIAM

Questo numero di Recenti Progressi in Medicina restituisce il lavoro di un gruppo scientifico costituito in seno a SIIAM e i contributi dei soci e dei partecipanti all’Annual Meeting 2025. I commentary5-8 approfondiscono i nodi che abbiamo appena richiamato, mostrando come principi e regole possano essere tradotti in pratiche affidabili; come la sanità pubblica possa beneficiare di strumenti predittivi e sistemi di sorveglianza più tempestivi; come i percorsi diagnostico-terapeutici possano essere ripensati alla luce di un vero Learning Health System come la medicina di precisione richieda infrastrutture, standard e valutazioni che preparino i clinici a un uso responsabile delle nuove possibilità e aprano a innovazioni come i digital twin. Accanto a essi, casi d’uso e note di pratica raccontano errori da evitare e condizioni che favoriscono il successo.

Conclusioni

Non chiediamoci, dunque, se l’IA trasformerà la sanità. Chiediamoci in che modo vogliamo usarla per trasformarla in meglio: più equa, più tempestiva, più personalizzata, più partecipativa, più sostenibile. Se l’IA è la leva, il fulcro restano le persone e le organizzazioni che si prendono cura degli altri. È su quel fulcro che vogliamo continuare a lavorare, con rigore e con fiducia, perché la tecnologia possa davvero diventare pratica quotidiana a beneficio dei pazienti e di chi lavora in sanità.

Conflitto di interessi: gli autori dichiarano l’assenza di conflitto di interessi.

Ringraziamenti: si ringraziano i soci dello Young Club SIIAM impegnati nelle attività di segreteria scientifica: Pierpaolo Giordano (Dipartimento di Scienze della Salute, Università Magna Graecia, Catanzaro), Rosario De Feo (Dipartimento di Medicina, Chirurgia e Odontoiatria “Scuola Medica Salernitana”, Baronissi) e Piergiacomo Maria Cacciamani Fanelli (Università Cattolica del Sacro Cuore, Roma).

Bibliografia

1. Greenhalgh T, Wherton J, Papoutsi C, et al. Beyond adoption: a new framework for theorizing and evaluating nonadoption, abandonment, and challenges to the scale-up, spread, and sustainability of health and care technologies. J Med Internet Res 2017; 19: e367.

2. Shenoy ES, Branch-Elliman W. Automating surveillance for healthcare-associated infections: rationale and current realities (Part I/III). Antimicrob Steward Healthc Epidemiol 2023; 3: e25.

3. Kwong JCC, Wang SCY, Nickel GC, et al. The long but necessary road to responsible use of large language models in healthcare research. NPJ Digit Med 2024; 7: 177.

4. Abdelwanis M, Alarafati HK, Tammam MMS, Simsekler MCE. Exploring the risks of automation bias in healthcare artificial intelligence applications: a Bowtie analysis. Journal of Safety Science and Resilience 2024; 5: 460-9.

5. Sacchi FA, Cascini F, Conditi N, et al. The path to trustworthy medical AI: the evolving role of explainability. Recenti Prog Med 2025; 116: 546-50.

6. Baglivo F, Diedenhofen G, De Angelis L, et al. Why tomorrow’s public health needs to be digital: artificial intelligence and automation for a sustainable Italian National Health Service. Recenti Prog Med 2025; 116: 551-5.

7. De Angelis L, Pivetta A, Baglivo F, et al. Towards learning healthcare systems in Italy: opportunities and challenges of AI at point-of-care. Recenti Prog Med 2025; 116: 556-60.

8. Ferro D, Baglivo F, De Angelis L, et al. Making the case for digital twins: Italian healthcare needs AI-driven predictive modeling for personalized medicine. Recenti Prog Med 2025; 116: 561-6.