I dati non lasciano spazio a dubbi: l’adoption rate dell’intelligenza artificiale (AI) nel sistema sanitario è in piena accelerazione. Solo nel 2023 l’Italia ha registrato un aumento del 37% di dispositivi e platform basati su AI utilizzati nelle strutture ospedaliere. Tutto questo mentre i chirurghi che oggi vengono formati dovranno operare in contesti tecnologici che oggi sono solo in fase di test. A fronte di questa discrepanza emerge una domanda cruciale: come formare medici pronti a utilizzare l’AI in maniera consapevole, critica e sostenibile?
La crisi esistente: tecnologia avanzata, formazione arretrata
Il problema non riguarda solo la tecnologia stessa, ma la sua integrazione nei modelli educativi e gestionali esistenti. Il chirurgo di domani dovrà saper operare con robot assistiti da AI, interpretare dati diagnostici forniti da algoritmi, e interagire con interfacce intelligenti. Purtroppo, molte scuole di specializzazione non hanno ancora compreso l’entità della necessità di aggiornare i loro curricula per rispondere a queste nuove competenze tecnico-digitali.
Un esempio concreto proviene dalle scuole di specializzazione in ortopedia dell’Università Statale di Milano e dell’Università Tor Vergata, dove sono state avviate esperienze pilota che combinano la formazione medica tradizionale con il corretto utilizzo dell’AI. Questi progetti non mirano soltanto a insegnare l’uso di strumenti specifici, ma soprattutto ad affrontare problemi che vanno al cuore dell’etica, della leggi e della gestione del rischio associato all’utilizzo di tecnologie potenzialmente fallibili o abusate.
Demistificare l’AI: formare medici consapevoli, non tecnocrati
Uno degli obiettivi chiave nell’addestramento moderno consiste nel demistificare il concetto di AI. Molte persone la vedono ancora come una tecnologia aliena, poco controllabile. In realtà, essa è costruita da esseri umani, con dati umani, e richiede una comprensione non solo operativa ma anche sociotecnica.
I programmi di formazione avanzata propongono percorsi didattici che insegnano:
- come valutare la qualità dei dati su cui si basano le decisioni dell’AI,
- quando delegare una decisione ad un algoritmo e quando interventare personalmente,
- come interpretare i risultati prodotti da strumenti di machine learning,
- come affrontare la questione etica riguardo l’uso di sistemi autonomi.
Esempio pratico: la chirurgia robotica assistita
Un esempio concreto riguarda l’uso di sistemi robotici per interventi di microchirurgia e interventi di sostituzione articolare. Questi dispositivi, in grado di compiere movimenti microscopici, sono oggi guida e supporto per il chirurgo. Tuttavia, il successo dell’operazione non dipende solo dalla tecnologia stessa, ma anche dalla capacità del chirurgo di interpretare in tempo reale i parametri forniti dal sistema. Formare i nuovi professionisti non solo a utilizzarli correttamente, ma anche a comprendere i limiti e il rischio del loro utilizzo quotidiano, è quindi fondamentale.
Over-reliance e rischi di automatizzazione
Un altro tema centrale è quello che i ricercatori definiscono “over-reliance”: l’eccessiva fiducia nell’AI. I dati mostrano che in molti sistemi sanitari, i dottori iniziano a affidarsi troppo ciecamente agli output algoritmici, soprattutto quando essi sembrano confermare i propri giudizi.
Per esempio, in un caso documentato di una radiologia automatizzata, un modello ha individuato un nodulo come “benigno” con un alto livello di fiducia. Il medico, in virtù della precisione passata del sistema, non ha esaminato la diapositiva. Successivamente, il paziente è risultato essere affetto da cancro al polmone. Questo evidenzia il pericolo: i medici non devono diventare “guardiani passivi” delle tecnologie, ma devono continuare a essere decisori consapevoli.
Per prevenire situazioni simili, i nuovi corsi universitari insegnano ad:
- sviluppare una mente critica e una cultura del dubbio verso qualsiasi output dell’AI,
- esaminare le performance del sistema in diverse condizioni operative,
- combinare algoritmi con l’esperienza umana,
- imparare a riconoscere i bias e le debolezze degli strumenti.
Formazione interdisciplinare: l’unico percorso sostenibile
La formazione futura dei medici non può essere solo clinica. È necessario costruire un curriculum interdisciplinare che includa:
- introduzione ai sistemi di AI,
- statistica e dati sanitari,
- etica della tecnologia,
- impatto organizzativo e normativo delle policy digitali.
Universidad come Bocconi, Politecnico di Milano e Tor Vergata hanno avviato corsi di laurea ad hoc, e molte scuole di specializzazione stanno integrando moduli di formazione continua. Il futuro, però, richiederà collaborazioni più strutturate con le aziende tecnologiche, le case farmaceutiche e gli hub di ricerca emergente.
Che ruolo ha la normativa?
In Italia, il recente Piano strategico nazionale “ENIA” mira a strutturare un sistema sanitario più digitale, ma mancano ancora linee guida coerenti per la formazione medica. Il rischio, se non si interviene rapidamente, è che i professionisti non siano preparati a utilizzare in modo responsabile le tecnologie emergenti.
Le nuove generazioni di medici devono essere formate per essere non solo curatori, ma anche gestori e innovatori del sistema sanitario. La scommessa per il futuro non è solo tecnologica, ma culturale. Se non si cambia la cultura formativa, il gap tra l’utilizzo reale dell’AI e la sua potenzialità non solo rimarrà, ma si allargherà.