Quando il medico firma quello che la macchina ha già deciso

Uno studio pubblicato il 13 aprile 2026 su JAMA Network Open, condotto da Arya S. Rao e colleghi del Mass General Brigham, ha messo alla prova 21 modelli linguistici di grandi dimensioni: tra cui GPT, Claude, Gemini e Grok, su 29 casi clinici standardizzati tratti dal MSD Manual, valutandoli lungo l'intero processo decisionale: diagnosi differenziale, scelta degli esami, diagnosi finale, gestione terapeutica. Il risultato più rilevante non è la conferma dell'accuratezza dell'IA, ormai attesa, ma la sua distribuzione: i modelli raggiungono un'elevata precisione nella diagnosi finale, ma mostrano limiti significativi proprio nella diagnosi differenziale, la fase in cui il clinico deve considerare e scartare, una per una, le ipotesi alternative prima di arrivare alla conclusione. È la parte più delicata del ragionamento medico, ed è quella in cui l'IA si mostra meno affidabile. 
Il dato si aggancia a un risultato precedente, pubblicato da Goh e colleghi nel 2024, che ha una qualità quasi paradossale: in un trial clinico randomizzato, l'integrazione dell'intelligenza artificiale nell'attività diagnostica dei medici non ne ha migliorato in modo significativo il ragionamento clinico rispetto all'uso di risorse convenzionali. Più sorprendente ancora: l'intelligenza artificiale usata da sola ha ottenuto risultati superiori rispetto a quando veniva consultata dai medici stessi. Il dato merita di essere letto con attenzione, perché non dice che l'IA sia più brava del medico in assoluto, dice che l'interazione tra medico e IA, così come oggi avviene nella pratica, non produce necessariamente il meglio di entrambi. Produce, in alcuni casi, il peggio: un professionista che si affida al suggerimento algoritmico senza esercitare fino in fondo il proprio giudizio critico, e un sistema che, lasciato solo, avrebbe fatto meglio. 
Questo scollamento ha un nome nella letteratura, già discusso su queste pagine a proposito della pubblica amministrazione: automation bias, la tendenza a considerare più affidabili le decisioni automatizzate rispetto a quelle umane. Zhou e colleghi (2025) lo descrivono, in ambito clinico, come il rischio che gli errori prodotti dall'algoritmo vengano accettati dal professionista senza una verifica critica adeguata. Non per negligenza ma per un meccanismo cognitivo che si attiva proprio quando il carico di lavoro è alto e il tempo scarso, cioè nelle condizioni ordinarie di un reparto o di un pronto soccorso. Il paradosso è che l'uso corretto dell'IA in medicina richiederebbe, in teoria, un aumento della vigilanza critica del medico, non una sua riduzione: bisognerebbe usare lo strumento e insieme mantenere un atteggiamento di controllo costante, il che, di fatto, duplica il carico cognitivo invece di alleggerirlo, riducendo proprio quei benefici di efficienza che l'adozione dell'IA prometteva. 
Sul piano della responsabilità, il diritto italiano è netto, e lo è anche nella sua evoluzione più recente. La Legge 23 settembre 2025, n. 132 stabilisce che i sistemi di intelligenza artificiale costituiscono un supporto nei processi di diagnosi e cura, ma la decisione finale resta sempre in capo al professionista sanitario: se un sistema suggerisce una diagnosi o un trattamento non corretto, la responsabilità medico-legale non si trasferisce alla tecnologia. I decreti attuativi approvati in esame preliminare dal Consiglio dei Ministri il 10 giugno 2026 traducono questo principio in obbligo concreto, inserendo la formazione sull'IA, non solo tecnica, ma anche deontologica e giuridica, nel programma di Educazione Continua in Medicina, e coinvolgendo anche la formazione manageriale dei dirigenti sanitari. 
Ma qui torna, identico, il problema già segnalato a proposito della pubblica amministrazione: l'obbligo di supervisione umana può degenerare in una ratifica automatica dell'output algoritmico — una firma apposta su una decisione che la macchina ha già preso, senza che il presupposto sia stato realmente valutato. In ambito clinico questo rischio ha un nome preciso e una posta in gioco più alta che altrove: non un procedimento amministrativo, ma una diagnosi, una terapia, un paziente. La norma può imporre ore di formazione, moduli deontologici, percorsi ECM obbligatori. Non può, da sola, imporre che il medico continui a esercitare quel dubbio metodico, la diagnosi differenziale, appunto che lo studio di Rao e colleghi mostra essere proprio il punto debole strutturale dei sistemi che oggi lo affiancano. 
La formazione medica all'intelligenza artificiale, se vuole essere qualcosa di più di un adempimento normativo, dovrebbe insistere esattamente lì: non sull'uso dello strumento, che i giovani medici imparano con naturalezza, ma sulla capacità di non fidarsi troppo presto di una risposta che arriva fluida, sicura, e statisticamente quasi sempre corretta. È un'abitudine controintuitiva da insegnare, diffidare di ciò che funziona quasi sempre, ma è precisamente ciò che la letteratura più recente suggerisce essere la competenza clinica del futuro prossimo: non sapere usare l'algoritmo, ma sapere quando non fidarsene.

PixelPost.it è una testata registrata presso il Tribunale di Roma, n°164 del 15 Dicembre 2023