L’intelligenza artificiale sta trasformando rapidamente il settore sanitario. In questo preciso momento, negli ospedali di tutto il paese e del mondo, algoritmi specializzati stanno silenziosamente assistendo i medici, dando priorità agli esami urgenti e segnalando lievi anomalie che altrimenti potrebbero passare inosservate. Questi strumenti di IA specializzati, spesso addestrati su milioni di immagini mediche categorizzate con precisione, sono sempre più integrati nella pratica clinica quotidiana.
Diagnosi medica via IA: perché non dobbiamo fidarci dei modelli generalisti
Allo stesso tempo, un’altra forma di intelligenza artificiale ha catturato l’attenzione del pubblico: i modelli linguistici su larga scala (LLM). Questi sistemi ampiamente accessibili — come ChatGPT e Claude — sono in grado di analizzare sia testi che immagini. In teoria, queste capacità dovrebbero renderli adatti a compiti medici. Ma le piattaforme di IA di uso generale sono affidabili quando si tratta di diagnosi?
I pericoli dell'IA nella diagnostica per immagini: i dati dello studio Algorithms
Un nuovo studio condotto al New York Institute of Technology (NIT) suggerisce il contrario. Come riportato sulla rivista scientifica Algorithms, i ricercatori hanno testato l’affidabilità di alcuni dei sistemi multimodali di apprendimento automatico più avanzati al mondo — GPT-5, Gemini 3 Pro, Llama 4 Maverick, Grok 4 e Claude Opus 4.5 Extended — sottoponendo a ciascuno la stessa TAC cerebrale campione.
“
I risultati hanno rivelato un tasso di errore diagnostico fondamentale del 20% tra i vari modelli, insieme a preoccupanti variabilità nell'interpretazione e nella valutazione
”
– Spiegano gli autori –
Scambiare un ictus per un’emorragia: il caso critico analizzato dai ricercatori
L’affidabilità clinica è stata messa duramente alla prova durante i test: “Un sistema ha confuso un ictus ischemico per un’emorragia in un’altra zona del cervello — due condizioni che richiedono trattamenti radicalmente diversi.” I ricercatori hanno poi effettuato controlli incrociati tra le piattaforme, ottenendo risultati altrettanto contrastanti.
L'autorità ingannevole degli LLM: quando la fluidità del linguaggio nasconde l'errore
“La nostra ricerca mette in luce una distinzione cruciale” afferma Milan Toma, che ha diretto lo studio. “La maggior parte degli strumenti di IA medica di successo sono algoritmi specifici per determinate attività, addestrati su grandi dataset di immagini mediche etichettate e validati per compiti diagnostici molto specifici. I modelli linguistici di grandi dimensioni, invece, non sono ottimizzati per la diagnostica, bensì per la linguistica e la conversazione. Di conseguenza, generano spiegazioni che sembrano autorevoli, anche quando la loro interpretazione di base è errata o incoerente.”
Medici e IA: il ruolo insostituibile dell’occhio umano nel 2026
Toma e i suoi coautori concludono che il futuro dell’IA in ambito sanitario combinerà probabilmente sistemi diagnostici specializzati e modelli linguistici. Tuttavia, sebbene questi ultimi possano rivelarsi utili per la documentazione clinica, la sintesi di referti o la comunicazione con i pazienti, la supervisione di un esperto medico rimane imprescindibile per tutte le interpretazioni diagnostiche.
