I chatbot commerciali basati sull’intelligenza artificiale sembrano generalmente in grado di distinguere, in scenari clinici controllati, quando un esame o un trattamento è necessario e quando invece potrebbe essere evitato.
È quanto emerge da uno studio pubblicato il 20 ottobre 2026 sulla rivista scientifica Annals of Internal Medicine, secondo il quale sei modelli linguistici di grandi dimensioni hanno raccomandato prestazioni sanitarie potenzialmente non necessarie nel 5,4% delle risposte.
La ricerca ha inoltre rilevato che i modelli hanno omesso di raccomandare cure appropriate soltanto nello 0,6% delle risposte valutate. I risultati indicano una buona aderenza alle raccomandazioni utilizzate nei test, pur evidenziando alcune criticità.
Come è stata condotta la ricerca
Lo studio è stato realizzato da ricercatori di Clalit Health Services e della Ben-Gurion University of the Negev, che hanno costruito 225 scenari clinici partendo da 15 raccomandazioni della campagna Choosing Wisely.
L’obiettivo era verificare se sei modelli commerciali di intelligenza artificiale fossero capaci di riconoscere situazioni nelle quali evitare esami o trattamenti non necessari, distinguendole dai casi in cui invece l’intervento medico risultava appropriato.
Le risposte sono state quindi valutate rispetto alle raccomandazioni mediche di riferimento, misurando sia la tendenza a suggerire prestazioni superflue sia quella a non consigliare interventi necessari.
Dove sbagliano maggiormente i chatbot
Gli errori non sono risultati distribuiti uniformemente tra gli scenari. Secondo i ricercatori, una parte importante delle raccomandazioni potenzialmente non necessarie si concentra in situazioni cliniche nelle quali esistono divergenze tra le società scientifiche o margini di interpretazione.
Tra gli esempi individuati figurano il ricorso all’ecografia tiroidea per piccoli noduli scoperti incidentalmente e l’esecuzione di elettrocardiogrammi di routine in adulti a basso rischio.
In questi ambiti, la decisione può dipendere anche da informazioni cliniche aggiuntive, dalla presenza di sintomi e dalla valutazione complessiva del paziente.
Un risultato incoraggiante, ma con limiti importanti
Il dato del 5,4% suggerisce che, negli scenari esaminati, i modelli abbiano frequentemente seguito i principi dell’appropriatezza clinica. Tuttavia, il risultato non equivale a un tasso generale di accuratezza medica del 94,6%.
Il benchmark riguardava infatti un insieme delimitato di raccomandazioni e casi costruiti per la ricerca. Non valutava l’intero processo diagnostico, l’assistenza a pazienti reali o tutte le possibili condizioni mediche.
Quali prospettive per l’intelligenza artificiale in medicina?
La ricerca offre elementi utili per comprendere come i sistemi di intelligenza artificiale possano applicare raccomandazioni cliniche basate sulle evidenze e, potenzialmente, contribuire a ridurre l’impiego di prestazioni sanitarie di scarso valore.
Gli stessi risultati indicano però la necessità di miglioramenti mirati negli ambiti in cui l’appropriatezza dell’intervento è più controversa, oltre a valutazioni ulteriori prima di un impiego clinico concreto.
L’intelligenza artificiale può rappresentare uno strumento di supporto all’informazione e al ragionamento clinico, ma le decisioni su accertamenti e terapie richiedono comunque una valutazione professionale del singolo caso.
