Il cardiologo “aumentato”: si costruisce un mattoncino alla volta

L’IA è già qui
Come sarà il cardiologo del futuro?

È la domanda da cui il Presidente dell’ESC Thomas F. Lüscher è partito durante la cerimonia di apertura del recente Congresso ESC 2026, nel quale l’intelligenza artificiale è stata uno dei temi centrali. Una possibile risposta è: un “cardiologo aumentato”.

Con questa espressione intendiamo un cardiologo la cui pratica clinica viene potenziata dall’intelligenza artificiale e dalle tecnologie digitali, senza esserne sostituito. L’idea centrale è che l’IA amplifichi le capacità del medico nell’analisi dell’ECG e dell’imaging, nell’interpretazione dei dati provenienti dai dispositivi indossabili, nella stratificazione del rischio e nel supporto alle decisioni, mentre il giudizio clinico, l’esperienza e la relazione con il paziente restano saldamente nelle mani del professionista. Non si tratta più soltanto di uno scenario futuristico: l’IA è già entrata, spesso in modo silenzioso e “dal basso”, nella quotidianità di molti cardiologi. Nei più giovani questa adozione appare particolarmente naturale, perché chatbot e large language model vengono percepiti come un’evoluzione degli strumenti digitali già utilizzati ogni giorno. Non disponiamo ancora di una fotografia sistematica dell’uso dell’IA generativa tra i giovani cardiologi italiani. L’esperienza quotidiana, tuttavia, suggerisce che la sua diffusione abbia preceduto la definizione di regole condivise, di programmi formativi e di percorsi di governance. È un ingresso bottomup: lo strumento viene sperimentato perché accessibile e immediato, mentre università, ospedali e società scientifiche stanno ancora stabilendo come integrarlo in modo sicuro.

Un’indicazione indiretta di questa diffusione arriva da un’indagine dell’Osservatorio Sanità Digitale del Politecnico di Milano: il 67% dei medici dichiara di utilizzare già algoritmi di intelligenza artificiale generativa, ma solo il 30% si sente adeguatamente formato in materia, e nel 90% dei casi si tratta di piattaforme non specifiche per il settore sanitario. È la cosiddetta “shadow AI”: strumenti che entrano nella pratica clinica bypassando i percorsi con cui ospedali e istituzioni decidono normalmente quali tecnologie adottare. Occorre inoltre evitare un equivoco: un algoritmo specialistico, addestrato e validato per uno specifico compito clinico, non è sovrapponibile a un chatbot generalista. Parlare genericamente di “IA” rischia di confondere tecnologie con finalità, prestazioni e livelli di responsabilità molto diversi.

Perché la usiamo?
La ragione principale non è necessariamente che l’IA “sappia più del medico”. Il suo vantaggio è la capacità di rendere rapidamente interrogabili grandi quantità di informazioni, di proporre una prima struttura e di trasformare un foglio bianco in una bozza su cui lavorare.

In una professione caratterizzata da sovraccarico informativo, aggiornamento continuo e crescente pressione organizzativa, il risparmio di tempo rappresenta un potente motore di adozione. Per un giovane cardiologo l’IA può facilitare l’accesso a contenuti complessi, offrire spiegazioni progressive, simulare domande, suggerire diagnosi differenziali da verificare e migliorare l’inglese scientifico. Può essere utile anche per attività meno visibili ma molto impegnative: riassumere una riunione, costruire una checklist, adattare il linguaggio di una relazione o preparare materiale didattico. La disponibilità continua e l’assenza di giudizio favoriscono inoltre l’esplorazione: è possibile formulare domande elementari, ripeterle e modificarle senza il timore di esporsi. Tutto ciò abbassa la soglia di accesso alla conoscenza, ma non ne garantisce la qualità.

Quando l’IA ci rende migliori
Il paradigma più convincente è quello dell’augmentation: l’IA come copilota, non come sostituto. Usata bene, può liberare il medico da attività ripetitive o a basso valore cognitivo e restituire tempo all’interpretazione, alla decisione e alla relazione con il paziente. Può ampliare il ventaglio delle ipotesi, evidenziare elementi trascurati, rendere più efficiente la consultazione della letteratura e aiutare a comunicare lo stesso concetto a interlocutori diversi. Il valore dell’output, però, dipende dalla qualità dell’interazione e dalla competenza di chi lo valuta. Una richiesta precisa, contestualizzata e consapevole dei propri limiti produce risultati più utili; soprattutto, un professionista esperto sa distinguere una buona sintesi da una conclusione clinicamente fragile. La sequenza corretta non è “domanda-risposta-decisione”, ma “domanda-output-verifica-integrazione nel contesto-decisione”. L’IA può accelerare alcune fasi del lavoro, mentre responsabilità, giudizio e scelta restano prerogativa dell’essere umano.

Quando rischia di renderci peggiori
La fluidità del linguaggio può creare un’illusione di competenza. Una chatbot può produrre informazioni inesatte, riferimenti inesistenti o interpretazioni non supportate e presentarle con lo stesso tono autorevole usato per le risposte corrette. In medicina l’errore più insidioso non è sempre quello manifesto, ma quello plausibile, opaco e privo di segnali di incertezza. L’eloquenza non equivale all’accuratezza: le chatbot comunicano spesso con la sicurezza di chi sa, mentre i medici devono convivere con l’incertezza di chi ragiona.

A questo si aggiunge l’automation bias, cioè la tendenza ad accettare il suggerimento della macchina perché percepito come neutrale o superiore.

Il rischio è particolarmente elevato durante la formazione. Se deleghiamo troppo presto la costruzione del ragionamento clinico, potremmo non sviluppare appieno le competenze necessarie a controllare l’output.

Evidenze sperimentali su studenti di medicina mostrano un’asimmetria preoccupante: le spiegazioni fuorvianti generate dall’IA possono ridurre l’accuratezza diagnostica più di quanto le spiegazioni corrette possano migliorarla. Il problema non è quindi soltanto “sbagliare con l’IA”, ma imparare a pensare attraverso scorciatoie che rendono meno visibili le alternative e le incongruenze.

Esistono poi bias derivati dai dati di addestramento, scarsa trasparenza, instabilità delle risposte e problemi di riservatezza. Inserire in piattaforme generaliste dati identificativi, referti o immagini cliniche può esporre informazioni sensibili al di fuori dei percorsi autorizzati. Anche una risposta formalmente corretta può risultare inappropriata se non considera le comorbilità, le preferenze, le risorse disponibili e le specificità organizzative.

Per questo i chatbot generalisti non devono essere utilizzati come decisori clinici autonomi né confusi con dispositivi medici validati.