Evidence-based medicine nell’era dell’intelligenza artificiale

Si immagini un oncologo che sta seguendo un paziente con tumore e che si trova ad affrontare una grave polmonite infiammatoria secondaria al trattamento immunoterapico. In tempi rapidi e con informazioni incomplete, il clinico deve bilanciare due rischi: da un lato la progressione dell’insufficienza respiratoria, dall’altro la possibilità che l’impiego di cortisonici ad alte dosi riduca l’efficacia della terapia antitumorale. Di fronte a un caso simile, la domanda nasce spontanea: cosa dice la letteratura scientifica?

Le evidenze per personalizzare la scelta terapeutica esistono, ma sono distribuite tra studi primari, revisioni non sempre aggiornate e linee guida di diverse specialità. Nella pratica clinica, l’assenza di una sintesi disponibile al point of care costringe il medico a decidere integrando esperienza, conoscenza parziale della letteratura e strumenti di supporto tradizionali.

La crescente quantità di letteratura scientifica rende complessa la gestione delle evidenze

Questo scenario mette in evidenza il divario tra il modello teorico della medicina basata sulle prove scientifiche (Evidence-Based Medicine, EBM) e la realtà decisionale quotidiana. Lo snodo cruciale di questo modello è la sintesi dell’evidenza (revisioni sistematiche, meta-analisi e linee guida) che ha l’obiettivo di trasformare la ricerca in raccomandazioni strutturate. Questa sintesi, del resto, non vive solo nei documenti formali: quando mancano, è il responsabile del reparto o il singolo clinico a ricostruirla da sé, come nello scenario iniziale, con la letteratura parziale che il tempo gli concede. Tuttavia, i processi formali di sintesi e validazione si scontrano con un limite strutturale: la letteratura biomedica cresce a ritmi esponenziali, mentre richiedono tempi lunghi, spesso nell’ordine degli anni.

In questo contesto, l’intelligenza artificiale generativa non interviene come semplice strumento di automazione, ma come tecnologia abilitante per riconfigurare il ciclo dell’evidenza lungo due assi complementari: l’accelerazione della produzione e la facilitazione dell’accesso nel momento decisionale.

Come l’AI si inserisce in questo panorama: produrre e usare l’evidenza

L’intelligenza artificiale sta emergendo in due ambiti distinti, che rispondono a problemi diversi e coinvolgono utenti, rischi e responsabilità differenti.

Il primo è la produzione di sintesi dell’evidenza, in cui l’obiettivo è supportare i ricercatori nelle fasi di realizzazione di revisioni sistematiche e meta-analisi. Già prima dei Large Language Models (LLM), erano disponibili strumenti basati su machine learning per automatizzare task ad alta intensità di lavoro, come lo screening iniziale degli abstract e la valutazione preliminare del rischio di bias. Gli LLM ampliano gli scenari già aperti dalla living evidence, con aggiornamento continuo delle sintesi in base alla letteratura disponibile. Tuttavia, l’esperienza di realtà come Cochrane indica che lo stato dell’arte non è ancora pronto per un’adozione su larga scala: la revisione sistematica non è un processo puramente computazionale, ma richiede giudizio esperto per definire i quesiti, valutare la rilevanza degli studi e interpretare le implicazioni cliniche. La presenza di allucinazioni nei modelli richiede inoltre verifica umana sistematica, e i workflow AI-assisted non risultano necessariamente più efficienti rispetto ai processi manuali.

Il secondo ambito riguarda l’accesso all’evidenza al point of care. Qui l’obiettivo non è produrre nuova sintesi, ma rendere immediatamente utilizzabile evidenza già esistente nel momento decisionale. In questo contesto stanno emergendo sistemi basati su architetture di Retrieval-Augmented Generation (RAG). A differenza dei modelli puramente generativi, un sistema RAG interroga in tempo reale un corpus documentale selezionato recuperando i passaggi più pertinenti rispetto alla richiesta.

Un sistema RAG interroga in tempo reale un corpus documentale selezionato recuperando i passaggi più pertinenti rispetto alla richiesta

Questo approccio consente di ancorare le risposte a evidenze aggiornate e verificabili, mantenendo al contempo una risposta conversazionale utilizzabile dal clinico. Il processo inizia con l’interpretazione della richiesta, che viene riformulata. Il corpus documentale viene preventivamente segmentato e indicizzato in uno spazio vettoriale. A interrogazione, la richiesta viene codificata e nel retrieval i segmenti più pertinenti sono recuperati per similarità semantica. In molti sistemi è presente una fase di reranking, che ricalibra l’ordinamento discriminando tra contenuti semanticamente simili ma informativamente diversi. Solo successivamente interviene il modello generativo, che utilizza i documenti selezionati per produrre una risposta in linguaggio clinicamente fruibile, integrando esplicitamente le fonti. Alcuni sistemi introducono vincoli strutturali, come la citazione obbligatoria delle fonti o la separazione tra affermazioni e riferimenti.

Va però precisato che il RAG è solo lo schema di riferimento di architetture sempre più articolate che, dietro interfacce identiche, fanno cose sostanzialmente diverse. Al clinico non si chiede di conoscerne il funzionamento interno, ma di estendere allo strumento la vigilanza critica che l’EBM riserva alle fonti.

Come valutare l’affidabilità: oltre i benchmark, lungo la catena dell’evidenza

Questa vigilanza richiede però criteri: la valutazione degli strumenti di AI per la sintesi dell’evidenza è più complessa dei benchmark standard.

Le metriche più diffuse si basano su domande a scelta multipla, mentre la domanda clinica reale è aperta e richiede integrazione di fonti, giudizio critico e produzione di una risposta tracciabile. Nessun singolo indicatore è quindi sufficiente. Una valutazione robusta deve includere: accuratezza fattuale, fondatezza delle citazioni, validità della sintesi, aggiornamento delle fonti e calibrazione dell’incertezza. Tra questi, sintesi e calibrazione restano gli aspetti meno maturi.

Al clinico non si chiede di conoscerne il funzionamento interno, ma di estendere allo strumento di AI la vigilanza critica che l’EBM riserva alle fonti

La qualità dipende dall’intera catena dell’evidenza: composizione e governance del corpus, retrieval, selezione e appraisal delle fonti, generazione e attribuzione. Una base documentale non pertinente porta il sistema a ricadere sulla conoscenza parametrica; una base pertinente ma incompleta genera un’omissione che la risposta non segnala e che è perciò difficile da rilevare. Un buon retrieval resta insufficiente senza un reale appraisal, cioè la capacità di stabilire quali evidenze supportano la risposta e con quale peso. In fase di generazione la sintesi può distorcere l’evidenza, quando non riconcilia fonti contrastanti, o lasciarne fuori una parte rilevante; l’attribuzione, infine, deve collegare ogni affermazione a fonti specifiche e verificabili.

Anche quando i documenti recuperati sono corretti, la sintesi può risultare fuorviante: il collo di bottiglia non è solo il retrieval, ma l’uso dell’evidenza. E poiché gli errori si propagano lungo la catena, la valutazione va scomposta per stadio, così da individuare dove nasce la fragilità.

Il nodo regolatorio europeo: il caso OpenEvidence

In Europa l’adozione di questi strumenti è condizionata da un impianto normativo stratificato. Un software qualificabile come dispositivo medico ai sensi dell’MDR è classificato ad alto rischio dall’AI Act, i cui obblighi si innestano sulla valutazione di conformità settoriale. Se questi strumenti rientrino o meno nella definizione di dispositivo medico dipende però dalla destinazione d’uso dichiarata: diversi prodotti si presentano come meramente informativi, collocandosi al di fuori del perimetro MDR e, di conseguenza, del regime ad alto rischio. Gli obblighi per l’alto rischio, peraltro, non sono ancora pienamente applicabili, essendo stati differiti a dicembre 2027 per i sistemi stand-alone e ad agosto 2028 per quelli integrati in dispositivi medici. La cautela europea deriva quindi meno da vincoli già operativi che dalla combinazione di requisiti MDR, tutela dei dati e incertezza sul regime futuro.

In Europa l’adozione di questi strumenti è condizionata da un impianto normativo stratificato

In questo quadro sono già disponibili al clinico diverse soluzioni per l’accesso rapido alla letteratura come Dataimed e Consensus. OpenEvidence è un noto esempio statunitense: combina modelli linguistici e retrieval secondo un approccio RAG per produrre risposte sintetiche con riferimenti bibliografici. Secondo quanto dichiarato dalla stessa società, è utilizzato da oltre il 40% dei medici statunitensi; la rapida diffusione è legata anche alla gratuità per i medici verificati, secondo un modello pubblicitario, di farmaci e dispositivi, consolidato nel mercato statunitense.

In Europa, la società ha dichiarato di aver sospeso l’accesso agli utenti dell’Unione e del Regno Unito, adducendo l’incertezza regolatoria sul trattamento dei sistemi di AI. Restano tuttavia accessibili sul mercato europeo diverse soluzioni analoghe, comprese alcune sviluppate nell’Unione e soggette al medesimo quadro normativo. Il caso illustra la complessità dell’impianto regolatorio e l’incertezza sulla sua attuazione: regole identiche conducono a decisioni e posizionamenti di mercato differenti.

Dall’informazione alla decisione: il futuro dell’utilizzo dell’evidenza

Di fronte a un paziente, il medico deve agire velocemente in un contesto in cui l’evidenza esiste già, ma è frammentata, distribuita tra fonti eterogenee e non immediatamente accessibile nei tempi decisionali.

L’AI si inserisce nello spazio tra conoscenza e azione clinica: può accelerare la produzione di sintesi dell’evidenza e renderle disponibili al point of care. Non si tratta di sostituire la medicina basata sulle evidenze, ma di ridurre il divario tra produzione e utilizzo della conoscenza. Il valore di questi strumenti risiede nella capacità di rendere fruibile una letteratura crescente. Tuttavia, accessibilità dell’informazione e affidabilità della decisione non coincidono: nei casi complessi diventano centrali la qualità della sintesi e la rappresentazione dell’incertezza.

L’AI non sostituisce il giudizio medico, ma può supportare decisioni più rapide basate su conoscenze aggiornate e verificabili

Il ruolo dell’AI non è quindi sostituire il ragionamento clinico, ma ridurre l’attrito tra evidenza e decisione, lasciando al clinico la valutazione critica, la contestualizzazione e la responsabilità finale. Resta infine una domanda inevitabile: l’utilizzo di questi strumenti è pronto a tradursi in decisioni migliori per i pazienti?

Editoriale a cura del gruppo di lavoro Comunicazione e Disseminazione SIIAM