L’impiego dell’intelligenza artificiale nella diagnostica per immagini è già una realtà. Il GISMa (Gruppo Italiano Screening Mammografico) ha elaborato delle raccomandazioni, riconosciute in Sistema Nazionale Linee Guida, sull’utilizzo dell’AI nella lettura degli screening mammografici.
Quali sono le ragioni alla base di questa decisione? Quali le possibili ricadute per il SSN e come l’AI potrebbe cambiare il modo di effettuare gli screening e la professione di radiologo? Per chiarire questi aspetti TrendSanità ha incontrato Veronica Girardi, Presidente GISMa.

Quali sono i motivi che hanno portato alla definizione di linee guida specifiche per l’impiego dell’AI nello screening mammografico? 

«L’intelligenza artificiale è oggi al centro del dibattito sulla diagnostica per immagini, e la discussione corre talvolta più rapidamente delle evidenze disponibili. Servono quindi linee guida specifiche e una riflessione multidisciplinare che coinvolga radiologi, ingegneri, fisici medici e informatici.

Nello screening mammografico la questione è delicata; oltre alla capacità dell’algoritmo di individuare immagini sospette occorre valutare l’impatto complessivo su richiami, falsi positivi e carico di lavoro.

Le linee guida italiane, pubblicate nel Sistema Nazionale Linee Guida il 23 dicembre 2025, nascono da un percorso multidisciplinare che ha coinvolto GISMa, l’Osservatorio Nazionale Screening e numerose società scientifiche, con metodologia GRADE. L’Italia ha adottato le raccomandazioni europee esistenti e ne ha sviluppata una terza, originale, che riguarda il triage nei programmi organizzati italiani».

Quali sono, in sintesi, i contenuti delle raccomandazioni?

«Le tre raccomandazioni affrontano scenari differenti. La prima riguarda la possibilità di utilizzare una singola lettura umana supportata dall’AI in sostituzione della doppia lettura. In questo caso il panel suggerisce di non adottare la strategia, perché le evidenze disponibili non sono ancora sufficienti a garantire che la riduzione della lettura umana non comprometta la sicurezza dello screening.

La seconda riguarda la doppia lettura umana supportata dall’AI, rispetto alla doppia lettura senza AI. In questo caso il panel suggerisce l’impiego dell’intelligenza artificiale a supporto dei due radiologi; l’AI non sostituisce il professionista, ma può richiamare l’attenzione su aree sospette, ridurre il rischio di difficoltà percettive e contribuire alla sicurezza del processo.

La terza, la più innovativa, riguarda il triage basato sull’AI. Nelle donne asintomatiche a rischio medio, il sistema può contribuire ad assegnare gli esami alla singola o alla doppia lettura umana, in base al livello di rischio stimato. I casi più sospetti verrebbero così sottoposti a un controllo umano rafforzato, mentre per quelli a rischio più basso potrebbe essere valutata la singola lettura.

È importante sottolineare che si tratta di raccomandazioni condizionali: questo significa che la messa in atto dell’intervento può essere appropriata, ma solo se sono presenti condizioni organizzative, tecnologiche, professionali e di monitoraggio adeguate. Non siamo quindi di fronte a un obbligo operativo, né a un’autorizzazione indiscriminata a modificare il percorso di screening». 

Quali sono le evidenze a supporto di quest’ultima raccomandazione?

«Il quesito PICO (Paziente/Popolazione, Intervento, Confronto e Outcome) italiano per il triage riguarda donne asintomatiche in screening con mammografia digitale o tomosintesi. La revisione sistematica ha identificato 3.991 pubblicazioni, ma solo tre articoli relativi a due studi hanno soddisfatto i criteri di eleggibilità: un segnale di quanto l’interesse scientifico sia enorme a fronte di evidenze applicabili ancora limitate.

Tra gli studi più rilevanti figura il trial MASAI (Mammography Screening with Artificial Intelligence) condotto in Svezia: l’approccio supportato dall’AI ha portato il tasso di identificazione dei tumori da circa 5,0 a 6,4 casi per 1.000 donne sottoposte a screening, riducendo il carico di lettura del 44% senza aumento significativo dei falsi positivi. Risultati incoraggianti, ma non trasferibili automaticamente a ogni realtà: un algoritmo può comportarsi diversamente in popolazioni e protocolli differenti, da qui la necessità di una validazione locale».

Qual è, a oggi, l’effettivo impiego dell’AI negli screening mammografici?

«L’impiego dell’AI nello screening italiano non è uniforme: convivono esperienze locali, progetti di ricerca e applicazioni in valutazione, senza un modello nazionale omogeneo. “Utilizzare l’AI” può significare cose diverse – dal supportare il radiologo, fornire un secondo parere, attribuire un punteggio di rischio, fino a contribuire al triage o monitorare la qualità tecnica – con livelli di evidenza differenti». 

Sarebbe utile che in ogni programma di screening venisse dichiarato con chiarezza la funzione adottata e il ruolo del radiologo

Cosa potrebbe cambiare nel modo di effettuare gli screening?

«L’AI potrebbe modificare soprattutto l’organizzazione della lettura, non la natura dello screening, valorizzando meglio le competenze disponibili, riducendo il carico ripetitivo e concentrando la doppia lettura sui casi complessi. Il beneficio più importante potrebbe essere indiretto, e tradursi in una maggiore offerta di screening, purché il tempo recuperato non si traduca in un aumento degli esami per radiologo senza controlli adeguati».

Quali sarebbero i passi necessari per l’introduzione di nuovi modi di effettuare lo screening mammografico?

«L’introduzione dell’AI dovrebbe seguire lo stesso percorso di ogni nuova metodica diagnostica: valutazione di efficacia e sicurezza, cybersecurity, formazione, collaudo, validazione locale e monitoraggio con indicatori chiari. E compatibilità RIS/PACS, ossia capacità del software di intelligenza artificiale di integrarsi con i sistemi informatici già utilizzati dal centro. 

Il PACS (Picture Archiving and Communication System) è il sistema che archivia e permette di visualizzare le immagini diagnostiche, mentre il RIS (Radiology Information System) gestisce le informazioni e il flusso di lavoro della radiologia. In concreto, al fine di evitare errori e duplicazioni il software di AI deve poter ricevere dal PACS gli esami nei formati e secondo i flussi abituali, analizzarli e restituire i risultati (punteggi, heatmap o referti strutturati) direttamente sulla workstation del radiologo. Deve inoltre poter scambiare correttamente con il RIS i dati anagrafici e amministrativi necessari a seguire il percorso della paziente, senza rallentare il lavoro quotidiano. 

Inoltre deve poter essere aggiornato senza bloccare l’attività; se questa integrazione non funziona, si creano colli di bottiglia, duplicazioni, errori di associazione dei dati o interruzioni del flusso clinico. Per questo la compatibilità tecnica e informatica non è un dettaglio, ma un prerequisito.

La valutazione iniziale dovrebbe essere confermata dal successivo riscontro nella pratica quotidiana, calibrato su centro, popolazione, mammografo e volumi propri, con competenze ingegneristiche, informatiche e fisico-mediche; da qui la necessità di una governance multidisciplinare».

GISMa ha condotto un’indagine, su oltre 300 professionisti, sull’impiego dell’AI nei programmi di screening oncologico; cosa ne emerge, in sintesi?

«Dalla survey GiSMA emerge un atteggiamento di apertura, ma non acritico: circa il 75% dei partecipanti ha espresso forte interesse per l’AI, indicando come vantaggi principali l’accuratezza diagnostica e l’ottimizzazione dei flussi di lavoro. Accanto a questo, però, emergono anche preoccupazioni rispetto ai limiti degli algoritmi (67,2%), al rischio di perdita di competenze (46,2%) alle infrastrutture non sempre adeguate e alle normative (72,8%).

I professionisti non sono contrari all’innovazione, ma chiedono regole chiare, condivise e applicabili

Manca infatti ancora un quadro nazionale chiaro su come l’AI debba essere inserita nei programmi di screening organizzati: quali percorsi sono ammessi, quali responsabilità, quali indicatori monitorare. A questo si aggiungono il nuovo regolamento europeo sui dispositivi medici (MDR) e l’AI Act, che introducono obblighi nuovi per i fornitori e anche per le strutture che usano questi sistemi. E naturalmente ci sono la protezione dei dati e la privacy, soprattutto quando l’AI utilizza piattaforme esterne o cloud. Infine, a livello locale serve definire chi autorizza l’uso, chi valida, chi monitora e chi risponde in caso di malfunzionamento o di esito avverso.

In sintesi, i professionisti non sono contrari all’innovazione, ma chiedono regole chiare, condivise e applicabili, che tutelino sia le pazienti sia gli operatori. Il messaggio della survey è proprio questo: interesse, ma anche richiesta di evidenze solide, regole chiare, infrastrutture adeguate e formazione».

Ritiene che a livello organizzativo l’uso della AI potrebbe contribuire a gestire la domanda di screening e la carenza di radiologi?

«L’intelligenza artificiale può rappresentare una grande opportunità per lo screening mammografico italiano, in una fase di aumento della domanda, disomogeneità territoriale e carenza di professionisti; potrebbe ridurre il carico di lettura, ma non è scontato che questo risolverebbe automaticamente la carenza di radiologi. Il suo valore dipenderà dalla capacità di inserirla in modo appropriato nei percorsi clinici e organizzativi, con infrastrutture adeguate, validazione, formazione e monitoraggio, mantenendo l’equilibrio tra innovazione e centralità della persona.

Il dibattito si è concentrato sulla riduzione delle letture da parte degli specialisti, trascurando il tempo complessivo di refertazione. Il radiologo deve comunque interpretare l’output del sistema e gestire eventuali segnalazioni discordanti; inoltre in alcuni contesti la lettura assistita potrebbe richiedere più tempo, non meno, specie nei casi complessi.

Si porrà anche il tema della formazione, per creare lettori esperti, capaci di comprendere il funzionamento dell’AI e riconoscerne i limiti: solo studi specifici potranno chiarire se l’AI liberi davvero risorse, o se sposti il lavoro dalla lettura dell’immagine alla gestione critica della tecnologia. 

Credo che il vero tema riguardi quale combinazione di professionisti, tecnologia e competenze possa mantenere la qualità dello screening».

Quali potrebbero essere le ricadute per il SSN dell’introduzione dell’AI in questo ambito? 

«Le ricadute sul SSN dipendono dai prerequisiti infrastrutturali, organizzativi e professionali per un’introduzione sicura, e il panorama italiano è caratterizzato da variabilità regionale e tra centri: parlare genericamente di riduzione dei costi rischia quindi di essere prematuro, perché il beneficio di un algoritmo dipende anche dal contesto in cui viene inserito.

L’AI potrà rafforzare i programmi di screening soprattutto nei centri che dispongono delle condizioni per governarla; in assenza di infrastrutture adeguate, il rischio è che si amplino le disuguaglianze tra centri più e meno avanzati

Per questo l’adozione dovrebbe accompagnarsi a una strategia nazionale di aumento delle infrastrutture, formazione, validazione e monitoraggio».

Più in generale, come potrebbe cambiare il ruolo del radiologo?

«Il radiologo continuerà ad avere un ruolo centrale, integrando l’output dell’algoritmo con immagini, precedenti clinici ed esperienza professionale.

Il cambiamento principale, oggi, consiste nel rendere il radiologo consapevole della nuova tecnologia e delle implicazioni che il suo utilizzo comporta; la maggiore familiarità con il sistema può accrescere la fiducia, ma anche favorire una dipendenza eccessiva. L’interazione con sistemi automatizzati può influenzare il processo decisionale di professionisti con diversi livelli di esperienza, per questo sono importanti formazione, consapevolezza e monitoraggio, per conoscere cosa il sistema è progettato per fare, in quali condizioni è stato validato, quali limiti presenta e come comportarsi in caso di discordanza.

Sarà utile studiare anche se l’uso prolungato dell’AI modifichi le competenze del lettore, incluso il rischio di non riconoscere più i reperti non segnalati dall’algoritmo».

Su quali aspetti dovrebbe quindi concentrarsi la formazione dei radiologi?

«La formazione dovrebbe approfondire quattro aree. Oltre all’area tecnica (funzionamento dei sistemi, differenza tra detection, classificazione e triage) e clinica (evidenze disponibili, appropriatezza d’uso, riconoscimento di falsi negativi e positivi), sarebbero da considerare gli aspetti etico-giuridici (responsabilità professionale, trasparenza, protezione dei dati) e quelli organizzativi (percorsi locali, criteri di lettura, audit periodici, procedure di sospensione in caso di performance inadeguate).

Senza tralasciare la componente psicologica; l’AI modifica l’ambiente cognitivo del radiologo, con possibili effetti su attenzione e percezione del rischio, e la formazione dovrebbe includere anche i casi nei quali l’output dell’AI non coincide con la valutazione clinica, così da migliorare la formazione e la qualità dell’interazione uomo-tecnologia.

L’AI modifica l’ambiente cognitivo del radiologo, con possibili effetti su attenzione e percezione del rischio

Un filone di ricerca in via di esplorazione -che ritengo molto promettente- riguarda l’AI come possibile strumento formativo per costruire casistiche, proporre esercitazioni personalizzate e fornire feedback, aiutando a discutere casi rari, reperti sfumati, difficoltà percettive e situazioni di discordanza. 

Secondo i risultati di alcuni studi l’assistenza dell’AI durante la lettura di un referto migliora l’accuratezza dei radiologi, con benefici particolarmente marcati per i lettori meno esperti. Resta però da dimostrare se questo effetto si traduca in un miglioramento duraturo delle competenze percettive del radiologo, anche in assenza di assistenza: gli studi finora disponibili misurano la performance assistita in tempo reale, non l’apprendimento cumulativo nel tempo».