Per decenni, lo screening è stato un’attività separata, costosa e spesso limitata a programmi specifici. L’ingresso dell’intelligenza artificiale in questo ambito sta cambiando la logica di fondo: non più nuovi esami, ma nuovi modi di leggere dati che i sistemi sanitari già raccolgono.

È in questo passaggio che si colloca il cosiddetto screening opportunistico, una delle applicazioni più concrete dell’IA in sanità. Analizzando immagini e informazioni cliniche già disponibili, gli algoritmi sono in grado di individuare segnali di rischio molto prima rispetto ai percorsi diagnostici tradizionali.

Il caso recente di un modello sviluppato dalla Damo Academy di Alibaba, descritto su Nature, offre un esempio significativo. Il sistema utilizza Tac già eseguite per altre finalità cliniche per intercettare precocemente segnali di steatosi epatica, una condizione diffusa e spesso asintomatica. Non si tratta di introdurre nuovi test, ma di aggiungere un livello di analisi a dati già presenti, trasformando esami diagnostici puntuali in strumenti di prevenzione.

Screening e infrastruttura dati

In questa prospettiva, lo screening smette di essere un’attività episodica e diventa una funzione diffusa del sistema sanitario. Le informazioni raccolte nella pratica clinica quotidiana – immagini, parametri biologici, dati anagrafici – assumono un valore ulteriore quando vengono rilette attraverso modelli predittivi.

Questo spostamento ha implicazioni rilevanti. Riduce la necessità di programmi di screening dedicati, spesso costosi e disomogenei, e apre alla possibilità di intercettare il rischio in modo più capillare. Allo stesso tempo, rafforza il ruolo dell’infrastruttura dati come elemento centrale per il funzionamento del sistema sanitario.

Accesso e disuguaglianze

L’integrazione dell’IA nello screening può contribuire a ridurre alcune disuguaglianze di accesso, soprattutto laddove i programmi tradizionali risultano limitati da vincoli economici o organizzativi. Utilizzare dati già disponibili consente, almeno in teoria, di ampliare la platea dei soggetti intercettati senza aumentare in modo proporzionale i costi.

Tuttavia, questo beneficio non è automatico. Dipende dalla qualità e dalla diffusione delle infrastrutture digitali, dalla capacità di integrazione dei sistemi informativi e dalla presenza di competenze adeguate. In assenza di questi elementi, il rischio è quello di accentuare le differenze tra sistemi sanitari e tra territori.

Il nodo della governance

L’aspetto più rilevante riguarda però la governance. Se un algoritmo segnala un rischio a partire da un esame eseguito per altre ragioni, chi se ne assume la responsabilità? Chi prende in carico il paziente? Come si integra questa informazione nei percorsi di cura esistenti?

Come ha osservato Sarang Deo, studioso dei sistemi sanitari, il punto non è se l’IA sia in grado di individuare pattern più precocemente, ma come queste informazioni vengano incorporate nei sistemi di cura. L’efficacia di questi strumenti dipende meno dalla performance tecnica e più dalla loro integrazione organizzativa.

I rischi

Accanto alle opportunità emergono anche criticità. L’individuazione precoce del rischio può tradursi in un aumento delle diagnosi, con possibili effetti di sovradiagnosi e maggiore pressione sui servizi sanitari. Allo stesso tempo, la gestione dei falsi positivi e la definizione delle soglie di intervento rappresentano nodi ancora aperti.

L’adozione su larga scala di questi strumenti richiede quindi un equilibrio tra capacità di anticipazione e sostenibilità del sistema.

Un cambio di logica

L’ingresso dell’intelligenza artificiale nello screening non rappresenta soltanto un’evoluzione tecnologica, ma un cambiamento di logica. Per decenni, i sistemi sanitari hanno agito prevalentemente in risposta alla manifestazione della malattia. L’uso di modelli predittivi consente invece di spostare l’attenzione sulla gestione del rischio, anticipando l’intervento e ampliando la finestra di azione.

In questo scenario, la vera trasformazione non riguarda la singola tecnologia, ma il modo in cui i sistemi sanitari utilizzano le informazioni. Lo screening diventa una funzione continua, integrata nei processi ordinari di cura, e la prevenzione una componente strutturale del sistema.

È su questo terreno che si giocherà l’impatto dell’IA in sanità: non nella capacità di sostituire il medico, ma nella possibilità di ridefinire il funzionamento complessivo dei sistemi di cura.