Arriva da uno studio dell’Università di Oxford un richiamo alla prudenza nei confronti di una delle promesse più ricorrenti associate all’intelligenza artificiale in sanità: quella secondo cui l’automazione di diagnosi e procedure consentirebbe ai medici di recuperare tempo da dedicare alla relazione con il paziente. Secondo una ricerca pubblicata sulla rivista Jme Practical Bioethics, infatti, il tempo risparmiato grazie ai sistemi di AI viene assorbito nella maggior parte dei casi dall’attività clinica e non si traduce automaticamente in visite più lunghe o in una maggiore attenzione alla comunicazione medico-paziente.
Lo studio, firmato da Aurelia Sauerbrei, ha coinvolto clinici che già utilizzano strumenti di intelligenza artificiale nella pratica quotidiana, sviluppatori di software e altri soggetti impegnati nei processi di implementazione e nella valutazione etica delle nuove tecnologie. L’indagine non ha preso in esame chatbot o sistemi di IA generativa, ma applicazioni di supporto alla decisione diagnostica, come quelle impiegate nell’imaging medico, dove il professionista resta responsabile dell’interpretazione dei risultati elaborati dall’algoritmo.
Dalle interviste emerge un consenso piuttosto ampio sui vantaggi operativi dell’intelligenza artificiale. I medici ne apprezzano soprattutto la capacità di accelerare i processi: diagnosi più rapide, riduzione dei tempi di attesa e avvio più tempestivo delle terapie. Benefici che possono avere un impatto rilevante sugli esiti clinici. In oncologia, per esempio, accorciare l’intervallo tra la diagnosi e l’inizio della radioterapia può tradursi in maggiori probabilità di sopravvivenza. Anche gli sviluppatori indicano nella rapidità di identificazione delle patologie uno degli argomenti più forti a favore dell’adozione dell’AI.
Il punto critico, osserva Sauerbrei, non riguarda quindi la capacità della tecnologia di far risparmiare tempo, quanto l’assunto implicito secondo cui quel tempo verrà inevitabilmente reinvestito nel rapporto con il paziente. Nella pratica, spiegano i professionisti coinvolti nello studio, ciò accade raramente. Le ore e i minuti recuperati vengono più spesso utilizzati per eseguire un maggior numero di esami, visitare più persone o aumentare la produttività complessiva delle strutture.
Secondo gli intervistati, il fenomeno dipende soprattutto da fattori organizzativi. Ospedali e sistemi sanitari sono infatti sottoposti a pressioni che spingono verso la riduzione delle liste d’attesa, l’incremento delle prestazioni erogate e il contenimento dei costi. In questo contesto, ogni miglioramento di efficienza tende a essere rapidamente convertito in maggiore capacità produttiva. Un medico coinvolto nella ricerca ha citato l’esempio dell’endoscopia: qualche minuto risparmiato grazie all’AI potrebbe teoricamente essere impiegato per fornire spiegazioni più approfondite al paziente, ma con ogni probabilità finirebbe per essere assorbito dall’organizzazione sotto forma di ulteriori guadagni di efficienza.
La ricerca mette così in discussione una concezione dell’efficienza centrata quasi esclusivamente sui volumi di attività. Nei documenti strategici e nei programmi di innovazione, l’efficienza viene spesso misurata attraverso indicatori come il numero di pazienti trattati, la riduzione dei tempi di attesa o la velocità dei percorsi assistenziali. Obiettivi certamente importanti, ma che non coincidono necessariamente con un miglioramento della qualità della cura.
Per Sauerbrei questo approccio rischia di creare una sorta di “angolo cieco”, perché tende a sottovalutare aspetti meno facilmente quantificabili come il tempo dedicato alle spiegazioni, il processo decisionale condiviso o il supporto emotivo. Eppure numerose ricerche hanno già mostrato che la qualità della relazione tra professionista sanitario e paziente può influire in modo misurabile sugli esiti di salute.
L’autrice invita quindi a interrogarsi non tanto sull’opportunità di utilizzare l’intelligenza artificiale per aumentare l’efficienza, quanto sul significato stesso di efficienza. L’obiettivo deve essere incrementare il numero di prestazioni? Ridurre gli errori? Accorciare i tempi di attesa? Migliorare la soddisfazione dei pazienti? Rafforzare la certezza diagnostica? O conseguire risultati che gli stessi pazienti considerano realmente rilevanti?
Lo studio conclude che l’impatto dell’IA dipende in larga misura dal contesto organizzativo in cui viene introdotta. Gli sviluppatori tendono infatti ad adattare i propri strumenti ai flussi di lavoro già esistenti, favorendone l’adozione ma senza modificarne la logica di fondo. Di conseguenza, l’intelligenza artificiale non porta automaticamente a una medicina più centrata sulla persona. Se gli indicatori premiati restano quelli della produttività, il rischio è che le tecnologie digitali, anziché alleggerire la pressione sui professionisti, contribuiscano ad aumentare aspettative, carichi di lavoro e ritmi assistenziali. In altre parole, l’AI può creare lo spazio per una cura più umana, ma perché ciò avvenga occorre che sia il sistema sanitario a scegliere di preservarlo.
