Intelligenza artificiale in oncologia: tra realtà e potenziale, cosa può cambiare nelle cure

L’intelligenza artificiale è già entrata nella pratica oncologica, con applicazioni che vanno dalla diagnostica alla gestione dei dati clinici.

Il suo ruolo è destinato a crescere, soprattutto perché le decisioni terapeutiche sono sempre più complesse e personalizzate.

Accanto a questi utilizzi, esiste però un’applicazione più immediata, ancora poco sfruttata nella pratica quotidiana.

Il paradosso: l’IA è già diffusa, ma non viene usata nel modo più utile

L’intelligenza artificiale in oncologia è già impiegata nella diagnostica per immagini, nell’anatomia patologica digitale, nell’analisi dei dati clinici e nella gestione dei percorsi assistenziali.

Le principali società scientifiche internazionali (come l’American Society of Clinical Oncology e la Società Europea di Oncologia Medica) ne promuovono l’utilizzo sia come supporto alla decisione clinica sia per migliorare l’informazione e il coinvolgimento dei pazienti.

Nonostante questo, resta poco esplorata la funzione più semplice e immediata dei modelli linguistici: il supporto al ragionamento clinico in tempo reale su un caso specifico.

Zero-Shot prompting: un supporto concreto per decisioni più personalizzate

Tra queste possibilità, lo Zero-Shot prompting rappresenta una delle applicazioni più accessibili nella pratica clinica.

Si tratta di chiedere al modello di svolgere un compito senza fornire esempi o istruzioni complesse. In oncologia può tradursi in una domanda diretta, ad esempio: “Paziente con adenocarcinoma del retto dopo chemio-radioterapia: qual è il rischio di recidiva e quale il beneficio di una terapia adiuvante?”.

Il modello integra linee guida, studi clinici e dati disponibili, restituendo una sintesi ragionata con numeri e percentuali utili per orientare la decisione. Non si limita a fornire informazioni isolate, ma costruisce un ragionamento coerente e verificabile.

Nella pratica clinica, questo tipo di supporto si traduce in cambiamenti concreti nel modo in cui vengono prese le decisioni e gestiti i percorsi di cura.

Cosa cambia davvero per i pazienti

Un aspetto rilevante riguarda la gestione dei casi complessi o meno frequenti. In questi contesti, un supporto immediato consente di ampliare le possibilità valutate, riducendo il rischio di limitarsi alle opzioni più familiari.

In molti casi questo approccio può anche evitare consulenze ripetute o spostamenti verso centri più specializzati, quando la gestione può essere affrontata in modo adeguato nel contesto locale.

Nel nostro Sistema Sanitario, dove esistono differenze tra centri altamente specializzati e strutture periferiche, questo tipo di supporto può contribuire a rendere più omogenea la qualità delle cure, offrendo indicazioni più allineate anche nei contesti meno strutturati.

Quale impatto può avere sul Sistema Sanitario?

Oltre agli effetti sul singolo paziente, strumenti di supporto decisionale basati sull’intelligenza artificiale possono avere implicazioni anche a livello di sistema sanitario.

In molti contesti, gli oncologi gestiscono una grande varietà di patologie senza poter essere superspecialisti in ciascuna di esse. In questi casi, avere accesso rapido a una sintesi ragionata delle opzioni terapeutiche può supportare il lavoro clinico e ridurre le differenze tra centri.

Nel nostro sistema sanitario, caratterizzato da una forte eterogeneità tra strutture, questo tipo di supporto può contribuire a migliorare l’equità nell’accesso alle cure, rendendo le decisioni più allineate anche nei contesti meno specializzati.

Può inoltre favorire una maggiore appropriatezza delle prescrizioni, limitando il ricorso a esami non necessari e migliorando l’utilizzo delle risorse.

Perché l’intelligenza artificiale è ancora poco utilizzata nella pratica clinica

Nonostante la disponibilità e la semplicità di utilizzo, strumenti come lo Zero-Shot prompting sono ancora poco presenti nella pratica clinica quotidiana.

Le ragioni non sono solo tecnologiche, ma riguardano aspetti più profondi del lavoro medico. È difficile, per qualsiasi professionista, ammettere i propri limiti, soprattutto in un contesto in cui è richiesto di prendere decisioni complesse in tempi rapidi.

In oncologia, questo è ancora più evidente: la quantità di conoscenze cresce rapidamente e rende difficile avere una visione aggiornata su tutte le neoplasie. Di conseguenza, il medico tende a basarsi su ciò che conosce meglio, con il rischio di limitare le opzioni considerate.

A questi limiti si aggiungono quelli organizzativi. Nella pratica quotidiana, molti ocologi gestiscono una grande varietà di casi senza il tempo necessario per approfondire ogni situazione, mentre il modello della superspecializzazione resta ancora poco diffuso.

In questo scenario, l’intelligenza artificiale non sostituisce il medico, ma può ampliare il campo delle possibilità considerate, offrendo un supporto immediato e contribuendo a rendere le decisioni più consapevoli.

Decisioni più consapevoli: il ruolo dei dati e della collaborazione medico-paziente

La medicina basata sull’evidenza si fonda su tre elementi:

-       conoscenze scientifiche

-       giudizio clinico

-       valori del paziente

Dall’equilibrio tra questi fattori nasce la decisione condivisa.

Nella pratica, però, questo equilibrio è difficile da realizzare. Le linee guida indicano cosa fare, ma raramente permettono di quantificare in modo preciso il beneficio per il singolo paziente.

Di conseguenza, la decisione tende a semplificarsi e il coinvolgimento attivo del paziente resta limitato. Per una vera condivisione servono allo stesso modo numeri, anche se approssimativi: rischio di progressione o recidiva, benefici dei trattamenti ed effetti collaterali.

In molti casi, queste informazioni non sono immediatamente disponibili. Strumenti come lo Zero-Shot prompting possono offrire un supporto utile, fornendo rapidamente una stima ragionata che aiuta medico e paziente a orientarsi tra le diverse opzioni.

Non sostituiscono il giudizio clinico, ma lo rendono più trasparente e condivisibile, facilitando un confronto più consapevole.

Quanto è affidabile l’intelligenza artificiale in oncologia e quale ruolo può avere

Una delle domande più frequenti riguarda l’affidabilità di questi strumenti: se l’intelligenza artificiale può commettere errori, come è possibile riconoscerli?

La risposta risiede anche nell’esperienza clinica. Il processo decisionale del medico non è solo razionale, ma include una componente intuitiva, costruita nel tempo attraverso l’esperienza.

Quando una proposta non è coerente con il contesto clinico, questa esperienza permette spesso di cogliere segnali di incongruenza e attivare un controllo più approfondito. Non è un meccanismo infallibile, ma rappresenta un elemento fondamentale nella valutazione delle informazioni.

In questo senso, l’intelligenza artificiale non sostituisce il medico, ma si inserisce come strumento di supporto. Può ampliare le opzioni considerate, velocizzare l’accesso alle informazioni e rendere più strutturato il processo decisionale, mentre la responsabilità finale resta in capo al clinico.

Il suo valore non sta nell’automatizzare la decisione, ma nel migliorarla. In questa integrazione tra competenza umana e supporto tecnologico si gioca il potenziale reale dell’intelligenza artificiale in oncologia, con possibili benefici anche per l’organizzazione complessiva del sistema sanitario. 

Potrebbe interessarti anche --> Zucchero e cancro: verità scientifiche e falsi miti