Medicina più precisa grazie all’alleanza tra medici e intelligenza artificiale
L’unione tra intelligenza artificiale ed esperti umani può ridurre in modo significativo gli errori diagnostici in ambito medico. Uno studio internazionale, pubblicato sulla rivista PNAS, lo conferma: il Max Planck Institute for Human Development, con il contributo di Human Dx e del CNR-Istc, ha dimostrato che i team ibridi raggiungono una maggiore accuratezza diagnostica.
Finora sapevamo che l’IA può supportare i medici nelle diagnosi. Ora, i ricercatori mostrano come umani e IA commettano errori diversi, che si compensano a vicenda. Questo equilibrio rappresenta un vantaggio fondamentale per la sanità del futuro.
Durante lo studio, il team ha analizzato oltre 2.100 vignette cliniche, valutando le diagnosi formulate da professionisti umani, modelli IA e gruppi misti. In totale, hanno confrontato più di 40.000 diagnosi, usando lo standard SNOMED CT. I risultati hanno premiato i team che hanno combinato IA e competenze umane.
Nei casi più complessi, i team misti hanno superato sia i soli umani che le sole IA. Quando l’IA sbagliava, il medico correggeva l’errore. Quando il medico era incerto, l’IA suggeriva alternative valide. Questo approccio ha reso il processo più accurato ed efficace.
«L’intelligenza artificiale non deve sostituire il medico, ma diventare un alleato nel processo decisionale clinico», spiega Stefan Herzog, ricercatore al Max Planck Institute.
Il progetto HACID, finanziato da Horizon Europe, ha permesso di testare l’efficacia dei gruppi ibridi anche in ambiti oltre la sanità. Infatti, questi strumenti potrebbero aiutare in settori come clima, giustizia ed emergenze ambientali, dove servono decisioni rapide e complesse.
Secondo Vito Trianni del CNR-Istc, queste soluzioni offrono un’opportunità concreta per migliorare l’equità sanitaria, soprattutto nelle zone dove mancano specialisti. Anche un solo sistema IA può aumentare l’accuratezza di un team umano, e viceversa.
Tuttavia, i ricercatori ricordano che lo studio si è basato su casi testuali, non su pazienti reali. Saranno necessari ulteriori test in ambienti clinici per validare questi risultati nella pratica.