L’IA tra interpretazione e responsabilità
Quando si parla di intelligenza artificiale (IA) in sanità, il rischio è duplice: attribuirle un potere decisionale che non le compete oppure respingerla come fattore di disturbo della relazione di cura. Entrambe le posizioni rappresentano semplificazioni. Il nodo reale riguarda la qualità del processo valutativo e la responsabilità che lo accompagna. Per responsabilità si intende, in via prioritaria, quella giuridica assegnata dal diritto, ma anche quella ideale, morale e deontologica che concerne il “meglio da farsi”.
Per tentare di sciogliere questo nodo, occorre chiedersi se sia possibile utilizzare l’IA come strumento capace di rendere più consapevoli i nostri processi interpretativi, facendo emergere presupposti impliciti e automatismi decisionali.
Osservata dalla prospettiva della medicina legale, la questione assume un rilievo specifico. L’IA non è un interlocutore teorico, ma uno strumento che può incidere sul percorso decisionale clinico. E quando uno strumento entra in tale percorso, la questione non è soltanto conoscitiva: riguarda la qualità sostanziale del processo valutativo e la necessità che esso resti argomentato, tracciabile e chiaramente riconducibile alla responsabilità del professionista. L’utilizzo di sistemi algoritmici non attenua né trasferisce tale responsabilità, che continua a gravare su chi assume la decisione e la rende operativa nel contesto clinico, anche quando essa sia supportata da strumenti ad alta complessità tecnologica.
È corretto affermare che l’IA produce interpretazioni e non verità. In ambito sanitario ciò significa che l’algoritmo elabora correlazioni statistiche e stima probabilità, ma non compie quella valutazione complessa che integra elementi clinici, relazionali e contestuali. Il passaggio dal dato statistico al giudizio sul singolo caso non è neutro: è un atto clinico e, quando produce effetti rilevanti, diventa anche un atto giuridicamente significativo.
Per chiarire questo concetto può essere utile un esempio. Per un paziente anziano ricoverato per scompenso cardiaco, con plurime comorbilità, viene interrogato un sistema di supporto decisionale che indica un’elevata probabilità di mortalità a sei mesi e suggerisce un approccio terapeutico meno aggressivo con orientamento palliativo. Il dato è statisticamente fondato. Tuttavia, il medico conosce il paziente, ne valuta l’autonomia residua, la qualità della vita, la rete familiare, la volontà espressa. In altri termini, dispone di elementi che appartengono alla dimensione relazionale della cura e al contesto sociosanitario, non integralmente traducibili – almeno per il momento – in variabili algoritmiche. Se la previsione probabilistica venisse automaticamente trasformata in decisione, si priverebbe il paziente di un possibile intervento curativo. In questa situazione l’algoritmo fornisce un’informazione utile, ma non deve determinare la scelta, che rimane responsabilità del professionista.
L’IA come supporto al ragionamento clinico
È in questo spazio che l’IA dovrebbe essere collocata. L’utilizzo dell’IA in sanità può essere assimilato al confronto con un collega esperto in sede di discussione clinica o di peer review. Il confronto non è un controllo aggiuntivo, ma un miglioramento del processo decisionale: serve a verificare la tenuta argomentativa del ragionamento, a far emergere eventuali contraddizioni, a considerare ipotesi alternative. È un esercizio di dubbio metodico. Se l’IA svolge questa funzione – sollecitare, problematizzare, ampliare le opzioni – contribuisce a rafforzare la qualità del percorso decisionale. Se diventa un decisore implicito, lo indebolisce.
In questa prospettiva, l’IA può essere intesa come una forma di audit cognitivo. Può rendere più espliciti i passaggi logici, più trasparente la motivazione, più robusta la ponderazione delle variabili. Può avere anche una funzione formativa, soprattutto per i professionisti più giovani, favorendo un’abitudine al confronto critico con i dati e con la letteratura. Tuttavia, questa funzione è reale solo se resta chiaro che la responsabilità finale non appartiene allo strumento.
Trasparenza, tracciabilità e consenso informato
Dal punto di vista medico-legale emergono almeno tre categorie che non possono restare sullo sfondo:
- la tracciabilità, che consente di ricostruire quando e con quale incidenza l’IA è stata utilizzata nel processo valutativo;
- l’individualizzazione, che ricorda come ogni modello sia costruito su popolazioni, mentre la decisione clinica riguarda una persona concreta;
- l’accountability, che costituisce il punto non derogabile: la responsabilità resta in capo al professionista.
Coerente con questa prospettiva è la c.d. legge Gelli-Bianco, che ribadisce come la sicurezza delle cure costituisca parte integrante del diritto alla salute e come la responsabilità professionale resti ancorata alla condotta del sanitario, anche quando il processo decisionale sia supportato da strumenti tecnologici avanzati.
Non a caso il quadro regolatorio europeo e nazionale insiste su trasparenza, supervisione umana e chiara attribuzione delle responsabilità lungo l’intero ciclo di vita dei sistemi. Non si tratta di un vincolo formale ulteriore, ma di una garanzia della qualità del processo decisionale e della tutela dei diritti fondamentali.
Questi profili incidono anche sulla relazione di cura. Se l’IA contribuisce a orientare una scelta diagnostica o terapeutica, il paziente deve essere informato del ruolo che essa ha avuto. La trasparenza sull’utilizzo degli strumenti algoritmici non è un elemento accessorio, ma parte integrante del consenso informato e della qualità della relazione medico-paziente.
Vi è poi un ulteriore livello che non può essere eluso. Gli algoritmi non sono entità neutrali: sono sviluppati da soggetti economici, addestrati su dataset selezionati e costruiti entro contesti che ne orientano l’impiego. In ambito sanitario e assicurativo, un modello predittivo può incidere sull’accesso alle cure o sulla valutazione di un danno.
Pertanto, è necessario evitare sia la delega acritica sia il rifiuto ideologico dell’IA.
In questo equilibrio si gioca la qualità della decisione clinica: non nell’uso o nel rifiuto della tecnologia, ma nella capacità di governarla.
A questo proposito, il lavoro di Andrea Terranova sull’“ermeneutica dell’emancipazione” propone che l’IA non debba essere considerata né una minaccia né un’autorità indiscutibile, ma uno strumento capace di rendere più consapevoli i nostri processi interpretativi. Non solo l’uomo interroga la macchina, ma la macchina può contribuire a far emergere presupposti impliciti e passaggi non sufficientemente motivati.
Tuttavia, osservata dalla prospettiva della medicina legale, la questione si ridefinisce: l’intelligenza artificiale non è soltanto un interlocutore teorico, ma un elemento che incide sul processo decisionale clinico. E quando ciò accade, il punto centrale diventa la qualità della decisione e la responsabilità di chi la assume.
La decisione clinica resta un atto umano non perché privo di tecnica, ma perché intrinsecamente responsabile.
L’IA può contribuire a rendere più robusto il ragionamento clinico, a esplicitare passaggi impliciti, a rafforzare la motivazione delle scelte. Non può assumere la responsabilità dell’atto conclusivo.
In sanità, restare soggetti dentro la tecnica significa questo: utilizzare gli strumenti disponibili per migliorare la qualità del giudizio clinico, senza mai sostituirlo.
Riferimenti bibliografici
- A. Terranova, Una ermeneutica dell’emancipazione per l’intelligenza artificiale, Mimesis, 2025.
- Regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio del 13 giugno 2024 (Artificial Intelligence Act).
- Cfr. artt. 14 e 26 Reg. (UE) 2024/1689, in tema di supervisione umana nei sistemi di IA ad alto rischio.
- Legge 23 settembre 2025, n. 132 “Disposizioni e deleghe al Governo in materia di intelligenza artificiale.”
- Legge 22 dicembre 2017, n. 219, “Norme in materia di consenso informato e di disposizioni anticipate di trattamento”.
- Legge 8 marzo 2017, n.24 (c.d. legge Gelli-Bianco).
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2026).
