L’articolo Public use of a generalist LLM chatbot for health queries, pubblicato su Nature Health nel 2026, non parla soltanto di tecnologia. L’analisi di oltre mezzo milione di conversazioni sanitarie con Microsoft Copilot fa emergere una questione più profonda: che cosa cerca davvero una persona quando interroga un’intelligenza artificiale sulla salute? Informazioni, certamente, ma spesso anche rassicurazione, interpretazione, orientamento e, in qualche misura, una presenza disponibile nel momento dell’incertezza, della solitudine.
Dalle informazioni alle preoccupazioni personali
Lo studio analizzato prende in esame 617.827 conversazioni classificate nell’ambito “Health and Fitness” e le suddivide in diverse categorie: informazione sanitaria, sintomi, gestione di patologie, benessere emotivo, fitness, accesso alle cure, documentazione medica e altri ambiti. La categoria più ampia, quella dell’informazione e dell’educazione sanitaria, rappresenta circa il 40,8% delle conversazioni, ma il dato più interessante è che molte domande apparentemente generali riguardano in realtà richieste su farmaci, trattamenti e patologie dettate da esigenze personali. La distinzione tra sapere impersonale e preoccupazione personale è infatti spesso fragile: una domanda formulata in termini astratti può nascondere un timore molto concreto. Quando qualcuno chiede a un chatbot “che cosa significa questo sintomo?” o “questo valore è normale?”, non sta soltanto cercando una definizione. È anche il modo in cui la persona interpreta il proprio corpo, percepisce la propria vulnerabilità e cerca significato di fronte a ciò che non comprende. È il tentativo di trasformare l’incertezza in un orizzonte di senso, una domanda peraltro che frequentemente non trova una risposta esaustiva nella medicina tradizionale.
Il valore di sintomi e segni nella consultazione medica
La presentazione dei sintomi, espressioni soggettive di un processo morboso, è in genere l’esito di un processo, più o meno lungo, nel corso del quale un cittadino arriva a decidere che le sensazioni da lui percepite possono costituire un problema di pertinenza medica. In questo caso accetta di essere oggetto di valutazione clinica e quindi, per la durata della consultazione, viene riconosciuto come “paziente” e legittimato come tale. Questo è l’inizio della tradizionale consultazione medica. Il paziente esprime le sensazioni che sta provando senza una netta scissione tra il suo corpo e il suo sé, mentre il medico le affronta “come se accanto o dentro al corpo adagiato sul lettino vi fosse un terzo soggetto parlante immateriale, biologicamente non determinato, che gli descrive cosa sembra non funzionare”. L’interpretazione dualistica della narrazione dell’assistito impedisce al curante di riconoscere l’esistenza di una soggettività collegata al corpo e quindi di attribuire al sintomo descritto un valore pari a quello che solitamente viene assegnato al segno osservato. Per questo, secondo la tradizione medica, i sintomi, soggettivi e riferibili soltanto (d)al paziente, sono dotati di una valenza poco “scientifica”, mentre le misure oggettive, di natura clinica, strumentale o di laboratorio, per esempio un’alterazione cutanea, un valore di pressione arteriosa o di glicemia, sono segni inconfutabili, che solo il medico ha il potere di osservare e interpretare per stabilirne la rilevanza clinica e quindi l’effettivo “valore”.
Il chatbot come primo interlocutore
Quasi una conversazione su cinque riguarda inoltre direttamente sintomi personali, risultati di esami o la gestione di una condizione medica. Questo dato mostra come l’intelligenza artificiale stia progressivamente entrando in uno spazio che un tempo apparteneva soprattutto al rapporto con il medico, con la famiglia o con altre figure di fiducia, portatrici del cosiddetto sapere implicito (o conoscenza tacita), quell’insieme di competenze, credenze, abilità e regole che le persone possiedono e usano in modo automatico, senza aver bisogno di spiegarlo o di esserne pienamente consapevoli a livello razionale.
Il chatbot non sostituisce necessariamente questi interlocutori, ma si inserisce in un momento precedente: quello in cui il dubbio nasce e cerca una prima forma di risposta.
Tempi e luoghi delle domande
Particolarmente significativo nello studio è il rapporto tra utilizzo dell’IA e momento della giornata. Le richieste più personali aumentano nelle ore serali e notturne. Le conversazioni sul benessere emotivo passano dal 3,3% del mattino al 5,2% durante la notte, mentre quelle relative a sintomi e preoccupazioni di salute crescono dal 10,6% al 13,4%. La notte, tradizionalmente, è il tempo in cui le preoccupazioni possono apparire più intense e le possibilità di ricevere assistenza immediata diminuiscono. In questo vuoto di disponibilità, il chatbot assume una funzione nuova: quella di interlocutore sempre accessibile. Questo peraltro non significa che possieda la competenza, la responsabilità o la capacità relazionale di un professionista sanitario, occupa però uno spazio che nella vita quotidiana può diventare psicologicamente importante. La disponibilità continua dell’IA modifica quindi non solo il modo in cui si accede alle informazioni, ma anche il tempo dell’attesa. In passato, una domanda poteva restare senza risposta fino al giorno successivo o fino all’incontro con un medico. Oggi può essere formulata e ricevere immediatamente una risposta.
Anche la differenza tra smartphone e computer suggerisce che l’uso della tecnologia dipenda dal contesto esistenziale della persona. Sul mobile sono più frequenti le domande sui sintomi e sul benessere emotivo, mentre sul desktop prevalgono ricerca accademica, studio e attività amministrative. Lo smartphone, sempre vicino al corpo e presente nella vita privata, sembra accompagnare maggiormente le preoccupazioni individuali, il computer, maggiormente legato al lavoro e allo studio, viene invece usato più spesso come strumento cognitivo e professionale. Lo stesso sistema di intelligenza artificiale cambia quindi funzione in relazione al luogo, al momento e alla condizione dell’utente.
La cura degli altri e l’accesso ai servizi
Lo studio mostra inoltre che una parte rilevante delle domande non riguarda chi sta scrivendo, ma un’altra persona. Circa una conversazione su sette relativa a sintomi o condizioni cliniche viene formulata per un figlio, un genitore anziano, un partner o un’altra persona dipendente. Questo aspetto rivela un’altra dimensione profondamente umana: la cura non coincide solo con la preoccupazione per sé stessi, ma anche con la responsabilità verso gli altri. In questo senso, l’IA entra nelle relazioni della cosiddetta famiglia di curanti, diventando uno strumento attraverso cui una persona cerca di comprendere come aiutare qualcuno a cui è legata.
Altre conversazioni riguardano invece la difficoltà di orientamento nei sistemi sanitari: trovare un medico, prenotare un appuntamento, capire un’assicurazione o compilare documenti. È un elemento meno evidente, ma altrettanto importante. Quando una persona chiede a un chatbot come accedere a una visita o interpretare una procedura amministrativa, la tecnologia diventa una mediazione tra individuo e istituzione. In questo senso, il successo dei chatbot sanitari può essere letto anche come il segnale di una complessità che il sistema sanitario spesso non riesce a rendere comprensibile.
I limiti della ricerca
Lo studio, che ha riguardato un singolo mese di osservazione, presenta altri limiti decisivi. In primis osserva ciò che gli utenti chiedono, non ciò che accade dopo. Non sappiamo se la risposta ricevuta sia stata corretta, se abbia migliorato o peggiorato una decisione, se l’utente abbia consultato un medico o se, al contrario, abbia rinunciato a farlo. Inoltre, i dati riguardano esclusivamente Copilot: tutti gli autori sono infatti dipendenti di Microsoft, società che sviluppa e gestisce l’LLM, sollevando anche un potenziale conflitto di interessi nell’interpretazione dello studio. Sicuramente non viene dimostrato che l’intelligenza artificiale migliori la salute delle persone, ma che le persone hanno iniziato a includerla nel percorso di interpretazione del proprio stato. Tali potenzialità, ancora in fase iniziale, necessitano di ulteriore validazione nella pratica, per mezzo di studi che ne attestino accettabilità, fattibilità ed efficacia/effettività.
Conclusioni
Lo studio rafforza la sensazione che l’intelligenza artificiale non entra in medicina soltanto attraverso grandi sistemi diagnostici o sofisticati algoritmi clinici ma si inserisce nella vita quotidiana, nel momento in cui una persona, davanti a un sintomo, a un timore o a una difficoltà, situazioni cariche di incertezza e vulnerabilità, ritiene di avere un bisogno di salute che richiede una valutazione clinica. La vera sfida dell’IA sanitaria non sarà quindi soltanto fornire risposte tecnicamente corrette ma comprendere la differenza tra una richiesta generale di informazione e una domanda di aiuto personale, distinguere tra chi desidera conoscere in generale e chi, dietro una richiesta apparentemente neutra, sta cercando di capire se deve avere paura. In questo senso, la ricerca mostra che l’intelligenza artificiale sta diventando non semplicemente una nuova fonte di informazione, ma un nuovo luogo del domandare.
Riferimenti bibliografici
B. Costa Gomes et al. Public use of a generalist LLM chatbot for health queries. Nature Health. 2026. DOI: 10.1038/s44360-026-00117-x | Open Access
Collecchia G. Il potere del cittadino nella cultura digitale. Recenti Prog Med 2021; 113: 18-20
Bernabè S, Benincasa F, Danti G. Il processo diagnostico. In (a cura di): Caimi V, Tombesi M: Medicina generale. Torino, UTET 2003
Collecchia G., De Gobbi R., Fassina R., Ressa G., Rossi R., La diagnosi ritrovata. Le basi del ragionamento clinico, Roma, Il Pensiero Scientifico Editore, 2021
Collecchia G, De Gobbi R. AI in Clinical Practice: A Guide to Artificial Intelligence and Digital Medicine. London: Academic Press; 2024. ISBN 978-0-443-14054-9.
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2026).
