L’ingresso dell’intelligenza artificiale nella pratica clinica modifica il modo in cui il problema del paziente viene rappresentato e incide sul percorso che conduce alla decisione. Muovendo dal Position paper dell’American College of Physicians pubblicato nel 2026 e confrontandolo con il Codice di deontologia medica italiano, questo articolo propone di leggere razionalità, autogoverno e competenza come aspetti connessi della responsabilità professionale. Una decisione rimane realmente attribuibile al medico quando il professionista conserva la capacità di formulare il problema clinico, comprendere il contributo del sistema, valutarne la pertinenza e motivare l’eventuale adesione o il dissenso. Tale possibilità dipende dalle conoscenze individuali, ma anche dalle condizioni organizzative nelle quali il giudizio prende forma. La relazione di cura conserva una funzione conoscitiva perché riporta dati, probabilità e raccomandazioni alla vita concreta della persona. In questa prospettiva, la revisione del Codice deontologico non richiede l’inseguimento delle singole tecnologie. Richiede piuttosto norme capaci di preservare nel tempo le condizioni che rendono effettivi l’indipendenza del giudizio, la responsabilità professionale e un’informazione comprensibile sull’impiego dell’IA.
Il position paper dell’American College of Physicians
Quando un sistema riassume una storia clinica, ordina informazioni o propone una diagnosi, il suo intervento non si esaurisce in un risparmio di tempo. La selezione dei dati modifica ciò che appare rilevante e può orientare il ragionamento prima che il colloquio abbia chiarito quale problema richieda davvero una risposta. È da questa trasformazione della pratica che muove il position paper dell’American College of Physicians, pubblicato online il 31 agosto 2026 e successivamente registrato nel fascicolo del 1° settembre di Annals of Internal Medicine. Il documento nasce dalla rapida diffusione dell’IA in sanità e dalla persistente incertezza professionale su temi quali riservatezza, trasparenza ed equità. Il suo oggetto non è tuttavia la tecnologia considerata in astratto, bensì il modo in cui essa entra nell’atto medico e incontra i vincoli dell’integrità clinica e della professionalità.[1]
L’ACP indica tre guideposts, denominati rationality, self-governance e competence. La loro utilità emerge soprattutto quando vengono letti come dimensioni reciprocamente dipendenti. La razionalità consente di trasformare un risultato probabilistico in un elemento clinicamente pertinente. L’autogoverno permette al medico di non confondere l’autorevolezza del calcolo con l’obbligo di aderirvi. La competenza rende possibile riconoscere quando il sistema opera fuori dal contesto per il quale è stato costruito o quando il suo risultato non si accorda con i dati del caso. In questa prospettiva l’IA può ampliare le possibilità conoscitive del professionista senza assorbire il giudizio dal quale dipende la responsabilità della decisione.[1]
La domanda per la deontologia italiana
Il collegamento fra il position paper dell’ACP e la deontologia medica italiana non nasce dal tentativo di trasferire nel Codice un documento americano. Nasce dalla natura stessa delle questioni poste dall’ACP. Rationality, self-governance e competence non descrivono caratteristiche tecniche dell’IA, ma le condizioni nelle quali il medico può continuare a rispondere professionalmente di una decisione alla cui formazione concorre un sistema artificiale. Sono quindi questioni propriamente deontologiche, perché riguardano l’autonomia del giudizio, la competenza, la relazione con la persona assistita e la responsabilità nell’organizzazione della cura. Il confronto acquista un rilievo particolare mentre la FNOMCeO ha avviato il lavoro della Consulta deontologica incaricata di predisporre il nuovo Codice, il cui varo è indicato per il 2027.[2] L’ACP non offre un modello normativo da importare. Offre piuttosto una chiave con cui verificare se i principi già presenti nella tradizione italiana rimangano effettivamente praticabili nell’ambiente algoritmico.
Non occorre cercare uno spazio esclusivamente umano da difendere contro la macchina. Un confine costruito in questi termini arretrerebbe ogni volta che un sistema ottenesse prestazioni migliori in un compito circoscritto. Il problema riguarda piuttosto la possibilità del professionista di ricostruire le ragioni della raccomandazione, valutarne la pertinenza clinica e contestarla quando il caso lo richieda. Se queste facoltà vengono meno, la firma finale rischia di certificare una scelta della quale il medico conserva la responsabilità formale senza averne governato realmente la formazione.
Razionalità, autogoverno e competenza descrivono quindi, a mio avviso, un’unica architettura della responsabilità professionale. La relazione di cura ne costituisce il punto di verifica, perché è nell’incontro con il paziente che dati e probabilità acquistano un significato riferito a una vita concreta. La competenza consente di valutare l’apporto dell’IA, mentre l’autogoverno diventa effettivo quando il professionista può far valere quel giudizio nel percorso assistenziale. L’organizzazione sanitaria incide direttamente su questa possibilità, poiché stabilisce quali informazioni siano accessibili, quanto tempo sia disponibile per la verifica e quanto sia praticabile un dissenso motivato.
Ne deriva una nozione di autonomia professionale più esigente della semplice facoltà di approvare una proposta. Il medico rimane autore della decisione quando conserva la capacità di formulare il problema clinico e di confrontare la rappresentazione prodotta dal sistema con la persona che ha davanti. L’adesione all’output acquista allora il significato di una scelta professionale motivata, anziché presentarsi come la conseguenza inevitabile del funzionamento della tecnologia.
Il Codice del 2014 offre già riferimenti rilevanti. L’articolo 4 fonda l’esercizio professionale su libertà, indipendenza, autonomia e responsabilità. L’articolo 20 colloca tali principi nella relazione di cura, mentre gli articoli 19 e 21 richiamano formazione e competenza professionale. Gli articoli 33 e 35 disciplinano informazione e consenso. L’articolo 78 collega l’uso delle tecnologie informatiche all’appropriatezza clinica e alla partecipazione consapevole della persona assistita, mentre l’articolo 79 tutela l’indipendenza di giudizio del medico nell’organizzazione sanitaria.[3] Gli indirizzi applicativi dell’articolo 78 aggiungono indicazioni sulla non discriminazione, sull’affidabilità dei sistemi e sul recupero del tempo necessario alla relazione di cura.[3] L’IA non rende superati questi principi. Ne mette alla prova l’effettiva possibilità di applicazione.
Razionalità e conoscenza della persona
La razionalità clinica nasce dall’interpretazione delle informazioni e non dalla loro semplice disponibilità. Un sistema può offrire una stima accurata senza stabilire quale peso quella probabilità assuma per la singola persona. Un punteggio di rischio elevato, per esempio, conserva il proprio valore statistico, ma non dice quale rapporto esista tra la complicanza prevista e un trattamento che potrebbe compromettere una funzione ancora decisiva per il paziente. La decisione richiede quindi un passaggio ulteriore, nel quale l’evidenza scientifica viene riferita alla situazione clinica, alle alternative concretamente praticabili e al significato che i possibili esiti assumono nella vita della persona.
La medicina narrativa di Rita Charon aiuta a comprendere perché il racconto della malattia appartenga alla conoscenza clinica. La competenza narrativa viene descritta come capacità di riconoscere, assorbire, interpretare e utilizzare le storie e le condizioni vissute dagli altri, così che l’esperienza della persona possa entrare nella pratica medica.[4] Nell’ambiente algoritmico questa funzione acquista un rilievo ulteriore. Una sintesi automatica può essere corretta nei fatti e lasciare sullo sfondo proprio l’evento che modifica la domanda clinica. Il colloquio consente di riportare la rappresentazione alla persona dalla quale proviene e impedisce che l’ordine costruito dal sistema diventi l’unico ordine possibile.
Il concetto di enveloping (involucro operativo entro cui il sistema può funzionare efficacemente) elaborato da Luciano Floridi aiuta a mettere a fuoco un rischio specifico. I sistemi artificiali funzionano meglio quando l’ambiente viene reso compatibile con le loro modalità operative.[5] In sanità questo adattamento può diventare problematico se la storia della persona viene progressivamente ricondotta a ciò che è più facilmente codificabile. La standardizzazione rende confrontabili informazioni prima disperse, ma può lasciare sullo sfondo elementi clinicamente significativi che sfuggono alla struttura dei dati. Il giudizio professionale conserva allora il compito di riportare la rappresentazione algoritmica alla complessità del caso concreto.
Questa lettura trova un appoggio nel Codice. L’articolo 78 collega l’uso delle tecnologie alla partecipazione consapevole della persona e all’appropriatezza clinica. I relativi indirizzi applicativi chiedono inoltre al medico di collaborare al contrasto delle discriminazioni, utilizzare sistemi affidabili e favorire il recupero del tempo necessario alla relazione di cura.[3] Il tempo liberato dalla tecnologia, tuttavia, diventa tempo di cura soltanto se l’organizzazione riconosce nell’ascolto una parte del lavoro clinico e non lo assorbe immediatamente in nuovi compiti.
Autogoverno e indipendenza del giudizio
L’autogoverno acquista significato quando il medico può seguire una ragione clinica anche se questa lo conduce lontano dalla raccomandazione automatizzata. L’IA rende particolarmente insidioso il condizionamento perché il risultato compare spesso con la forza persuasiva del calcolo. La revisione sistematica di Goddard, Roudsari e Wyatt definisce l’automation bias come una tendenza all’eccessivo affidamento sull’automazione e mostra come fattori legati all’utente, al compito, alla fiducia e al sistema possano favorirlo.[6] L’indipendenza del giudizio inizia perciò dalla consapevolezza che anche la forma di presentazione dell’informazione può influire sul processo decisionale.
La clinica conosce da tempo la distanza tra una regola generale e il singolo caso. Linee guida e stime di rischio derivano da popolazioni che non coincidono interamente con la persona alla quale vengono applicate. L’IA può rendere meno visibile questo passaggio quando restituisce una conclusione già composta. L’autogoverno richiede allora che il medico mantenga aperta un’ipotesi alternativa quando i dati del caso non si accordano con la raccomandazione. Il dissenso acquista valore professionale quando nasce da ragioni cliniche esponibili e verificabili.
La formula human in the loop perde gran parte del proprio significato se descrive soltanto la presenza di una firma umana alla fine del processo. La supervisione diventa sostanziale quando il professionista conosce la funzione del sistema, comprende i limiti del contesto nel quale è stato validato e dispone di una possibilità reale di discostarsi dal risultato. In assenza delle informazioni necessarie, oppure quando il flusso di lavoro rende il dissenso impraticabile, l’indipendenza proclamata dall’articolo 4 resta nominale.
Competenza e capacità di controllo
Nessuna autonomia professionale è effettiva se il medico non possiede gli strumenti necessari per valutare ciò che il sistema propone. Non è richiesta la conoscenza dell’intera architettura matematica del modello. Occorre, invece, una comprensione sufficiente dello scopo per il quale il sistema è stato validato, della popolazione sulla quale è stato valutato, delle misure di prestazione pertinenti e delle condizioni che possono ridurne l’affidabilità nel singolo caso. Quanto maggiore è la distanza fra contesto d’uso e contesto di validazione, tanto maggiore diventa la cautela richiesta nell’interpretazione del risultato.
In questo quadro il deskilling assume rilievo deontologico. La letteratura più recente segnala il rischio che un uso prolungato di sistemi di IA riduca alcune capacità diagnostiche o le opportunità di mantenerle, pur sottolineando che l’evidenza empirica resta ancora limitata e disomogenea.[6] Il problema non consiste nel conservare ogni abilità soltanto perché appartiene alla tradizione. Riguarda piuttosto quelle competenze senza le quali la supervisione diventerebbe soltanto apparente. La possibilità di respingere una raccomandazione perde infatti consistenza quando il professionista non possiede più gli strumenti per riconoscerne il difetto.
La spiegabilità va letta alla luce della stessa esigenza. Nel quadro AI4People, l’explicability comprende intelligibilità e accountability.[8] Una spiegazione utile al medico fornisce elementi sufficienti per giudicare la pertinenza clinica del risultato. Il paziente ha bisogno di comprendere il ruolo che l’IA ha avuto nella proposta di cura e il margine di incertezza che rimane. La struttura sanitaria richiede informazioni più ampie, perché decide sull’adozione del sistema, sulle condizioni d’uso e sulla sorveglianza. La trasparenza assume quindi contenuti differenti a seconda della funzione esercitata da ciascun soggetto.
La responsabilità dell’organizzazione
La competenza individuale dipende dall’ambiente nel quale viene esercitata. Un sistema di IA non possiede un’efficacia indipendente dal contesto, poiché la sua prestazione è legata alle condizioni per le quali è stato sviluppato e validato. Se quelle condizioni cambiano, il sistema può continuare a produrre risultati con la stessa sicurezza apparente anche quando la loro pertinenza si è ridotta. Il problema, a questo livello, non riguarda più soltanto il rapporto fra medico e output, ma il modo in cui l’organizzazione rende possibile verificare il sistema e riconoscere quando il contesto d’uso si è allontanato da quello della validazione.
La struttura sanitaria seleziona il sistema, ne definisce l’inserimento nel percorso e determina quali informazioni siano disponibili al professionista. Incide inoltre sul tempo destinato alla verifica e sulla possibilità di documentare una scelta difforme. L’articolo 79 del Codice colloca il medico dentro l’organizzazione sanitaria e gli riconosce indipendenza di giudizio insieme al compito di perseguire l’appropriatezza clinica.[3] Anche la legge n. 24 del 2017 collega la sicurezza delle cure all’uso appropriato delle risorse strutturali, tecnologiche e organizzative.[6]
Da questo quadro propongo di ricavare un criterio di attribuzione della responsabilità legato al potere effettivamente esercitabile. Il medico risponde del significato clinico che attribuisce al risultato quando lo integra nella decisione. La struttura risponde delle scelte organizzative che incidono sulla selezione del sistema, sulle condizioni del suo impiego e sulle possibilità concrete di controllo. Questa distinzione non attenua la responsabilità professionale. Evita, piuttosto, che la firma del medico assorba decisioni già incorporate nell’organizzazione e difficilmente riconoscibili nel momento dell’incontro con il paziente.
La legge n. 132 del 2025 rende particolarmente attuale questa questione. L’articolo 7 qualifica i sistemi di IA in sanità come supporto ai processi di prevenzione, diagnosi, cura e scelta terapeutica e lascia la decisione agli esercenti la professione medica. La stessa disposizione riconosce all’interessato il diritto di essere informato sull’impiego dell’IA, vieta criteri discriminatori nell’accesso alle prestazioni e richiede che sistemi e dati siano affidabili, periodicamente verificati e aggiornati per ridurre il rischio di errore e migliorare la sicurezza dei pazienti.[8] L’attribuzione della decisione al medico è dunque espressa in modo netto sul piano legislativo. Resta aperto il problema delle condizioni professionali e organizzative che rendono tale attribuzione effettiva.
Anche l’informazione al paziente richiede una lettura sostanziale. L’articolo 7 della legge n. 132 del 2025 riconosce un diritto all’informazione sull’impiego di tecnologie di IA.[8] Gli articoli 33 e 35 del Codice, pur non essendo stati scritti specificamente per l’intelligenza artificiale, impongono una comunicazione comprensibile sul percorso diagnostico-terapeutico e collocano il consenso dentro quella informazione.[3] Quando un sistema ha contribuito in modo significativo alla prognosi o alla proposta terapeutica, ritengo coerente con questo quadro che il suo ruolo venga spiegato in termini comprensibili, senza trasferire sul paziente dettagli tecnici irrilevanti e senza presentare l’output come un’autorità impersonale.
L’organizzazione attraversa così l’intera architettura della responsabilità. La razionalità si impoverisce quando mancano le informazioni necessarie a verificare il risultato. L’autogoverno diventa fragile quando il percorso assistenziale favorisce l’adesione automatica. Anche la competenza rischia di ridursi se la formazione non accompagna l’evoluzione degli strumenti. La revisione del Codice può affrontare questi problemi senza inseguire applicazioni destinate a cambiare rapidamente, purché renda visibile il rapporto fra qualità dell’atto medico e condizioni nelle quali il giudizio viene esercitato.
Una proposta per il nuovo Codice
Il position paper americano offre un criterio utile per verificare la tenuta delle norme italiane senza trasformare il Codice in un catalogo tecnico. L’articolo 20 conserva la propria forza se la relazione resta aperta agli elementi che la selezione algoritmica non rappresenta. L’indipendenza tutelata dall’articolo 4 acquista sostanza quando il medico dispone delle conoscenze e degli spazi organizzativi necessari per comprendere e contestare un risultato. Gli articoli 19 e 21 possono accogliere la competenza necessaria a valutare i limiti dei sistemi. Gli articoli 78 e 79, infine, offrono già la sede nella quale rendere esplicito il rapporto fra tecnologia, organizzazione e responsabilità.
Una norma formulata a questo livello avrebbe maggiori possibilità di restare valida anche dopo la sostituzione degli strumenti oggi disponibili. I modelli cambieranno, mentre resterà necessario sapere in quale punto la tecnologia abbia orientato il percorso, quali informazioni fossero disponibili e quale soggetto avesse il potere di intervenire. Il problema deontologico può così rimanere concentrato sulle condizioni che rendono il medico realmente autore della scelta, senza attribuire alla capacità tecnica del sistema una responsabilità professionale che appartiene ai soggetti chiamati a decidere.
Propongo quindi un articolo da collocare accanto alle disposizioni dedicate alle tecnologie informatiche e all’organizzazione sanitaria.
Articolo 80 – Intelligenza artificiale e responsabilità professionale
Il medico utilizza i sistemi di intelligenza artificiale come supporto al giudizio clinico, conservando la capacità di formulare autonomamente il problema della persona assistita e di valutare criticamente le previsioni, le classificazioni e le raccomandazioni prodotte.
L’adesione a un risultato generato dall’intelligenza artificiale trova fondamento in ragioni cliniche che il medico è in grado di esporre alla persona assistita e di rendere verificabili dagli altri professionisti. Il dissenso motivato costituisce esercizio dell’autonomia professionale.
Il medico acquisisce e mantiene le conoscenze necessarie a comprendere la funzione per la quale il sistema è stato validato, la popolazione di riferimento e i limiti di applicabilità al singolo caso. Quando tali elementi non risultano conoscibili in misura sufficiente, l’impiego clinico richiede particolare cautela e può risultare inappropriato.
L’informazione resa alla persona assistita sull’impiego dell’intelligenza artificiale è proporzionata al ruolo che il sistema ha avuto nella diagnosi, nella prognosi o nella proposta terapeutica e consente di comprendere il margine di incertezza che permane.
La struttura sanitaria concorre a rendere effettive queste condizioni attraverso l’accesso alle informazioni necessarie alla valutazione dei sistemi adottati, un tempo adeguato alla verifica del loro apporto e la possibilità di documentare il dissenso motivato del professionista.
Il valore di una formulazione di questo tipo risiede nella possibilità di collegare i tre criteri dell’ACP a principi già presenti nel Codice del 2014 senza vincolare la disciplina a una tecnologia particolare. La norma non descrive un modello o una piattaforma. Individua le condizioni che consentono al medico di restare responsabile della decisione anche quando una parte del processo conoscitivo viene affidata a sistemi artificiali.
Conclusione
Una norma, per quanto accurata, non risolve da sola il problema dal quale sono partita. In un ambulatorio affollato la possibilità di dubitare di una raccomandazione plausibile dipende anche dal tempo disponibile, dalla formazione, dall’accesso alle informazioni e dalla cultura organizzativa. La deontologia può orientare queste condizioni e può renderle riconoscibili come parte della qualità professionale, ma non può produrle da sola.
È proprio qui, tuttavia, che la revisione del Codice acquista rilievo. Quando la tecnologia cambia più rapidamente delle abitudini professionali, la funzione della norma consiste nel proteggere ciò che rende effettiva l’autonomia del medico, affinché conoscenza, tempo e possibilità di dissenso rimangano facoltà concretamente esercitabili. Inseguire ogni nuovo strumento rischierebbe di produrre disposizioni rapidamente obsolete, mentre la definizione delle condizioni del giudizio conserva una stabilità maggiore.
Rimane infine una domanda che considero più importante dell’errore del singolo sistema. Il rischio più profondo potrebbe consistere nell’abitudine a non aspettarsi più di poterlo correggere. Nessun articolo di codice può eliminare da solo questa possibilità, perché essa nasce nella formazione e nella pratica quotidiana prima ancora che nella norma. Un Codice capace di riconoscerla può però offrire al professionista un criterio per interrogare il proprio modo di usare la tecnologia e per distinguere una decisione realmente assunta da una decisione semplicemente convalidata.
Riferimenti bibliografici
[1] M. DeCamp, L. Snyder Sulmasy, K.E. Karches et al., per l’Ethics, Professionalism and Human Rights Committee of the American College of Physicians, “Ethics and Professionalism in Artificial Intelligence and Medical Practice: A Position Paper From the American College of Physicians”, Annals of Internal Medicine, 2026, doi:10.7326/ANNALS-26-01792.
[2] FNOMCeO, “Verso il nuovo Codice di Deontologia Medica: si insedia la Consulta Deontologica FNOMCeO”, 29 aprile 2026.
[3] FNOMCeO, Codice di Deontologia Medica 2014 e successive modifiche, artt. 4, 19, 20, 21, 33, 35, 78 e 79; Indirizzi applicativi allegati all’art. 78.
[4] R. Charon, “Narrative Medicine: A Model for Empathy, Reflection, Profession, and Trust”, JAMA, 286(15), 2001, pp. 1897–1902, doi:10.1001/jama.286.15.1897.
[5] L. Floridi, The Ethics of Artificial Intelligence: Principles, Challenges, and Opportunities, Oxford University Press, Oxford, 2023, in particolare capp. 2-4; si veda anche L. Floridi, “Enveloping the World for AI”, The Philosophers’ Magazine, 54, 2011, pp. 20–21, doi:10.5840/tpm20115437.
[6] K. Goddard, A. Roudsari, J.C. Wyatt, “Automation Bias: A Systematic Review of Frequency, Effect Mediators, and Mitigators”, Journal of the American Medical Informatics Association, 19(1), 2012, pp. 121–127, doi:10.1136/amiajnl-2011-000089.
[7] P.E. Heudel, H. Crochet, Q. Filori et al., “Artificial Intelligence in Medicine: A Scoping Review of the Risk of Deskilling and Loss of Expertise Among Physicians”, ESMO Real World Data and Digital Oncology, 12, 2026, 100693, doi:10.1016/j.esmorw.2026.100693.
[8] L. Floridi, J. Cowls, M. Beltrametti et al., “AI4People—An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations”, Minds and Machines, 28, 2018, pp. 689–707, doi:10.1007/s11023-018-9482-5.
[9] Legge 8 marzo 2017, n. 24, art. 1.
[10] Legge 23 settembre 2025, n. 132, art. 7.
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2026).
