1. La cura come problema della medicina digitale
La medicina è sempre stata tecnicamente mediata. La cartella clinica, il laboratorio, l’imaging, la farmacologia e i dispositivi di monitoraggio non costituiscono elementi esterni a una relazione originariamente priva di strumenti. La tecnica appartiene alla struttura stessa della pratica medica. Non ogni incremento della capacità tecnica costituisce, tuttavia, per ciò stesso, un incremento della cura.
Questa distinzione richiede di precisare che cosa si intenda per cura. Essa comprende almeno tre dimensioni. È una pratica epistemica, perché richiede la conoscenza della condizione patologica; è una pratica deliberativa, perché deve stabilire ciò che sia appropriato fare; è una pratica relazionale, perché il sapere e la decisione riguardano qualcuno la cui vulnerabilità genera una responsabilità.
Le tre dimensioni sono distinguibili, ma non separabili. Una conoscenza incapace di orientare l’azione sarebbe clinicamente incompleta; una decisione priva di adeguata conoscenza sarebbe arbitraria; entrambe cesserebbero di costituire cura se non fossero riferite alla persona che ne vive le conseguenze.
L’intelligenza artificiale potenzia soprattutto la dimensione epistemica. Può integrare fonti eterogenee, riconoscere configurazioni non accessibili al singolo osservatore, stimare probabilità e confrontare scenari. Il suo contributo è rilevante in una medicina nella quale la quantità dei dati eccede ormai la capacità individuale di elaborarli.
L’IA, però, non aggiunge semplicemente informazioni a un giudizio già costituito; partecipa alla configurazione dell’oggetto clinico. Seleziona le variabili, individua correlazioni, attribuisce priorità e rende alcuni aspetti della situazione più visibili di altri. L’output che appare al professionista incorpora decisioni anteriori: quali dati raccogliere, quale popolazione assumere come riferimento, quale esito prevedere, quale distribuzione degli errori considerare accettabile.
La tecnologia diventa così parte dell’ambiente cognitivo e organizzativo della medicina, non un intermediario neutrale tra un medico e un paziente già pienamente definiti. Come osserva Coeckelbergh, la valutazione dell’IA non può essere circoscritta all’artefatto isolato, ma deve comprendere le pratiche, le relazioni e le istituzioni nelle quali esso acquista significato e produce effetti (Coeckelbergh, 2020).
La questione bioetica non interviene soltanto dopo la produzione del risultato, per stabilirne l’uso corretto. È già presente nel modo in cui la situazione viene rappresentata. Ogni modello rende visibile qualcosa in funzione di uno scopo; ciò che non rientra in tale scopo rischia di diventare clinicamente marginale.
La tesi che intendo sostenere è che la medicina algoritmica separi, per poter conoscere, dimensioni che la cura deve ricongiungere per poter decidere. Essa traduce la persona in dati, distingue il segnale dal rumore, colloca il caso entro classi e anticipa esiti probabili. Queste operazioni sono epistemicamente necessarie. Diventano problematiche quando il risultato della scomposizione viene assunto come rappresentazione autosufficiente della persona e della decisione.
L’etica della sutura designa la forma normativa di questo ricongiungimento: non l’abolizione delle differenze tra i saperi, ma la loro connessione entro un giudizio riferito alla vita concreta del paziente.
2. Le trasformazioni della cura
La mediazione algoritmica introduce tre trasformazioni particolarmente rilevanti: una trasformazione epistemica, una antropologica e una normativa.
2.1. Dalla comprensione alla previsione
Una parte consistente dell’efficacia algoritmica deriva dalla capacità di individuare correlazioni senza disporre necessariamente di una ricostruzione causale completa. Un sistema può anticipare un evento o classificare un’immagine con elevata accuratezza anche quando il percorso che conduce all’output non è interamente traducibile nelle categorie della spiegazione clinica.
Ciò non rende il risultato epistemicamente irrilevante. La previsione può segnalare un rischio, correggere un’intuizione o orientare ulteriori accertamenti. Occorre però distinguere l’affidabilità predittiva dalla comprensione clinica. La prima riguarda la probabilità di un esito; la seconda deve stabilire che cosa quell’esito significhi, quali limiti presenti e quale pertinenza possieda rispetto al caso concreto.
La medicina algoritmica modifica così la gerarchia delle forme del sapere. La performance può acquistare autorità anche in assenza di una spiegazione pienamente disponibile. Il problema non è il carattere probabilistico della conoscenza medica, ma la possibilità che il successo predittivo venga assunto come giustificazione sufficiente dell’azione.
London ha formulato questo problema nei termini della tensione tra accuratezza e spiegabilità. Un sistema opaco può possedere basi empiriche più solide di alcune spiegazioni cliniche disponibili. Ciò non implica, tuttavia, che l’accuratezza sia il solo requisito moralmente rilevante: nella medicina, il risultato entra in una pratica nella quale qualcuno deve valutarne la pertinenza e assumere la responsabilità della decisione (London, 2019).
La previsione può orientare il giudizio; non coincide con il giudizio.
2.2. Dalla persona al profilo computazionale
La medicina ha sempre operato attraverso modelli. Un esame diagnostico, un’immagine radiologica o una classificazione nosografica isolano alcuni aspetti della persona e li rendono conoscibili. L’astrazione non è un difetto accidentale, ma una condizione del sapere scientifico.
L’intelligenza artificiale amplia questa operazione. Il profilo algoritmico può integrare dati clinici, genetici, ambientali e comportamentali e proiettarli nel futuro. Non rappresenta soltanto la condizione presente, ma ciò che il paziente potrebbe diventare, il rischio che potrebbe sviluppare e la risposta che potrebbe offrire a un trattamento.
Il profilo rimane tuttavia un proxy: una rappresentazione selettiva e finalizzata. Può descrivere accuratamente la probabilità di sopravvivenza senza rappresentare la qualità del tempo guadagnato; può stimare l’efficacia di una terapia senza includere ciò che quella terapia renderebbe impraticabile nella vita della persona (Floridi, 2025).
Il problema non consiste semplicemente nell’incompletezza del modello: ogni modello è incompleto. La difficoltà sorge quando questa incompletezza viene dimenticata e la rappresentazione acquista maggiore autorità della realtà che dovrebbe rendere conoscibile.
Le classificazioni producono inoltre effetti retroattivi. Il paziente definito ad alto rischio, fragile, non aderente o scarsamente responsivo viene interpretato attraverso una categoria che precede l’incontro. La previsione può modificare le opportunità offerte e il modo in cui il soggetto comprende se stesso. Il rischio non descrive più soltanto una probabilità, ma tende a diventare un tratto identitario.
Affermare che la persona non coincide con il proprio profilo non significa postulare una soggettività sottratta alla conoscenza empirica. Significa riconoscere che il soggetto è il termine al quale le rappresentazioni devono tornare per assumere significato clinico. Il profilo descrive condizioni e probabilità; la persona vive le conseguenze delle alternative e attribuisce loro valore.
2.3. Dalla previsione alla decisione
Un sistema può indicare che una determinata opzione massimizza la probabilità di un certo esito. Da questa premessa non segue ancora che quell’opzione debba essere scelta. Occorre stabilire che l’esito ottimizzato sia prioritario, che i rischi siano proporzionati e che le conseguenze siano compatibili con la situazione della persona.
Il probabile e il desiderabile appartengono a ordini differenti. Il primo descrive una relazione tra dati ed eventi; il secondo richiede una valutazione dei fini. Anche quando i dati sono corretti e l’inferenza affidabile, la decisione rimane incompleta finché non sia chiarito quale bene si intenda perseguire.
Questa distinzione è decisiva perché l’ottimizzazione tende a occultare la premessa normativa incorporata nella funzione del sistema. Prevedere la sopravvivenza, la recidiva, l’aderenza o il costo non equivale a scegliere un oggetto neutrale. Stabilire quale esito debba essere previsto e massimizzato significa già attribuire rilevanza a un bene rispetto ad altri.
Il caso analizzato da Ziad Obermeyer e colleghi mostra con particolare chiarezza il carattere normativo della scelta dell’esito. Un algoritmo utilizzato negli Stati Uniti per individuare i pazienti da inserire in programmi di assistenza intensiva assumeva il costo futuro delle cure come indicatore del bisogno sanitario. A parità di condizioni cliniche, tuttavia, per i pazienti neri venivano sostenute spese inferiori rispetto a quelle sostenute per i pazienti bianchi. Il sistema attribuiva quindi ai primi un livello di bisogno più basso.
Il problema non consisteva nell’introduzione esplicita della razza tra le variabili, né semplicemente in un errore di calcolo. Risiedeva nella scelta del costo come proxy della salute. Una misura economicamente osservabile aveva preso il posto del bisogno clinico che avrebbe dovuto rappresentare. Riformulando l’obiettivo, così da non assumere la spesa come indicatore del bisogno, la disparità si riduceva in modo sostanziale. Il caso mostra che la funzione da ottimizzare non è un elemento puramente tecnico: contribuisce a determinare quali bisogni diventano visibili e quali rimangono esclusi (Obermeyer et al., 2019).
Il sistema può calcolare mezzi efficaci rispetto a un obiettivo definito; non fonda autonomamente la validità dell’obiettivo. La bioetica deve pertanto rendere espliciti i fini e sottoporli alla deliberazione.
3. Salute, normatività vitale ed esperienza della malattia
Le trasformazioni descritte rinviano a una questione più fondamentale: quale concetto di salute orienta la medicina digitale?
Se la salute viene identificata con la conformità a parametri standardizzati o con la massimizzazione di una funzione, il compito della tecnologia consisterà nel rilevare gli scarti e nel ridurli. La personalizzazione coinciderà allora con la possibilità di assegnare il paziente a una classe sempre più circoscritta.
La riflessione di Georges Canguilhem consente di problematizzare questa impostazione. Il normale statistico non coincide con il normale biologico. La frequenza descrive il modo in cui un carattere è distribuito in una popolazione, ma non stabilisce da sola se esso sia sano o patologico. Una condizione può essere frequente e tuttavia compromettere la vita; una variazione rara può risultare compatibile con una buona capacità di esistenza (Canguilhem, 1966).
La salute non è, per Canguilhem, semplice conformità a una norma data. Il vivente è normativo: instaura rapporti con l’ambiente, tollera variazioni e stabilisce nuovi equilibri. Essere sani significa possedere una certa ampiezza normativa, ossia la capacità di modificare le proprie norme quando mutano le condizioni.
La malattia non elimina completamente tale capacità, ma la restringe. Il vivente malato continua a costruire un rapporto con l’ambiente, però entro condizioni più rigide. Una variazione prima tollerabile diventa minacciosa; un’attività ordinaria richiede un’organizzazione straordinaria; la vita dipende da equilibri più fragili.
Questa concezione non contrappone la singolarità alla conoscenza statistica. Senza confronti, soglie e regolarità non sarebbe possibile riconoscere molte patologie. Impedisce, però, che la deviazione rispetto a un modello venga identificata, senza ulteriori mediazioni, con il significato della malattia.
Anche il concetto di personalizzazione deve essere precisato. L’IA può costruire gruppi molto specifici e associare a ciascuno differenti probabilità di risposta. Si tratta di un progresso rilevante rispetto a una medicina fondata esclusivamente sul paziente medio. Tuttavia, una classificazione più fine non coincide ancora con il riconoscimento della singolarità.
Il soggetto non è singolare perché possiede una combinazione irripetibile di dati, ma perché vive la propria condizione, interpreta ciò che gli accade e deve integrare le conseguenze della decisione nella continuità della propria esistenza.
La fenomenologia della malattia elaborata da Havi Carel consente di sviluppare questo punto. La patologia non modifica soltanto un organismo osservabile dalla terza persona; trasforma l’essere-nel-mondo del soggetto. Il corpo, che nella vita ordinaria sostiene l’azione senza imporsi continuamente all’attenzione, può diventare dolore, ostacolo, fatica o imprevedibilità. Cambiano lo spazio praticabile, il rapporto con gli altri, l’esperienza del tempo e la struttura del futuro (Carel, 2016).
La malattia produce una trasformazione modale: ciò che prima si presentava nella forma dell’“io posso” può assumere la forma dell’“io non posso”. Non si tratta soltanto della perdita quantitativa di una funzione, ma di un mutamento dell’orizzonte entro il quale le azioni diventano pensabili.
Due persone affette dalla medesima condizione biologica possono quindi vivere configurazioni differenti di possibilità. La gravità clinica e la gravità vissuta non coincidono necessariamente. La prima persona rende accessibile una dimensione della patologia che la descrizione oggettiva, per quanto precisa, non può sostituire.
Il racconto del paziente non costituisce pertanto un’aggiunta soggettiva a una realtà già interamente definita dai dati. È una fonte di conoscenza relativa agli effetti della malattia su una vita. Non è infallibile e non sostituisce la competenza clinica; deve però concorrere alla costruzione del giudizio.
Quando la testimonianza del paziente viene sistematicamente subordinata al profilo può prodursi una forma di ingiustizia epistemica: il soggetto viene danneggiato nella propria capacità di essere riconosciuto come portatore di una conoscenza pertinente (Fricker, 2007). La divergenza tra il dato e il racconto non dimostra automaticamente l’errore del sistema, ma costituisce un elemento da interpretare. Può segnalare un’esperienza non prevista, un effetto non misurato o un limite della popolazione di riferimento.
Hans-Georg Gadamer permette di collegare questi elementi alla natura del sapere medico. La salute, secondo Gadamer, rimane in larga misura nascosta. Quando è presente, la persona non è occupata dal proprio funzionamento corporeo, ma può rivolgersi alle attività, alle relazioni e al mondo. La salute non si offre come un oggetto pienamente disponibile; si manifesta indirettamente come una forma di accordo pratico con l’esistenza (Gadamer, 1994).
Anche per questo il medico non produce la salute come si fabbrica un oggetto. La terapia interviene su un vivente dotato di dinamiche proprie. L’arte medica consiste nel tradurre conoscenze generali all’interno di una situazione particolare, senza perdere né il rigore dell’evidenza né l’irriducibilità del caso.
Si può intendere la salute come dinamica esistenziale: non possesso stabile di una perfezione, ma capacità fragile di ricomporre equilibri, sostenere relazioni e mantenere un orizzonte di azione (Sgreccia, 2008). La salute non è assenza di ogni limite; è una certa apertura del possibile dentro il limite.
Da questa concezione deriva un criterio per la medicina algoritmica. Una tecnologia contribuisce alla cura non soltanto quando corregge una funzione o migliora un indicatore, ma quando sostiene la capacità della persona di costruire un rapporto praticabile con la propria condizione. La previsione può ampliare tale capacità, rendendo possibili interventi tempestivi; può restringerla quando assume la forma di un futuro già concluso.
4. Dall’informazione al giudizio
L’IA rende particolarmente visibile una discontinuità già interna alla medicina: quella tra produzione dell’informazione e formazione del giudizio.
Per conoscere è necessario separare. La medicina isola sintomi, misura funzioni, distingue il segnale dal rumore, associa il caso a una classe e confronta gli esiti. La conoscenza algoritmica radicalizza questa operazione, perché traduce la situazione in variabili computabili e individua relazioni che eccedono la capacità dell’osservazione individuale.
La separazione analitica è legittima finché conserva il proprio carattere strumentale. Diventa problematica quando ciò che è stato isolato per essere conosciuto non viene ricondotto all’unità della situazione clinica.
Un punteggio può essere accurato e non indicare ancora quale peso debba avere. Una previsione può essere affidabile e non stabilire quale rischio sia accettabile. Una classificazione può essere pertinente e non esaurire ciò che il soggetto vive.
Il problema unitario della medicina algoritmica riguarda dunque il ritorno dalla rappresentazione alla persona rappresentata, dall’esito previsto al giudizio pratico, dalla conoscenza generale alla singolarità della situazione.
Non si tratta di compensare il calcolo mediante un’aggiunta di empatia, né di collocare un momento genericamente “umano” alla fine di un processo già definito. Il passaggio è epistemico e normativo. Occorre stabilire la pertinenza del risultato, le dimensioni che esso lascia fuori, il fine che incorpora e il modo in cui deve essere confrontato con l’esperienza e con gli altri elementi clinici.
Ricoeur ha descritto il giudizio medico come un movimento che conduce dal sapere generale alla situazione singolare e, successivamente, dalla decisione alla responsabilità nei confronti della persona. Il giudizio non consiste nella semplice applicazione di una regola, perché la regola non contiene anticipatamente tutte le caratteristiche moralmente rilevanti del caso. La singolarità non è ciò che rimane quando la scienza ha terminato il proprio compito; appartiene al modo in cui la conoscenza diventa pratica (Ricoeur, 2006).
Il bene clinico non è un bene impersonale, applicabile dall’esterno a un individuo. È il bene di un soggetto concreto e, pertanto, non può essere integralmente determinato prescindendo dalla sua prospettiva, pur senza essere ridotto a essa. La competenza professionale concorre a definirlo, ma non lo esaurisce; la preferenza individuale ne costituisce una componente, ma non l’unico criterio.
Annemarie Mol ha mostrato i limiti di una rappresentazione della relazione clinica modellata esclusivamente sulla scelta. Nella logica della scelta, le alternative appaiono già definite e il paziente è chiamato a selezionare quella preferita. Nella logica della cura, invece, mezzi, bisogni ed esiti vengono progressivamente precisati attraverso la pratica e possono essere riconsiderati alla luce dell’esperienza (Mol, 2008).
La cura consiste precisamente nella trasformazione del sapere in una risposta motivata alla condizione di qualcuno. L’etica della sutura viene proposta per nominare la forma di tale trasformazione.
5. L’etica della sutura
Il termine “sutura” non deve essere inteso come semplice metafora riparativa. Per possedere valore filosofico, deve rendere riconoscibile una struttura normativa.
L’etica della sutura può essere definita come la forma della razionalità pratica che ricongiunge dimensioni separate dalla conoscenza algoritmica, conservandone la differenza e impedendo che una di esse assorba le altre.
La sutura non designa dunque una generica integrazione tra competenze, ma interviene precisamente là dove la mediazione algoritmica produce una discontinuità tra ciò che può essere previsto, ciò che deve essere deciso e ciò che può essere vissuto come bene da una persona concreta.
5.1. Riconoscere la discontinuità
La sutura presuppone una lacerazione; il suo primo atto consiste nell’individuare i margini che devono essere collegati.
Nel contesto algoritmico, la lacerazione si produce quando il profilo acquista più autorità della persona, la previsione si converte in prescrizione, la classificazione sostituisce l’interpretazione o l’azione si separa dalla responsabilità.
Non ogni differenza costituisce una ferita. La distinzione tra sapere algoritmico, competenza medica ed esperienza del paziente è necessaria. La lacerazione si verifica quando la differenza diventa isolamento: il risultato non è più esposto alla correzione del giudizio; il racconto non può modificare la rappresentazione; la decisione non può essere ricondotta a soggetti responsabili.
5.2. Ricongiungere senza fondere
Il sapere algoritmico, il giudizio clinico e l’esperienza vissuta non devono essere dissolti nella categoria indeterminata di un’intelligenza ibrida. Ciascuna forma di conoscenza possiede oggetti e criteri di validità specifici.
Il sistema individua configurazioni e produce stime; il medico valuta la pertinenza delle evidenze, interpreta il caso e formula una raccomandazione; il paziente rende accessibili gli effetti vissuti della condizione e partecipa alla determinazione dei fini.
La cooperazione è adeguata quando questi contributi possono correggersi reciprocamente. Il dato può mettere in discussione l’intuizione clinica; il giudizio medico può limitare la portata di un risultato non pertinente; il racconto del paziente può mostrare che l’esito ottimizzato non coincide con il bene concretamente ricercato.
Uno studio sulla diagnosi delle lesioni cutanee permette di precisare empiricamente questo punto. Tschandl e colleghi hanno confrontato la prestazione dei clinici, quella dei sistemi artificiali e differenti forme di supporto algoritmico. Un’assistenza algoritmica di buona qualità migliorava l’accuratezza diagnostica rispetto alla prestazione isolata sia dei medici sia del sistema; il vantaggio risultava particolarmente rilevante per i professionisti meno esperti.
Il caso esclude l’alternativa semplificata tra autonomia umana e automazione. La cooperazione può produrre un effettivo vantaggio epistemico. Tale vantaggio, tuttavia, dipende dalla forma nella quale l’informazione artificiale viene presentata e integrata nel giudizio. La collaborazione non consiste nella somma di due prestazioni, ma nell’organizzazione della loro reciproca capacità di correzione (Tschandl et al., 2020).
La filosofia della prossimità di Josep Maria Esquirol consente di precisare ulteriormente questo congiungimento. La prossimità non elimina la distanza. Congiungere significa mantenere la differenza senza permettere che essa diventi separazione o abbandono (Esquirol, 2018).
Nella relazione clinica, il medico non può vivere la malattia al posto del paziente e il paziente non dispone della medesima competenza professionale. La cura non cancella l’asimmetria. Impedisce che essa si trasformi in sovranità tecnica o, al contrario, nell’abbandono del paziente alla solitudine di una scelta configurata interamente da altri.
La sutura richiede inoltre proporzione. Un collegamento eccessivamente stretto può danneggiare i tessuti; uno insufficiente non sostiene la ricomposizione. Analogamente, l’autorità attribuita al sistema deve essere sufficiente perché il suo contributo epistemico sia reale, ma non tale da trasformare l’output in verdetto.
La proporzione non è un compromesso quantitativo tra umano e artificiale. Dipende dalla funzione esercitata, dall’incertezza, dalla reversibilità e dalla gravità delle conseguenze. La medesima forma di supervisione non è adeguata per una funzione amministrativa a basso rischio e per una decisione terapeutica irreversibile.
5.3. Non sostituire la normatività del vivente
La sutura non produce direttamente la guarigione. Avvicina i margini e crea condizioni favorevoli, ma il filo non diventa tessuto. Il processo dipende dalle capacità del vivente.
Questa proprietà impedisce di pensare la cura come fabbricazione di uno stato definito interamente dall’esterno. La tecnica può rimuovere ostacoli, compensare funzioni e sostenere l’adattamento; non produce autonomamente il significato che la nuova condizione assume per la persona.
L’etica della sutura è, in questo senso, non normalizzante. Non rifiuta parametri e protocolli, ma impedisce che diventino la misura completa della salute. Il suo fine non consiste necessariamente nel riportare il soggetto alla media o allo stato precedente, bensì nel sostenerne la capacità di istituire un equilibrio praticabile.
Questa impostazione non comporta che qualsiasi adattamento individuale debba essere considerato buono, né che il giudizio clinico debba limitarsi a registrare le preferenze del paziente. La normatività vitale indica una capacità, non un criterio autosufficiente. Deve essere posta in relazione con la protezione dalla sofferenza evitabile, con la giustizia nell’accesso alle cure e con la responsabilità professionale.
5.4. Mantenere aperta la revisione
Una sutura deve essere osservata e può richiedere correzioni. La riuscita non è stabilita una volta per tutte dal gesto iniziale.
Anche un sistema algoritmico non può essere valutato esclusivamente nel momento della validazione. Il suo impiego modifica il contesto nel quale opera. Può cambiare le modalità di raccolta dei dati, orientare il comportamento dei professionisti, produrre nuove dipendenze o alterare le aspettative dei pazienti.
La responsabilità etica comprende quindi il seguito degli effetti: ciò che diventa più visibile, le competenze che vengono rafforzate o indebolite, i soggetti che acquistano autorità e quelli che vengono marginalizzati.
La cicatrice esprime questa temporalità. La ricomposizione non ripristina una condizione originaria e non cancella la trasformazione. La medicina precedente all’IA non costituiva un mondo integro, privo di paternalismo, errori e disuguaglianze. La sutura non propone un ritorno; costruisce una continuità nuova nella quale gli effetti della mediazione tecnologica rimangano riconoscibili e rivedibili.
In questo senso può essere formulata la sintesi della proposta: l’algoritmo distingue; la cura sutura. Il primo separa e ordina per rendere la complessità conoscibile. La seconda riconduce ciò che è stato distinto alla situazione unitaria di una persona, affinché la conoscenza possa diventare decisione responsabile.
6. Co-autorialità e responsabilità
La nozione di co-autorialità costituisce la conseguenza pratica dell’etica della sutura.
Il consenso informato ha corretto il paternalismo riconoscendo che la competenza professionale non autorizza il medico a decidere unilateralmente. Può tuttavia ridursi a un atto posto al termine del processo decisionale: il percorso viene configurato da altri e il paziente è chiamato ad accettarlo o rifiutarlo.
La co-autorialità indica una partecipazione più esigente. Il paziente non interviene soltanto nella scelta finale, ma concorre alla definizione degli esiti rilevanti e alla valutazione del significato delle alternative. Ciò non implica una parità di competenze né una sovranità assoluta della volontà individuale.
Il paziente possiede un’autorità epistemica e assiologica circoscritta ma insostituibile. Conosce dall’interno il modo in cui la malattia modifica il proprio mondo; può indicare quali conseguenze siano tollerabili e quali beni risultino decisivi. La sua parola non determina autonomamente la validità clinica di una terapia, ma partecipa alla determinazione del bene che la terapia dovrebbe perseguire.
Il medico porta una responsabilità differente. Deve valutare la qualità delle evidenze, comprendere la pertinenza dell’output, integrarlo con gli altri elementi del caso e formulare una raccomandazione motivabile. Non è il comunicatore di una conclusione prodotta dal sistema, ma il soggetto che trasforma l’informazione in ragione clinica.
L’IA partecipa alla decisione come alleata epistemica. Amplia la capacità di correlare dati, confrontare scenari e anticipare esiti. Non è però autrice morale dei fini. Non attribuisce autonomamente valore alle alternative, non assume le conseguenze della scelta e non risponde alla persona sulla quale esse ricadono.
La capacità operativa del sistema non coincide dunque con l’autorialità morale. La sua autorità rimane derivata dalla qualità dei dati, dalla validità del modello, dalla pertinenza al contesto e dalla legittimità degli obiettivi assegnati.
In un precedente lavoro ho sviluppato la co-autorialità in relazione all’autonomia e all’opacità algoritmica, insistendo sulla necessità di ragioni condivisibili e di una partecipazione non meramente formale (Sgreccia, 2026a). In questa sede il concetto assume una funzione più ampia: esprime il modo in cui la pluralità dei saperi viene ricomposta nella decisione senza essere ordinata secondo un’unica misura.
La co-autorialità non elimina l’asimmetria e non garantisce il consenso. Medico e paziente possono continuare a divergere. Richiede, però, che il dissenso non venga chiuso anticipatamente dall’autorità del profilo o del protocollo e che le ragioni dei soggetti rimangano riconoscibili.
Anche l’istituzione partecipa a questa struttura. Stabilisce quali sistemi adottare, quali informazioni rendere disponibili, quali tempi destinare al confronto e quale spazio riconoscere alla revisione. Non può attribuire al medico piena responsabilità se non gli consente di comprendere o mettere in discussione l’output; non può dichiarare il paziente co-autore se la sua testimonianza non possiede alcuna possibilità di modificare il percorso.
Tronto ha mostrato che la cura non può essere interpretata esclusivamente come virtù o disposizione interpersonale. Essa comprende pratiche organizzate, competenze, distribuzioni di responsabilità e condizioni istituzionali che determinano chi possa ricevere attenzione e chi rischi di rimanerne escluso (Tronto, 1993).
Anche le linee guida dell’Organizzazione mondiale della sanità sull’IA per la salute collocano la protezione dell’autonomia, la trasparenza, la responsabilità, l’inclusività e la sostenibilità tra le condizioni di un impiego legittimo dei sistemi artificiali. Questi criteri non sostituiscono la deliberazione clinica, ma confermano che la qualità etica della tecnologia dipende anche dall’architettura istituzionale che ne governa l’uso (World Health Organization, 2021).
La responsabilità è necessariamente distribuita, ma non deve diventare anonima. La dimensione istituzionale della sutura consiste nel mantenere visibili i luoghi nei quali vengono definiti gli scopi, assunti i rischi e formulate le decisioni.
Conclusione
La bioetica della cura nell’era digitale non ha il compito di preservare uno spazio umano incontaminato dalla tecnica. La medicina è costitutivamente mediata e l’intelligenza artificiale può accrescerne in modo rilevante la capacità di conoscere e intervenire.
Il problema consiste nel determinare come la rappresentazione algoritmica possa partecipare alla cura senza assumere il valore di una rappresentazione totale della persona.
L’etica della sutura nomina il lavoro che connette la previsione al giudizio, il dato al significato, la norma statistica alla capacità normativa del vivente e la competenza professionale alla conoscenza in prima persona. Non elimina le differenze tra queste dimensioni e non affida a una di esse il governo esclusivo della decisione.
Una tecnologia appartiene pienamente alla cura quando amplia le possibilità della conoscenza e dell’azione senza sottrarre alla persona e alla relazione clinica la definizione del loro significato.
La qualità morale della medicina algoritmica non dipende quindi soltanto da ciò che il sistema riesce a prevedere, ma dal modo in cui la previsione viene ricondotta alla responsabilità di chi deve decidere e alla vita di chi dovrà abitarne le conseguenze.
Bibliografia
Canguilhem, G. (1966), Le normal et le pathologique, Presses Universitaires de France, Paris.
Carel, H. (2016), Phenomenology of Illness, Oxford University Press, Oxford.
Coeckelbergh, M. (2020), AI Ethics, MIT Press, Cambridge, MA.
Esquirol, J. M. (2018), La resistenza intima. Saggio su una filosofia della prossimità, Vita e Pensiero, Milano.
Floridi, L. (2025), La differenza fondamentale. Artificial Agency: una nuova filosofia dell’intelligenza artificiale, trad. it. di M. Durante, Mondadori, Milano.
Fricker, M. (2007), Epistemic Injustice: Power and the Ethics of Knowing, Oxford University Press, Oxford.
Gadamer, H.-G. (1994), Dove si nasconde la salute, Raffaello Cortina Editore, Milano.
London, A. J. (2019), «Artificial Intelligence and Black-Box Medical Decisions: Accuracy versus Explainability», Hastings Center Report, 49, 1, pp. 15–21, DOI: 10.1002/hast.973.
Mol, A. (2008), The Logic of Care: Health and the Problem of Patient Choice, Routledge, London–New York.
Obermeyer, Z., Powers, B., Vogeli, C., Mullainathan, S. (2019), «Dissecting Racial Bias in an Algorithm Used to Manage the Health of Populations», Science, 366, 6464, pp. 447–453, DOI: 10.1126/science.aax2342.
Ricoeur, P. (2006), Il giudizio medico, Morcelliana, Brescia.
Sgreccia, P. (2008), La dinamica esistenziale dell’uomo. Lezioni di filosofia della salute, Vita e Pensiero, Milano.
Sgreccia, P. (2026a), «L’etica dell’IA in medicina: autonomia del paziente e opacità algoritmica nell’era dell’IA medica», Sistema Salute. La rivista italiana di educazione sanitaria e promozione della salute, 70, 2, pp. 301–319, DOI: 10.48291/SISA.70.2.3.
Sgreccia, P. (2026b), L’etica della sutura. Intelligenza artificiale, normatività vitale e co-autorialità nella relazione di cura, relazione finale del progetto di ricerca “Etica dell’Intelligenza Artificiale”, Dipartimento di Matematica e Informatica, Università della Calabria.
Tronto, J. C. (1993), Moral Boundaries: A Political Argument for an Ethic of Care, Routledge, New York–London.
Tschandl, P., Rinner, C., Apalla, Z. et al. (2020), «Human–Computer Collaboration for Skin Cancer Recognition», Nature Medicine, 26, pp. 1229–1234, DOI: 10.1038/s41591-020-0942-0.
World Health Organization (2021), Ethics and Governance of Artificial Intelligence for Health: WHO Guidance, World Health Organization, Geneva.
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2026).
