AI in sanità tra innovazione e disuguaglianze: perché la regolare?

Cosa è successo?

L’adozione dell’intelligenza artificiale in sanità sta accelerando rapidamente negli Stati Uniti, mentre il quadro regolatorio resta frammentato e in gran parte incompleto. Linee guida pubblicate dalla Joint Commission e dalla Coalition for Health AI rappresentano il primo tentativo strutturato di governare l’uso dell’AI clinica, spostando l’onere di validazione, monitoraggio e responsabilità direttamente sui singoli ospedali. In un’analisi pubblicata sul Journal of the American Medical Association, il giurista ed eticista I. Glenn Cohen sottolinea che queste raccomandazioni sono un passo nella giusta direzione, ma rischiano di creare costi regolatori elevati e fortemente asimmetrici. Validare correttamente un algoritmo complesso può costare tra 300.000 e 500.000 dollari per struttura, una soglia sostenibile solo per grandi sistemi ospedalieri accademici, non per la maggioranza degli ospedali comunitari.

Perché è importante?

Il nodo centrale non è se l’AI in sanità vada regolata, ma come farlo senza soffocare l’innovazione o amplificare le disuguaglianze di accesso. Molti sistemi di AI hanno impatti clinici diretti o indiretti ad alto rischio (diagnostica, salute mentale, triage), ma oggi sfuggono in larga parte a un controllo federale sistematico. Allo stesso tempo, sottoporli integralmente ai percorsi tradizionali della FDA, pensati per farmaci e dispositivi, sarebbe troppo lento e costoso rispetto alla velocità di sviluppo del settore. Il rischio sistemico è duplice: da un lato, una “corsa” all’adozione che lasci indietro etica ed equità; dall’altro, un modello regolatorio decentralizzato che trasformi l’AI da strumento di diffusione dell’expertise a fattore di polarizzazione territoriale, dove solo gli ospedali più ricchi possono permettersi di innovare. In questo scenario, pazienti che contribuiscono con i propri dati all’addestramento dei modelli potrebbero non beneficiarne mai nella pratica clinica.

E adesso?

La sfida dei prossimi anni sarà costruire un’infrastruttura regolatoria condivisa che riduca duplicazioni e costi, senza rinunciare a controllo, trasparenza e tutela dei pazienti. Proposte come i “laboratori di assurance” pubblico-privati, capaci di certificare algoritmi secondo standard comuni su cui i singoli ospedali possano fare affidamento, indicano una possibile via d’uscita, anche se il consenso politico resta incerto. In gioco non c’è solo la sicurezza dell’AI clinica, ma la sua distribuzione sociale: se la regolazione resterà frammentata e onerosa, l’AI migliorerà soprattutto la sanità dei grandi centri, ampliando il divario con le aree meno servite. Se invece verranno allineati incentivi, governance e condivisione delle evidenze, l’AI potrà diventare un moltiplicatore di qualità e accesso, non un nuovo fattore di disuguaglianza, realizzando quella promessa di miglioramento sistemico che, secondo Cohen, potrebbe rendere la sanità di domani significativamente migliore di quella di oggi.