Oltre il 40% delle Tac e Risonanze non è appropriato: l’intelligenza artificiale svela l’errore

BARI – Più di 4 prescrizioni su 10 per esami diagnostici avanzati come TAC e Risonanze Magnetiche risultano clinicamente inappropriate. È quanto emerge da un’analisi condotta su un campione di oltre 17.000 richieste ospedaliere, esaminate attraverso un innovativo algoritmo di intelligenza artificiale progettato in Puglia dall’AReSS, l’Agenzia Regionale Strategica per la Salute e il Sociale.

Lo studio, in fase di addestramento sperimentale, ha coinvolto aziende sanitarie e ospedali pubblici delle province di Bari, Foggia e Lecce, con l’obiettivo di verificare la correttezza clinica delle prescrizioni attraverso un modello di IA generativa basato sull’architettura LLaMA 3.1.

Il sistema, addestrato per comprendere il linguaggio medico naturale, è stato programmato per analizzare ogni singola prescrizione in relazione al contesto clinico del paziente, confrontandola con linee guida internazionali aggiornate. I risultati hanno rivelato che solo il 38,9% delle richieste rispettava pienamente i criteri di appropriatezza, mentre il 43% è stato classificato come generalmente inappropriato.

A validare l’analisi dell’algoritmo è intervenuto un gruppo di specialisti composto da radiologi e medici clinici, che ha effettuato una revisione manuale a campione, confermando l’elevato grado di affidabilità del sistema.

“Questo strumento – ha spiegato Giovanni Migliore, direttore generale di AReSS – si è dimostrato estremamente preciso e affidabile. L’intelligenza artificiale può diventare una leva fondamentale per migliorare il governo clinico, evitando non solo l’esposizione inutile dei pazienti a radiazioni e il conseguente allungamento delle liste d’attesa, ma anche sprechi economici per il sistema sanitario”.

L’algoritmo si è dimostrato efficace anche nel proporre alternative diagnostiche più appropriate, allineate alle raccomandazioni delle società scientifiche. L’obiettivo, secondo Migliore, è ora quello di ampliare la sperimentazione ad altri contesti regionali, misurare la variabilità prescrittiva tra territori e arrivare a un’integrazione diretta dell’algoritmo nei software utilizzati da medici di base, specialisti e sportelli CUP, offrendo così un supporto immediato alle decisioni cliniche al momento stesso della prescrizione.