L’intelligenza artificiale nella lotta al tumore al seno: chi ha davvero bisogno della chemioterapia

04/04/2026 SALUTE Preferisci Informazione.News su Google

Redazione Salute   -   La decisione, per un’oncologa o un oncologo, di somministrare o meno la chemioterapia a una paziente con tumore al seno rappresenta da sempre un crinale terapeutico irto di incertezze. Da un lato, alcune donne ricevono questo trattamento aggressivo – con i suoi noti effetti collaterali, che vanno dalla nausea severa alla compromissione del sistema immunitario – senza trarne un beneficio clinicamente significativo in termini di sopravvivenza; dall’altro, pazienti che potrebbero invece giovarsene rischiano di vedersi proporre approcci conservativi, magari basati su criteri statistici generali o su linee guida non abbastanza raffinate. Una recente ricerca israeliana, condotta dal Technion – Israel Institute of Technology e pubblicata con il titolo “AI-based prediction of chemotherapy benefit in breast cancer”, ha cercato di fare chiarezza proprio su questo nodo, addestrando un modello predittivo capace di distinguere chi risponderà alla chemioterapia da chi, verosimilmente, la sopporterebbe invano.

Diagnostica predittiva e Gdpr: il diritto alla spiegazione in ambito clinico

L’impiego progressivo dell’intelligenza artificiale nella medicina contemporanea sta determinando una trasformazione strutturale delle modalità di erogazione delle prestazioni sanitarie. Ciò sposta il paradigma dell’assistenza verso una medicina sempre più personalizzata, incentrata sull’individuo più che sulla patologia: un cambio di prospettiva non da poco, se si pensa ai tradizionali protocolli “one size fits all”. I sistemi di diagnostica predittiva, tra cui i Clinical Decision Support Systems (CDSS), sono oggi in grado di prevedere l’insorgenza di patologie, stimare il rischio di complicanze o suggerire percorsi terapeutici personalizzati. Si prefiggono l’obiettivo di determinare le condizioni per un miglioramento dell’efficacia delle prestazioni nei confronti dei pazienti e, nel contempo, di incrementare l’efficienza organizzativa delle strutture sanitarie. Ma c’è un ostacolo normativo non secondario: il Regolamento Generale sulla Protezione dei Dati (Gdpr) europeo include il cosiddetto “right to explanation”, ovvero il diritto dell’interessato a ottenere una spiegazione della decisione automatizzata. Una richiesta, questa, che cozza frontalmente con la natura “black box” di molti algoritmi di deep learning, nei quali i nessi causali tra i dati in ingresso e la risposta in uscita restano opachi.

Il paradosso dell’invisibilità necessaria e la responsabilità che frena l’innovazione

L’intelligenza artificiale in sanità vive oggi un paradosso affascinante e insieme problematico: quello dell’invisibilità necessaria. Più un sistema è integrato e fluido – al punto da suggerire una terapia senza nemmeno che il medico se ne accorga, come una sorta di “consigliere silenzioso” – più rischia di sollevare perplessità giuridiche. Se l’algoritmo sbaglia, chi ne risponde? Il professionista che ha seguito il suggerimento? Il programmatore che ha scritto il codice? L’ospedale che ha acquistato il software? Il dilemma della responsabilità, mai risolto del tutto, sta frenando l’adozione su larga scala di questi strumenti. Eppure, come osserva chi studia il settore, il vero salto di qualità avverrà solo quando ci si renderà conto che l’intelligenza artificiale non è chiamata a sostituire il giudizio clinico, ma a integrarlo: una sorta di secondo paio d’occhi, addestrato su milioni di casi che nessun essere umano potrebbe mai memorizzare.

“Il dottor Ai? È intelligente se lo siamo noi, e non potrà sostituire il medico”

In un recente libro dal titolo “L’intelligenza artificiale tra sapere medico e decisione umana”, l’internista e programmatore Salvatore Corrao accompagna il lettore in un viaggio tra le promesse e i limiti dell’Ia. Corrao lancia un monito preciso: l’obiettivo di una medicina davvero efficace non si raggiunge delegando in toto le scelte a una macchina, bensì formando professionisti capaci di interrogare i dati con spirito critico. Senza questa consapevolezza, anche il miglior algoritmo rischia di trasformarsi in una cassetta degli attrezzi inutilizzata. Del resto, l’attuale presidenza Trump negli Stati Uniti sta già ridisegnando alcune priorità della ricerca biomedica, con possibili ripercussioni sui finanziamenti destinati agli studi sull’AI clinica; un contesto, quello americano, dove la tensione tra innovazione tecnologica e prudenza regolatoria è forse ancora più acuta che in Europa.