La nona edizione di Wired Health, svoltasi il 18 marzo 2026 a BASE Milano, ha messo al centro il tema beyond: andare oltre le pratiche consolidate per ridisegnare la salute. L’apertura è stata affidata ad Alessio Butti, sottosegretario con delega all’Innovazione tecnologica, che ha ricordato l’importanza del fascicolo sanitario elettronico come strumento per rendere la cura più coordinata e tracciabile. Nel corso della giornata sono stati presentati progetti concreti come Reg4IA, annunciato l’11 marzo a Genova, che coinvolge sette regioni con l’obiettivo di integrare l’intelligenza artificiale nella sanità pubblica per ridurre le liste d’attesa e il fenomeno del no show.
L’intelligenza artificiale nella pratica clinica
I relatori hanno distinto tra i large language model di uso generale e sistemi AI pensati per la medicina specialistica: l’intento è costruire strumenti che non si limitino a riprodurre testi, ma che possano ragionare su dati biologici e clinici con la sensibilità di un medico.
Nel campo della ricerca farmaceutica, per esempio, l’AI consente di generare migliaia di candidate molecolari e di creare gruppi di controllo virtuali, riducendo tempi e numeri di arruolamento negli studi clinici. Altri impieghi concreti riguardano il follow-up terapeutico, dove agenti digitali possono raccogliere dati di sintomi e abitudini con una continuità che integra il lavoro del personale sanitario, e la radiologia, dove l’elaborazione automatizzata abbrevia protocolli e facilita la lettura delle immagini.
Radiologia, generative AI e sintesi delle informazioni
La radiologia è citata come settore maturo per l’adozione dell’AI: procedure che un tempo richiedevano lunghe analisi oggi possono essere velocizzate grazie a software che offrono risultati in pochi click. L’uso della generative AI viene impiegato anche per riassumere la storia dell’imaging del paziente e creare link rapidi verso esami precedenti, migliorando la continuità assistenziale.
Queste applicazioni riducono i tempi e permettono ai clinici di concentrarsi sull’interpretazione critica, a condizione che permangano competenze cliniche profonde per riconoscere errori algoritmici.
Dati, privacy e processi di certificazione
Un tema ricorrente è l’accesso ai dati necessari per addestrare modelli affidabili. La soluzione proposta da molti esperti è il federated learning, che consente di addestrare algoritmi lasciando i dati dentro gli ospedali, ottenendo così campioni più ampi rispettando la normativa sulla privacy. A questo si sommano le questioni regolatorie: in Europa molti algoritmi clinici sono considerati device medicali e devono seguire percorsi di certificazione rigorosi, una sfida affrontata anche sviluppando processi specifici autorizzati a livello comunitario.
Metafore e concretezza
Per spiegare il federated learning è stata usata una metafora efficace: ogni ospedale è una stazione ferroviaria e il modello è il treno che viaggia, apprende senza spostare i dati e poi prosegue.
Questo cambio di paradigma amplia le popolazioni di riferimento e migliora la generalizzabilità dei modelli, ma richiede infrastrutture tecniche e governance chiare per la certificazione e la responsabilità clinica.
Rischi, formazione e sostenibilità del sistema
Il dibattito non ha trascurato i rischi: la delega cognitiva al software può generare errori quando i medici non riconoscono quando l’algoritmo sbaglia. Si è citato un caso in cui un tool di imaging aveva indicato una stenosi coronarica inesistente: l’esperienza clinica ha evitato un intervento inutile. Per prevenire questi scenari è fondamentale che la formazione dei futuri medici integri competenze tecnologiche, lavoro in team e empatia, oltre ad aspetti non clinici come l’alfabetizzazione finanziaria per sostenere il percorso professionale.
Sul piano organizzativo, la prevenzione è presentata come leva di sostenibilità: investire in vaccinazioni e screening genera risparmi che possono essere reinvestiti nel sistema.
Il tema delle liste d’attesa, la scarsità di personale e il burnout richiedono soluzioni che combinino tecnologie assistive, modelli di lavoro più attrattivi e politiche di welfare più diffuse. La governance dei dati, dal punto di vista legale e tecnico, resta cruciale per abilitare usi secondari della pratica clinica in ricerca senza compromettere i diritti dei pazienti.
Nuove terapie e applicazioni trasversali
L’innovazione terapeutica è un altro filo conduttore: cellule della membrana amniotica con proprietà rigenerative mostrano potenzialità per correggere patologie metaboliche nei modelli preclinici, mentre la medicina oncologica ha visto progressi sostanziali nei trattamenti del tumore al polmone grazie alla terapia target e al sequenziamento di nuova generazione (NGS). Queste tecniche hanno trasformato prognosi e qualità di vita per molti pazienti, consentendo anche gravidanze e percorsi di vita più lunghi per chi convive con malattia metastatica.
Infine, l’evento ha illustrato come gli strumenti clinici possano trovare applicazioni in campi apparentemente distanti: la tomografia computerizzata utilizzata per indagare la stratigrafia dei dipinti dimostra che la tecnologia medica può attraversare discipline e arricchire sia la scienza sia la cultura. Il messaggio condiviso è che l’innovazione in sanità richiede integrazione tra tecnologia, formazione, etica e politiche pubbliche per diventare sostenibile e realmente utile ai pazienti.
