Nonostante le previsioni di una rapida sostituzione dei radiologi da parte dell'AI, la professione cresce e l'intelligenza artificiale si afferma come alleato fondamentale, migliorando precisione e collaborazione nella diagnosi medica.
Nel 2016 Geoffrey Hinton, celebre come il "padrino dell'AI" e vincitore del Nobel, aveva previsto che i radiologi sarebbero stati sostituiti dai computer entro cinque anni. Oggi, la realtà è ben diversa: la radiologia è in espansione, con una crescita stimata del 26% nei prossimi trent'anni. Tuttavia, Hinton aveva colto un punto cruciale: l'intelligenza artificiale è ormai una presenza costante nelle sale di radiologia, capace di eguagliare o superare le prestazioni umane in molte attività. Il settore è diventato il laboratorio principale per l'adozione di sistemi decisionali esperti in medicina e, potenzialmente, in altri ambiti.
Ad inizio 2026, circa tre quarti dei 1.400 dispositivi medici abilitati all'AI approvati dalla Food and Drug Administration riguardavano la radiologia. Alcuni strumenti aiutano i medici a redigere referti o a segnalare immagini che richiedono attenzione urgente, mentre altri sono in grado di individuare anomalie invisibili all'occhio umano o interpretare immagini con una precisione pari o superiore a quella dei radiologi. Un'analisi di 43 studi clinici ha dimostrato che le colonscopie assistite dall'AI rilevano più polipi rispetto a quelle tradizionali. Migliorare l'accuratezza è fondamentale, considerando che il tasso di errore umano nella diagnosi tramite immagini oscilla tra il 3 e il 5%, pari a circa 40 milioni di errori l'anno a livello globale. Tuttavia, la soluzione non è semplicemente sostituire l'uomo con la macchina: la vera sfida oggi è integrare la precisione tecnica dell'AI con l'esperienza e la flessibilità dei medici per offrire diagnosi migliori ai pazienti.
Collaborazione tra medico e AI
Progettare un sistema collaborativo efficace non è semplice. Anche se l'AI può risultare più affidabile di un radiologo esperto nell'interpretazione di alcune immagini, continuerà a commettere errori che l'essere umano non farebbe. Curtis Langlotz, direttore del Center for Artificial Intelligence in Medicine and Imaging della Stanford University, sottolinea che i radiologi devono valutare ogni decisione dell'AI, individuando i rari casi in cui l'algoritmo sbaglia. Paul Yi, responsabile della sezione di intelligent imaging informatics al St. Jude Children's Research Hospital di Memphis, parla di una vera e propria "riorganizzazione mentale" per i medici, abituati a ignorare gli avvisi dei sistemi informatici tradizionali, ma ora chiamati a confrontarsi con reti neurali che operano come "scatole nere".
Questi sistemi, infatti, non spiegano come arrivano alle loro conclusioni, rendendo più difficile per il radiologo decidere quando fidarsi o meno. Charles Kahn, direttore di Radiology: Artificial Intelligence, evidenzia la complessità di distinguere tra un'anomalia reale e un errore dell'AI, soprattutto quando la macchina individua dettagli che sfuggono all'occhio umano.
Il ruolo critico del radiologo
Langlotz porta l'esempio di uno strumento AI che rileva il 95% dei noduli polmonari su una TAC, mentre i radiologi ne individuano il 90%. Sostituire completamente i medici sarebbe un errore, perché la loro intelligenza differisce da quella delle macchine: i radiologi possono riconoscere casi che l'AI non vede, grazie alla loro comprensione delle malattie. Nina Kottler, chief medical AI officer di Mosaic Clinical Technologies, sottolinea che la vera sfida è far sì che il radiologo accetti i risultati corretti dell'AI e scarti quelli errati, superando bias inconsci che portano a fidarsi troppo o troppo poco della tecnologia.
Per lavorare in modo ottimale con questi sistemi, i radiologi devono conoscere l'affidabilità generale dell'AI e saperne riconoscere gli errori. Langlotz suggerisce che una formazione specifica aiuta a capire quando un algoritmo può sbagliare, ad esempio in caso di movimenti del paziente durante la scansione. Tuttavia, secondo un sondaggio dell'American Medical Association del 2026, oltre un quarto dei medici non ha ricevuto alcuna formazione sull'AI e solo l'11% dichiara di averne ricevuta molta.
Bias, errori e formazione
Quando si interpreta un'immagine medica, sia l'uomo che la macchina possono commettere due tipi di errori: falsi negativi (mancata individuazione di una malattia) e falsi positivi (diagnosi errata di una patologia inesistente). Per le malattie rare, il rischio di falsi positivi aumenta, poiché la maggior parte dei pazienti non è affetta dalla patologia in questione. Il medico deve quindi saper riconoscere e correggere questi errori, evitando sia l'automazione bias (fidarsi troppo dell'AI) sia l'automazione complacency (accettare passivamente i suoi errori).
Uno studio ha rilevato che anche radiologi esperti riducono la propria accuratezza nell'interpretazione delle mammografie se influenzati da previsioni errate dell'AI. D'altra parte, la diffidenza verso la tecnologia può portare a sottovalutare i suoi benefici, soprattutto quando l'AI commette errori diversi da quelli umani. Kottler suggerisce di monitorare nel tempo il grado di accordo tra radiologi e AI, intervenendo se la fiducia o la diffidenza diventano eccessive. Inoltre, raccomanda che gli strumenti AI forniscano una stima di affidabilità per ogni valutazione, dato che nessun radiologo può conoscere a fondo tutti i sistemi disponibili, che sono destinati a moltiplicarsi e diventare sempre più complessi.
La questione della collaborazione uomo-macchina non riguarda solo la medicina: anche in altri settori, come quello delle comunicazioni spaziali, la sinergia tra tecnologie avanzate e competenze umane è cruciale, come dimostra l'evoluzione degli standard per le reti lunari descritta in questo approfondimento sulle infrastrutture di comunicazione nello spazio.
Il futuro della radiologia con l'AI
"Siamo solo all'inizio della comprensione di come ottimizzare il sistema uomo/macchina", afferma Langlotz. La vera rivoluzione non sarà la sostituzione dei radiologi, ma il fatto che i professionisti che sapranno integrare l'AI nel proprio lavoro saranno quelli destinati a prevalere. In definitiva, la radiologia del futuro sarà sempre più un lavoro di squadra tra intelligenza umana e artificiale, con l'obiettivo di ridurre gli errori e migliorare la salute dei pazienti.
