L'intelligenza artificiale sostituirà i radiologi?

Ogni volta che un nuovo modello di intelligenza artificiale viene presentato in modo accattivante, riaffiora la stessa preoccupazione: se l'intelligenza artificiale sostituirà i radiologi? È una preoccupazione legittima. La radiologia è un'attività ricca di immagini, ricca di pattern, e i computer amano i pattern come i bambini amano i pulsanti.

Ecco la risposta più chiara: l'intelligenza artificiale sta già cambiando la radiologia, rapidamente... e sta soprattutto rimodellando la struttura del lavoro, non cancellandola. Alcune mansioni si ridurranno. Alcuni flussi di lavoro si invertiranno. Il radiologo che non si adatta mai potrebbe essere messo da parte. Eppure, la sostituzione completa, nella complessa realtà dell'assistenza clinica, è tutta un'altra storia.

Articoli che potrebbero interessarti dopo questo:

🔗 L'intelligenza artificiale sostituirà i medici: il futuro della medicina
Uno sguardo realistico al ruolo dell'intelligenza artificiale nella pratica medica moderna.

🔗 Come l'intelligenza artificiale aiuta l'agricoltura
Come l'intelligenza artificiale migliora le rese, la pianificazione e il processo decisionale in azienda.

🔗 Perché l'intelligenza artificiale è dannosa per la società
Rischi quali pregiudizi, perdita del lavoro, sorveglianza e disinformazione sono dannosi.

🔗 Come l'intelligenza artificiale rileva le anomalie
Come i modelli segnalano comportamenti insoliti nei dati e nei sistemi.

La cruda realtà: cosa sta facendo l'intelligenza artificiale in questo momento ✅

Oggi l'intelligenza artificiale in radiologia è efficace soprattutto in lavori specifici:

• Segnalazione di risultati urgenti in modo che gli studi spaventosi saltino la coda (triage) 🚨

• Individuazione di “schemi noti” come noduli, emorragie, fratture, emboli, ecc.

• Misurare cose che gli umani possono misurare ma odiano misurare (volumi, dimensioni, cambiamenti nel tempo) 📏

• Aiutare i programmi di screening a gestire il volume senza esaurire le persone

E non si tratta solo di clamore: l'intelligenza artificiale regolamentata per la radiologia clinica rappresenta già una grande fetta del panorama dei dispositivi di intelligenza artificiale clinica . Una revisione tassonomica del 2025 dei dispositivi medici di intelligenza artificiale/apprendimento automatico autorizzati dalla FDA (che copre le autorizzazioni elencate dalla FDA al 20 dicembre 2024 ) ha rilevato che la maggior parte dei dispositivi accetta immagini come input e la radiologia era il comitato di revisione principale per la maggior parte. Questo è un grande indicatore di dove si posizionerà per prima l'"intelligenza artificiale clinica". [1]

Ma “utile” non è la stessa cosa di “sostituzione autonoma del medico”. Un avvocato diverso, un rischio diverso, una responsabilità diversa…

Perché la “sostituzione” è il modello mentale sbagliato il più delle volte 🧠

La radiologia non è solo "guarda i pixel, dai un nome alla malattia"

In pratica, i radiologi svolgono attività come:

• Decidere se la domanda clinica corrisponde effettivamente all'esame ordinato

• Valutare i precedenti, la storia chirurgica, gli artefatti e i casi limite più complessi

• Chiamare il medico curante per chiarire cosa sta realmente succedendo

• Raccomandare i passaggi successivi, non solo etichettare un risultato

• Assumersi la responsabilità medico-legale del referto

Ecco una rapida scena del tipo "sembra tutto noioso, vero?":

Sono le 02:07. TAC cranica. Artefatto da movimento. L'anamnesi dice "vertigini", la nota dell'infermiere dice "caduta" e l'elenco degli anticoagulanti dice "oh-oh".
Il lavoro non è "pixel di sanguinamento localizzati". Il lavoro è triage + contesto + rischio + chiarezza sul passo successivo.

Ecco perché il risultato più comune nell'impiego clinico è che l'intelligenza artificiale supporta i radiologi anziché eliminarli.

E diverse società di radiologia sono state esplicite riguardo al livello umano: una dichiarazione etica multisocietaria (ACR/ESR/RSNA/SIIM e altre) inquadra l'intelligenza artificiale come qualcosa che i radiologi devono gestire in modo responsabile, inclusa la realtà che i radiologi rimangono in ultima analisi responsabili dell'assistenza ai pazienti in un flusso di lavoro supportato dall'intelligenza artificiale. [2]

Cosa rende una buona versione dell'intelligenza artificiale per la radiologia? 🔍

Se si sta valutando un sistema di intelligenza artificiale (o si sta decidendo se fidarsi o meno), la "versione valida" non è quella con la demo più accattivante. È quella che sopravvive al contatto con la realtà clinica.

Un buon strumento di intelligenza artificiale per la radiologia tende ad avere:

• Ambito chiaro : fa bene una cosa (o un insieme di cose ben definite)

• Validazione solida : testata su diversi siti, scanner e popolazioni

• Workflow fit : si integra in PACS/RIS senza rendere tutti infelici

• Basso rumore : meno avvisi indesiderati e falsi positivi (altrimenti li ignorerai)

• Spiegabilità che aiuta : non è una trasparenza perfetta, ma sufficiente per verificare

• Governance - monitoraggio di derive, fallimenti, pregiudizi inaspettati

• Responsabilità : chiarezza su chi firma, chi si assume la responsabilità degli errori, chi li segnala

Inoltre: "è approvato dalla FDA" (o equivalente) è un segnale significativo, ma non è una garanzia di sicurezza. Persino l'elenco dei dispositivi abilitati all'intelligenza artificiale della FDA è presentato come una risorsa di trasparenza non esaustiva , e il suo metodo di inclusione dipende in parte da come i dispositivi descrivono l'intelligenza artificiale nei materiali pubblici. Traduzione: è ancora necessaria una valutazione locale e un monitoraggio continuo. [3]

Sembra noioso... e la noia è una buona cosa in medicina. La noia è sicura 😬

Tabella comparativa: le opzioni di intelligenza artificiale più comuni che i radiologi effettivamente incontrano 📊

Spesso i prezzi si basano su preventivi, quindi mantengo questa parte vaga (perché tende a esserlo).

Confessione di una stranezza di formattazione: il "prezzo" rimane vago perché i venditori amano i prezzi vaghi. Non sono io che cerco di evitare le offerte, è il mercato 😅

Dove l'intelligenza artificiale può superare l'uomo medio nelle corsie strette 🏁

L'intelligenza artificiale dà il meglio di sé quando il compito è:

• Altamente ripetitivo

• Modello stabile

• Ben rappresentato nei dati di addestramento

• Facile da valutare rispetto a uno standard di riferimento

In alcuni flussi di lavoro in stile screening, l'intelligenza artificiale può agire come un ulteriore set di occhi molto coerente. Ad esempio, un'ampia valutazione retrospettiva di un sistema di intelligenza artificiale per lo screening del seno ha riportato prestazioni medie più elevate nel confronto tra lettori (in base all'AUC in uno studio sui lettori) e persino una riduzione simulata del carico di lavoro in una configurazione di doppia lettura in stile britannico. Questa è la vittoria della "corsia stretta": lavoro con modelli coerenti, su larga scala. [4]

Ma ripeto… questo è un supporto al flusso di lavoro, non “l’intelligenza artificiale sostituisce il radiologo che è responsabile del risultato”

Dove l'intelligenza artificiale è ancora in difficoltà (e non è una cosa da poco) ⚠️

L'intelligenza artificiale può essere impressionante e tuttavia fallire in modi clinicamente rilevanti. Punti critici comuni:

• Casi fuori distribuzione : malattie rare, anatomia insolita, stranezze post-operatorie

• Cecità contestuale : i risultati delle immagini senza la “storia” possono trarre in inganno

• Sensibilità degli artefatti : movimento, metallo, impostazioni strane dello scanner, temporizzazione del contrasto... cose divertenti

• Falsi positivi : una giornata negativa con l'intelligenza artificiale può creare lavoro extra invece di far risparmiare tempo

• Fallimenti silenziosi : quelli pericolosi, quando si perde qualcosa silenziosamente

• Deriva dei dati : le prestazioni cambiano quando cambiano protocolli, macchine o popolazioni

Quest'ultimo non è teorico. Anche i modelli di immagini ad alte prestazioni possono deviare quando cambia il modo in cui le immagini vengono acquisite (sostituzioni hardware dello scanner, aggiornamenti software, modifiche alla ricostruzione), e tale deviazione può modificare la sensibilità/specificità clinicamente significativa in modi che determinano danni. Ecco perché "monitoraggio in produzione" non è una parola d'ordine: è un requisito di sicurezza. [5]

Inoltre, e questo è fondamentale, la responsabilità clinica non si trasferisce all'algoritmo . In molti casi, il radiologo rimane il firmatario responsabile, il che limita il grado di indifferenza che si può realisticamente mantenere. [2]

Il lavoro del radiologo che cresce, non si riduce 🌱

In un colpo di scena, l'intelligenza artificiale può rendere la radiologia più "medica", non meno.

Con l'espansione dell'automazione, i radiologi spesso dedicano più tempo a:

• Casi difficili e pazienti con problemi multipli (quelli che l'IA odia)

• Protocollo, appropriatezza e progettazione del percorso

• Spiegare i risultati ai medici, ai comitati oncologici e, a volte, ai pazienti 🗣️

• Radiologia interventistica e procedure guidate dalle immagini (per lo più non automatizzate)

• Leadership di qualità: monitoraggio delle prestazioni dell'IA, creazione di un'adozione sicura

C'è anche il ruolo "meta": qualcuno deve supervisionare le macchine. È un po' come il pilota automatico: servono comunque i piloti. Metafora un po' imperfetta, forse... ma il concetto è chiaro.

L'intelligenza artificiale sostituisce i radiologi: la risposta diretta 🤷♀️🤷♂️

• A breve termine: sostituisce parti di lavoro (misurazioni, triage, alcuni modelli di seconda lettura) e modifica marginalmente le esigenze di personale.

• A lungo termine: potrebbe automatizzare notevolmente alcuni flussi di lavoro di screening, ma nella maggior parte dei sistemi sanitari sono ancora necessari la supervisione umana e l'escalation.

• Risultato più probabile: i radiologi e l'intelligenza artificiale ottengono risultati migliori da soli e il lavoro si sposta verso la supervisione, la comunicazione e il processo decisionale complesso.

Se sei uno studente di medicina o un giovane medico: come prepararti al futuro (senza farti prendere dal panico) 🧩

Alcune mosse pratiche che possono aiutarti, anche se non sei un esperto di tecnologia:

• Scopri come l'intelligenza artificiale fallisce (bias, deriva, falsi positivi): questa è l'alfabetizzazione clinica [5]

• Acquisisci familiarità con i fondamenti del flusso di lavoro e dell'informatica (PACS, reporting strutturato, QA)

• Sviluppare forti abitudini comunicative: lo strato umano diventa più prezioso

• Se possibile, unisciti a un gruppo di valutazione o di governance dell'IA nel tuo ospedale

• Concentrarsi su aree con contesto elevato + procedure (IR, neurologia complessa, imaging oncologico)

E sì, sii la persona che può dire: "Questo modello è utile qui, pericoloso lì, ed ecco come lo monitoriamo". Quella persona diventa difficile da sostituire.

Riepilogo + breve riassunto 🧠✨

L'intelligenza artificiale rimodellerà completamente la radiologia, e fingere il contrario è una strategia accettabile. Ma la narrazione "i radiologi sono spacciati" è per lo più un'esca da click con tanto di camice da laboratorio.

Breve riassunto

• L'intelligenza artificiale è già utilizzata per il triage, il supporto al rilevamento e l'ausilio alla misurazione.

• È ottimo per compiti specifici e ripetitivi, ma è instabile con situazioni cliniche rare e ad alto contesto.

• I radiologi non si limitano a individuare schemi: contestualizzano, comunicano e si assumono la responsabilità.

• Il futuro più realistico è quello in cui “i radiologi che usano l’intelligenza artificiale” sostituiscono i “radiologi che la rifiutano”, non in cui l’intelligenza artificiale sostituisce completamente la professione. 😬🩻

Riferimenti

1. Singh R. et al., npj Digital Medicine (2025) - Una revisione tassonomica che copre 1.016 autorizzazioni per dispositivi medici AI/ML autorizzati dalla FDA (elencati fino al 20 dicembre 2024), evidenziando la frequenza con cui l'intelligenza artificiale medica si basa su input di imaging e la frequenza con cui la radiologia è il comitato di revisione principale. Leggi di più

2. Dichiarazione multisocietaria ospitata da ESR : un inquadramento etico intersocietario per l'intelligenza artificiale in radiologia, che enfatizza la governance, l'implementazione responsabile e la continua responsabilità dei medici all'interno dei flussi di lavoro supportati dall'intelligenza artificiale. Leggi di più

3. Pagina della FDA statunitense sui dispositivi medici abilitati all'intelligenza artificiale : elenco di trasparenza e note metodologiche della FDA per i dispositivi medici abilitati all'intelligenza artificiale, comprese avvertenze sull'ambito e su come viene determinata l'inclusione. Leggi di più

4. McKinney SM et al., Nature (2020) - Una valutazione internazionale di un sistema di intelligenza artificiale per lo screening del cancro al seno, che include analisi di confronto tra lettori e simulazioni dell'impatto del carico di lavoro in un ambiente a doppia lettura. Leggi di più

5. Roschewitz M. et al., Nature Communications (2023) - Ricerca sulla deriva delle prestazioni in caso di spostamento dell'acquisizione nella classificazione delle immagini mediche, che illustra perché il monitoraggio e la correzione della deriva sono importanti nell'intelligenza artificiale per l'imaging implementata. Leggi di più

Trova l'ultima intelligenza artificiale nello store ufficiale di AI Assistant

Chi siamo