In oncologia riduzione del carico di lavoro dei radiologi dell’80%

Milano, 20 maggio 2026 – Una rivoluzione silenziosa sta già riscrivendo la storia della medicina mentre accade. E pone due domande inevitabili: i professionisti sanitari sono formati per lavorare in questo nuovo ecosistema? E il sistema ECM è attrezzato per formarli? La risposta, oggi, è no. O almeno: non ancora. Sono le domande al centro del press lunch “Dove sta andando la formazione ECM nell’era dell’AI?” organizzato da Meduspace nell’ambito dell’AI Healthcare Summit all’AI Week di Milano che ha come obiettivo definire una roadmap strategica per implementare l’innovazione tecnologica, tenendo conto della sostenibilità economica del SSN e dell’urgenza di aggiornare i modelli formativi dei professionisti sanitari. 

“L’AI Healthcare Summit di Milano conferma che l’intelligenza artificiale non è un’opzione futura ma una realtà già operativa, capace di salvare vite e rendere i sistemi sanitari più equi ed efficienti. La sfida ora è culturale e formativa: medici, istituzioni e decisori devono essere nelle condizioni di governare questa transizione con competenza e visione”

ha dichiarato Susanna Priore, Presidente di ECM Quality Network e Coordinatrice delle Relazioni istituzionali di Meduspace.

Le applicazioni dell’AI sono praticamente infinite, eccone alcune.

Predizione e prevenzione – Algoritmi efficienti sono oggi in grado di rilevare segni precoci di malattia prima ancora che insorgano i sintomi, prevedendo con anni di anticipo, ad esempio, Alzheimer^[1], BPCO e malattie renali, attivando strategie di prevenzione che scongiurano danni e eventi acuti. Lo stesso approccio predittivo applicato a scala globale apre scenari inediti nel monitoraggio e nella prevenzione di epidemie e pandemie^[2].

Diagnostica di precisione – I software che analizzano le scansioni cerebrali nei pazienti colpiti da ictus raggiungono una precisione doppia rispetto alla media clinica, identificando anche il momento esatto dell’evento – informazione cruciale per scegliere il trattamento nelle finestre temporali critiche. In oncologia, i modelli AI riducono falsi positivi e negativi nella diagnosi del carcinoma mammario, abbattendo il carico di lavoro dei radiologi fino all’80%³^[3]. Non perché il medico non sappia fare il suo lavoro: perché l’AI elabora volumi di dati che nessun essere umano potrebbe processare nella stessa unità di tempo.

Equità nell’accesso alle cure – 4,5 miliardi di persone nel mondo non hanno accesso a servizi sanitari essenziali. L’AI può colmare almeno in parte questo gap, portando capacità diagnostica avanzata anche dove non arriva lo specialista. Nel triage, i sistemi AI possono ridurre il tasso di riammissioni del 30%, alleggerendo la pressione su strutture e professionisti^[4].

Scoperta di nuove cure – L’AI sta rivoluzionando la ricerca farmacologica: Insilico Medicine ha identificato un nuovo target per la fibrosi polmonare idiopatica e sviluppato un candidato farmaco in soli 18 mesi, un processo che tradizionalmente richiede 4-6 anni^[5]. I modelli generativi accelerano la progettazione di nuove molecole, mentre l’AI applicata alla medicina di precisione riduce le fasi di trial and error, identificando il profilo terapeutico ottimale per il singolo paziente. In oncologia, sistemi AI raggiungono già un tasso di corrispondenza del 93% con le raccomandazioni dei tumor board esperti^[6].

Sicurezza e supporto decisionale – I sistemi AI di supporto clinico, quando correttamente implementati, migliorano la stratificazione del rischio e la gestione della terapia farmacologica^[7]. Non come sostituti del giudizio clinico, ma come secondo sguardo sempre disponibile, sempre aggiornato. Si stima che negli Stati Uniti circa 800.000 persone muoiano o restino permanentemente disabili ogni anno a causa di errori diagnostici. In Italia gli errori medici sono quantificati in 1 milione l’anno. I sistemi AI di supporto decisionale clinico, quando correttamente implementati, migliorano il rilevamento degli errori, la stratificazione del rischio e la gestione della terapia farmacologica ^[8].

La formazione ECM nell’era dell’AI: il sistema deve cambiare passo

In Italia operano centinaia di migliaia di professionisti sanitari soggetti all’obbligo ECM. Un sistema formativo di questa scala possiede inevitabilmente tempi di adattamento lunghi: ogni evoluzione dei contenuti richiede mesi, spesso anni, per diffondersi in modo capillare nella pratica clinica. Nel frattempo, i modelli di intelligenza artificiale applicati alla medicina evolvono con cicli di aggiornamento mediamente compresi tra 6 e 12 mesi. Un percorso ECM tradizionale, tra progettazione, accreditamento ed erogazione, può richiedere 12-18 mesi. Questo significa che il sistema rischia di formare i professionisti su tecnologie, strumenti e paradigmi che, nel momento stesso in cui vengono trasferiti su larga scala, stanno già evolvendo verso una nuova configurazione operativa.

“La formazione ECM è ancora troppo spesso un adempimento: un corso, un credito, una casella spuntata. Non è così che si costruisce la capacità organizzativa di stare dentro una trasformazione di questa portata. Servono percorsi esperienziali, contaminazione con contesti reali, confronto diretto con chi l’AI la usa già – ogni giorno, in clinica, in azienda. È su questo terreno che si posiziona Meduspace: come ecosistema formativo e relazionale – fisico e strutturato – dove professionisti sanitari, ingegneri clinici, farmacologi ed esperti di AI si confrontano in contesti operativi reali, attraverso casi concreti e l’incontro diretto con chi questa transizione la sta già vivendo dall’interno. Il sistema ECM deve evolversi per essere all’altezza di questo momento. Meduspace è qui per accompagnare quella evoluzione, attraverso un confronto costruttivo con le istituzioni, AGENAS, Commissione ECM e Società Medico Scientifiche” ha dichiarato Sebastiano Di Guardo, CEO di Meduspace.

Di fronte a questa trasformazione, il sistema di formazione continua dei professionisti sanitari mostra i suoi limiti strutturali: saper leggere l’output di un algoritmo diagnostico, riconoscere un’allucinazione di un modello linguistico, valutare criticamente una raccomandazione generata dall’AI. Non si tratta di competenze di nicchia riservate ai “tecnologici” dell’ospedale: sono competenze trasversali che ogni clinico, ogni farmacista, ogni manager sanitario dovrà padroneggiare.