Razionale scientifico

L'intelligenza artificiale sta trasformando la medicina non come semplice innovazione tecnologica, ma come vero e proprio cambiamento di paradigma nel modo di pensare la cura, il processo decisionale clinico e l'organizzazione dei sistemi sanitari. Guida facile all'intelligenza artificiale in medicina nasce con l'obiettivo di accompagnare i professionisti della salute all'interno di questa trasformazione, fornendo una comprensione solida, critica e accessibile dei fondamenti dell'IA e delle sue principali applicazioni in ambito medico, senza ricorrere a tecnicismi superflui né a semplificazioni fuorvianti. Il volume propone una visione di "intelligenza aumentata", in cui l'IA non sostituisce il ruolo del professionista, ma ne potenzia le capacità decisionali, interpretative e relazionali. Attraverso un percorso strutturato e progressivo, il libro introduce i concetti chiave dell'intelligenza artificiale – dal machine learning al deep learning, dal natural language processing ai large language models, fino ai sistemi agentici e ai digital twins – spiegandone il funzionamento di base e chiarendone le potenzialità reali e i limiti operativi. L'attenzione è costantemente rivolta alla pratica clinica, con esempi concreti che mostrano come l'IA sia già oggi utilizzata per supportare la diagnosi, la predizione della prognosi, la personalizzazione delle terapie, l'analisi di immagini diagnostiche, segnali fisiologici e dati testuali provenienti dalle cartelle cliniche. Un tema centrale del volume è il ruolo dei dati: quantità, qualità, rappresentatività ed eterogeneità delle informazioni sono analizzate come fattori determinanti per lo sviluppo di modelli affidabili ed equi. In questo contesto, il libro introduce il concetto di real world data e ne discute l'impatto sull'evoluzione della medicina di precisione, evidenziando al contempo i rischi di bias, opacità algoritmica e disuguaglianze sanitarie che possono emergere da un uso non critico dell'IA. Ampio spazio è dedicato alla capacità predittiva dei modelli, alle applicazioni generative e all'uso consapevole degli LLM, sempre con l'obiettivo di fornire strumenti di comprensione piuttosto che soluzioni preconfezionate. Accanto agli aspetti tecnico-applicativi, il testo affronta in modo sistematico le dimensioni etiche, regolatorie e di governance dell'intelligenza artificiale in medicina. Vengono discussi temi cruciali come la responsabilità professionale, la trasparenza degli algoritmi, la sicurezza dei dati, la tutela della privacy e il rapporto tra evidenza scientifica e decisione clinica. In questa prospettiva, il libro invita i professionisti sanitari a diventare attori consapevoli e partecipi dello sviluppo e dell'implementazione dell'IA, superando la visione della tecnologia come "scatola nera" e promuovendo un approccio umano-centrico e sostenibile.

Programma

Responsabili del corso

• Diana Ferro

  Responsabile scientifico

  Specializzazione: Applicazioni dell'IA alla pratica clinica, analisi dei dati sanitari, modelli predittivi, utilizzo responsabile delle tecnologie digitali in sanità

  Struttura: Ospedale Pediatrico Bambino Gesù IRCCS, Roma

  Ruolo: Ricercatrice, Unità di Ricerca di Medicina Predittiva e Preventiva, Ospedale Pediatrico Bambino Gesù IRCCS; membro Società Italiana di Intelligenza Artificiale in Medicina

  Profilo: Attività di ricerca focalizzata sull'integrazione tra conoscenza clinica, dati real-world e strumenti di IA. Impegnata nella formazione e divulgazione per professionisti sanitari con approccio umano-centrico.

• Alberto E. Tozzi

  Responsabile scientifico

  Specializzazione: Medicina predittiva e preventiva, intelligenza artificiale applicata alla medicina, tecnologie digitali in sanità

  Struttura: Ospedale Pediatrico Bambino Gesù IRCCS, Roma

  Ruolo: Ricercatore e clinico presso Ospedale Pediatrico Bambino Gesù IRCCS; membro di reti e società scientifiche internazionali dedicate all'innovazione in sanità e all'IA applicata alla medicina

  Profilo: Autore di numerose pubblicazioni scientifiche su riviste internazionali. Si occupa di ruolo dei dati, modelli predittivi e IA come strumenti di supporto alla decisione clinica, con approccio orientato alla sicurezza, equità e centralità del paziente.

Domande frequenti