Una rassegna principale pubblicata su Frontiers in Science il 1 settembre, a firma di autori di Imperial College London, Stanford, Yale e Harvard Law School, esamina dove l'AI medica è arrivata davvero. La sua osservazione centrale è che l'FDA's AI-Enabled Medical Devices List conta più di 1.500 voci, mentre quasi nessuna di queste tecnologie è arrivata alla pratica clinica quotidiana.

Ciò che la cornice più diffusa sbaglia

Prima di citare il numero, servono tre correzioni. Primo, quelle oltre 1.500 voci sono in larghissima parte autorizzazioni 510(k) — valutazioni di sostanziale equivalenza rispetto a un dispositivo già commercializzato — non approvazioni FDA. La stessa espressione della rassegna, “regulatory-approved”, è lo slittamento standard, e la distinzione fa tutta la differenza tra un dispositivo dimostrato sicuro ed efficace e uno dimostrato simile a uno già in vendita.

Il risultato della prova è la non inferiorità

Secondo, l'evidenza randomizzata in prima pagina è una sperimentazione su oltre 80.000 donne nello screening mammografico — non nella radiografia del torace, come talvolta viene resa — e il risultato è che lo screening supportato dall'AI è risultato non inferiore alla doppia lettura standard. L'AI ha eguagliato due radiologi; non li ha superati. La non inferiorità è un risultato reale e rilevante sul piano economico, e non è il risultato di solito riportato.

Una rassegna non è uno studio

Terzo, si tratta di un articolo di rassegna. Nessun nuovo dato è stato raccolto. I resoconti che parlano di un “nuovo studio” secondo cui l'AI può prevedere 3.000 malattie stanno citando una fonte all'interno di una rassegna della letteratura: i modelli addestrati su biobanche che prevedono oltre 3.000 malattie non diagnosticate al momento dell'arruolamento, e il transformer Delphi-2M che modella traiettorie su più di 1.000 malattie, sono lavori altrui riassunti. Un altro dato merita di essere collocato nel tempo: il 73% dei professionisti della cybersecurity sanitaria che segnalano sistemi operativi obsoleti proviene da un sondaggio del 2021, quindi vecchio di cinque anni.

Perché una rassegna deflazionistica è quella utile

La firma degli autori è insolitamente senior e interdisciplinare, mettendo insieme ricercatori clinici e di machine learning con uno studioso di policy sanitaria di Harvard Law. La sua tesi — che l'AI clinicamente matura e autorizzata dai regolatori negli ospedali di oggi sia quasi interamente diagnostica deep learning convenzionale, e che l'ondata generativa non sia entrata nell'assistenza di routine — è una correzione diretta alla narrazione secondo cui l'AI starebbe già trasformando la medicina.