13
min di lettura
ChatGPT nel supporto decisionale clinico: capacità e limiti
Esplora il ruolo di ChatGPT nel supporto decisionale clinico: dove aiuta, dove fallisce e come valutare gli strumenti IA in modo sicuro in ambito sanitario

ChatGPT può ridurre il carico di documentazione, supportare i clinici non specialisti nella diagnosi differenziale e migliorare la comunicazione con i pazienti. Non è validato per decisioni cliniche ad alto rischio, non è un dispositivo medico regolamentato e non dovrebbe essere usato con dati identificabili dei pazienti in assenza di accordi aziendali specifici.
Cosa significa "supporto decisionale clinico" nel 2026
Il supporto decisionale clinico non è una singola tecnologia, ma uno spettro. A un'estremità ci sono gli avvisi passivi basati su regole: un sistema di prescrizione che segnala una combinazione di farmaci controindicata, o un promemoria che una paziente è in ritardo per il pap test. All'altra estremità si trovano strumenti attivi basati su intelligenza artificiale capaci di interpretare dati clinici non strutturati, generare diagnosi differenziali o raccomandare percorsi terapeutici in tempo reale.
Questa distinzione è importante per valutare il rischio. Un avviso basato su regole che si attiva per errore è fastidioso. Un modello linguistico di grandi dimensioni che genera con sicurezza una diagnosi differenziale plausibile ma sbagliata in un caso complesso può contribuire a danni al paziente. Nel 2026, ChatGPT e i suoi equivalenti occupano una posizione ben precisa in questo spettro: sono straordinariamente capaci nelle attività linguistiche, ma non sono stati progettati, addestrati o validati come dispositivi medici.
Come funzionano gli LLM: cosa i clinici devono sapere
I modelli linguistici di grandi dimensioni, o LLM, generano testo prevedendo parola per parola il termine statisticamente più probabile sulla base dei pattern appresi da enormi quantità di dati di addestramento. Non ragionano come un clinico. Non accedono a una base di conoscenza strutturata, non consultano una farmacopea e non applicano regole logiche. Producono risposte linguisticamente coerenti e spesso accurate perché le informazioni corrette erano ben rappresentate nei loro dati di addestramento.
Questo meccanismo è fondamentalmente diverso dai sistemi di supporto decisionale clinico basati su regole, e la differenza ha conseguenze pratiche. Un sistema basato su regole segnala sempre una specifica interazione farmacologica, se la logica è codificata correttamente. Un LLM può farlo o meno, a seconda di come viene formulata la domanda, di cosa era presente nei suoi dati di addestramento e della variabilità probabilistica intrinseca dei suoi output.
Dove gli LLM mostrano utilità reale nei flussi di lavoro clinici
Nonostante questi limiti strutturali, le evidenze sull'utilità degli LLM in specifiche attività cliniche sono in crescita. Una revisione esplorativa di 28 studi pubblicata su Health Science Reports ha identificato il supporto decisionale clinico e la formazione medica come i vantaggi più frequentemente citati di ChatGPT in ambito sanitario.
L'area con le evidenze più solide è la documentazione clinica. Una sintesi pubblicata su Frontiers in Artificial Intelligence ha rilevato risparmi di tempo del 40–70% nelle attività di documentazione quando gli LLM hanno supportato la generazione e il riepilogo delle note. È un beneficio concreto, misurabile e replicabile su volumi elevati, che colloca questa applicazione tra quelle con il rapporto più favorevole tra utilità e rischio.
Sul fronte diagnostico, uno studio del giugno 2026 su NPJ Digital Medicine ha valutato ChatGPT-4o su 100 casi reali di polineuropatia, rilevando che il modello ha raggiunto un'accuratezza diagnostica principale del 65,5%, paragonabile a quella dei neurologi non specialisti (63,0%), sebbene inferiore a quella degli specialisti (74,0%). I non specialisti hanno rivisto le proprie valutazioni nel 21,8% dei casi dopo aver esaminato i suggerimenti del modello, migliorando la propria accuratezza. ChatGPT-4o ha superato i non specialisti anche nelle diagnosi differenziali (82,0% contro 77,5%) e nella raccomandazione di test di conferma appropriati (68,0% contro 53,0%). Questi dati indicano un ruolo utile di secondo livello per il medico non specialista, con il modello che integra il giudizio clinico senza sostituire la competenza specialistica.
Gli LLM mostrano utilità concreta anche nella stesura di lettere, nella spiegazione delle diagnosi in linguaggio accessibile ai pazienti e nell'identificazione rapida degli studi rilevanti. Una revisione sistematica pubblicata sul Journal of Medical Internet Research nel maggio 2026 lungo il percorso di cura del cancro colorettale ha rilevato utilità nell'automatizzare l'estrazione di dati da testi clinici e nel supportare la formazione dei pazienti, con vantaggi dei modelli specifici per dominio rispetto a quelli generici in determinate attività. In tutte queste aree, i risultati richiedono verifica da parte del clinico.
Le limitazioni che contano clinicamente: allucinazioni, calibrazione e casi complessi
La limitazione clinicamente più rilevante degli LLM è l'allucinazione, ovvero la generazione di informazioni plausibili ma gravemente errate. Un'analisi del novembre 2025 sui rischi di allucinazione negli LLM impiegati in ambito sanitario ha rilevato che gli output errati ma credibili possono spingere i clinici verso interventi dannosi. Il rischio è maggiore quando l'errore si allinea con un sospetto clinico già presente: il modello conferma ciò che il clinico già pensa, e l'errore non viene messo in discussione.
Il problema è aggravato da una scarsa calibrazione della sicurezza. Una valutazione completa di quattro LLM su casi reumatologici complessi, pubblicata su Health Informatics Journal nell'aprile 2026, ha rilevato associazioni uniformemente deboli e non significative tra qualità del ragionamento e certezza espressa in tutti i modelli. In pratica, i modelli non sapevano in modo affidabile quando sbagliavano. ChatGPT ha mostrato il tasso di allucinazione più basso tra i quattro modelli testati (7,4%), rispetto al 18,5% di Gemini, ma anche un tasso del 7,4% espresso con la stessa sicurezza di una risposta corretta rappresenta un rischio concreto in ambito clinico.
Tre ulteriori limitazioni meritano attenzione. Gli LLM sono addestrati su dati fino a un punto fisso nel tempo: linee guida, approvazioni di farmaci e avvisi di sicurezza emessi dopo quella data non si rifletteranno nelle risposte, a meno che il modello non abbia accesso a strumenti di recupero in tempo reale. Le prestazioni degradano nei casi complessi: uno studio basato su simulazione pubblicato su Healthcare (MDPI) nel luglio 2025 ha rilevato che l'affidabilità di ChatGPT è diminuita significativamente nei casi cardiovascolari con comorbilità, proprio nella popolazione di pazienti più frequentemente seguita nell'assistenza specialistica. Sul rilevamento delle interazioni farmacologiche, uno studio europeo pubblicato su Clinical Pharmacology & Therapeutics nel febbraio 2025 ha rilevato che ChatGPT ha prodotto risposte diverse nel 90% dei casi quando la stessa domanda sull'interazione farmaco-farmaco è stata ripetuta, mancando interazioni clinicamente rilevanti. Gli autori hanno concluso che ChatGPT non può attualmente essere raccomandato per questo caso d'uso.
C'è poi il bias di automazione: la tendenza dei clinici ad affidarsi a un suggerimento generato dall'IA anche quando il loro giudizio clinico li avrebbe portati a una conclusione diversa e potenzialmente più accurata. Il benchmark AgentClinic, pubblicato su NPJ Digital Medicine nell'aprile 2026, ha rilevato che l'accuratezza diagnostica degli LLM in scenari clinici sequenziali e interattivi può scendere a meno di un decimo dell'accuratezza registrata su domande statiche equivalenti. Gli incontri clinici reali sono sequenziali e dinamici; la maggior parte delle valutazioni di benchmark non lo è. Questo divario tra performance su test strutturati e performance in contesti reali è probabilmente il dato più importante da tenere a mente quando si leggono i titoli sui modelli che "superano i medici".
Stato normativo e responsabilità: il vuoto che i clinici devono conoscere
I modelli linguistici generici come ChatGPT non sono commercializzati con uno scopo medico dichiarato, quindi non portano la marcatura CE come dispositivi medici ai sensi del Regolamento sui dispositivi medici (MDR) dell'Unione Europea. Questo crea un vuoto di responsabilità significativo. Quando un clinico usa uno strumento di supporto decisionale clinico regolamentato, dispone di una base di evidenze validata, di un uso previsto definito, di un quadro di responsabilità del produttore e di una traccia di audit normativa. Quando usa ChatGPT nella versione consumer per supportare una decisione clinica, nessuna di queste tutele si applica: la responsabilità clinica ricade interamente sul clinico.
La distinzione determina se uno strumento è stato testato su popolazioni di pazienti reali, se i suoi risultati sono stati validati rispetto agli esiti clinici e se esiste un meccanismo di sorveglianza post-commercializzazione in caso di danni. È una questione di sicurezza strutturale, non burocratica.
Dati dei pazienti e GDPR: un rischio di conformità spesso sottovalutato
Inserire dati identificabili dei pazienti in strumenti LLM rivolti ai consumatori solleva preoccupazioni significative in materia di sicurezza dei dati e privacy. Ai sensi del Regolamento generale sulla protezione dei dati (GDPR) del Regno Unito e del GDPR dell'UE, i dati dei pazienti sono dati di categoria speciale e richiedono una base giuridica esplicita per il trattamento. Inserire nome, data di nascita, anamnesi clinica o risultati di esami in uno strumento LLM consumer costituisce quasi certamente un trattamento di dati personali da parte di un titolare terzo, senza un accordo sul trattamento dei dati, senza una base giuridica e potenzialmente con i dati archiviati in giurisdizioni al di fuori del Regno Unito o dell'UE.
La distinzione tra ChatGPT nella versione consumer e le implementazioni aziendali o specifiche per la sanità non è trascurabile. Gli accordi aziendali possono includere impegni a non usare gli input per addestrare il modello, una residenza dei dati definita e un accordo formale sul trattamento. Gli strumenti consumer non offrono nessuna di queste protezioni per impostazione predefinita. Prima di usare qualsiasi strumento di IA in un contesto clinico, i clinici dovrebbero verificare: se esiste un accordo sul trattamento dei dati; dove i dati vengono elaborati e archiviati; se il team di governance delle informazioni della propria organizzazione ha approvato lo strumento; e se i dati dei pazienti possono essere de-identificati prima dell'inserimento senza perdere utilità clinica.
IA clinica appositamente costruita versus LLM generici: cosa cambia davvero
Il confronto non riguarda solo il modello sottostante, ma l'intera architettura di implementazione. Uno studio di benchmark pubblicato su NPJ Digital Medicine nel dicembre 2025 ha testato sei LLM su 30 metriche che coprono diversi domini del supporto decisionale clinico: i modelli medici specifici per dominio hanno mostrato vantaggi costanti rispetto ai modelli generici, con punteggi massimi più elevati sia in sicurezza (0,912) che in efficacia (0,861), mentre le prestazioni complessive si sono attestate al 57,2% con un calo del 13,3% negli scenari ad alto rischio.
Gli strumenti di IA clinica appositamente costruiti per ambienti sanitari regolamentati offrono output validati testati rispetto agli esiti clinici, tracce di audit che supportano la governance clinica, integrazione con il sistema di cartelle cliniche e certificazione come dispositivo medico ai sensi dei quadri normativi pertinenti. Definiscono anche usi previsti circoscritti, che limitano lo strumento alle attività per cui le sue prestazioni sono state valutate. Il modello linguistico sottostante può essere simile o identico a un LLM generico: ciò che cambia è il livello di governance, le evidenze di validazione e la responsabilità normativa.
Cosa dicono realmente le evidenze: limiti metodologici da non ignorare
Gli LLM hanno raggiunto punteggi nell'intervallo 80–90% negli esami di abilitazione medica come l'USMLE (United States Medical Licensing Examination), un risultato che ha generato notevole attenzione mediatica. Questi esami valutano il richiamo e il ragionamento strutturato su problemi ben definiti, senza replicare l'ambiguità, la pressione temporale, le informazioni incomplete e il processo decisionale sequenziale degli incontri clinici reali. Il punteggio all'USMLE dice qualcosa sull'ampiezza delle conoscenze del modello. Le prestazioni con un paziente reale con tre comorbilità e una storia clinica frammentata sono una questione separata, e i dati disponibili su questo fronte sono meno rassicuranti.
La qualità degli studi è variabile. La revisione sistematica degli LLM nella cura del cancro colorettale ha rilevato che solo il 27% degli studi inclusi presentava un basso rischio di bias, con criticità nella misurazione degli esiti, nella selezione dei pazienti e nella mancanza di valutazione in cieco. Un consenso di esperti del 2025 pubblicato su ScienceDirect ha identificato la mancanza di metodologie di valutazione coerenti come una barriera significativa all'implementazione sicura, e un commento pubblicato sul Journal of the American Medical Informatics Association nel gennaio 2025 ha osservato che limitazioni chiave e aree di ricerca futura rimangono irrisolte. Senza criteri standardizzati, confrontare le prestazioni tra gli studi è difficile, e i titoli ottimistici spesso riflettono benchmark selezionati piuttosto che prestazioni medie.
Le prestazioni variano sostanzialmente a seconda della specialità. Le evidenze sono più solide nelle aree con set di dati di addestramento ampi e ben strutturati, tra cui le presentazioni comuni nell'assistenza primaria, la stadiazione oncologica e l'interpretazione radiologica. Le prestazioni in caso di malattie rare, multi-morbilità complessa e presentazioni acute sensibili al tempo sono meno ben caratterizzate. Uno studio che valutava cinque LLM su 50 scenari clinici di mieloma multiplo, esaminati da tre ematologo-oncologi indipendenti, ha concluso che le raccomandazioni terapeutiche degli LLM richiedono un'attenta supervisione clinica per garantire la sicurezza dei pazienti, anche in un contesto di valutazione strutturato e specifico per l'oncologia.
Uso appropriato versus dipendenza inappropriata: dove tracciare il confine
Le evidenze supportano una posizione sfumata. Le attività a basso rischio e alto volume come l'assistenza alla documentazione, la stesura di lettere ai pazienti e il riepilogo della letteratura sono quelle in cui gli LLM offrono il massimo beneficio con il minimo rischio, a condizione che siano rispettati i requisiti di governance dei dati dei pazienti. Le decisioni diagnostiche o prescrittive ad alto rischio, in particolare in presentazioni complesse, con multi-morbilità o in caso di malattie rare, richiedono strumenti validati e regolamentati con usi previsti definiti e supervisione clinica integrata nel flusso di lavoro. Gli strumenti consumer privi di accordi aziendali sui dati non dovrebbero essere usati con dati identificabili dei pazienti in nessuna circostanza, indipendentemente dall'attività clinica.
Lo studio degli Annals of Biomedical Engineering su ChatGPT nel supporto decisionale clinico ha concluso che la supervisione di esperti umani rimane essenziale in tutte le applicazioni. Il preprint ChatGPT-CARE ha identificato limiti specifici di ChatGPT nella versione base in contesti clinici, tra cui il mancato rispetto delle linee guida di pratica clinica, la scarsa trasparenza del ragionamento e risposte eccessivamente generali, e ha proposto l'apprendimento in contesto e il prompting a catena di pensiero come strategie di mitigazione per strumenti appositamente costruiti. Dato lo stato attuale dell'accuratezza, della calibrazione e della validazione normativa degli LLM, la supervisione del clinico è un requisito strutturale, non una misura temporanea in attesa di un'IA migliore.
Domande frequenti
▶ ChatGPT è un dispositivo medico regolamentato per il supporto decisionale clinico?
No. Poiché ChatGPT non è commercializzato con uno scopo medico dichiarato, non porta la marcatura CE ai sensi del Regolamento sui dispositivi medici dell'UE. In pratica, il clinico che lo usa per supportare una decisione clinica assume in proprio l'intera responsabilità, senza le tutele previste per i dispositivi regolamentati.
▶ Quali attività cliniche mostrano l'evidenza più forte per l'utilità degli LLM?
La documentazione clinica è l'area con il profilo rischio-beneficio più favorevole: risparmi di tempo del 40-70% su volumi elevati, con un impatto diretto sul carico amministrativo del clinico. Il supporto alla diagnosi differenziale per i non specialisti mostra risultati promettenti, ma richiede sempre verifica da parte del clinico.
▶ Cos'è l'allucinazione e perché è importante in contesti clinici?
Un LLM allucina quando genera un'informazione falsa con la stessa fluidità di una corretta. Il rischio più insidioso si presenta quando l'errore coincide con un sospetto clinico già presente: in quel caso il clinico tende a non mettere in discussione l'output, e l'errore passa inosservato.
▶ ChatGPT può rilevare in modo affidabile le interazioni farmaco-farmaco?
No. Lo studio pubblicato su Clinical Pharmacology and Therapeutics nel febbraio 2025 ha rilevato risposte diverse nel 90% dei casi alla stessa domanda ripetuta, con interazioni clinicamente rilevanti non rilevate. Per questo caso d'uso, i sistemi di prescrizione basati su regole restano l'unica opzione affidabile.
▶ Quali sono i rischi GDPR dell'inserimento di dati dei pazienti in strumenti LLM consumer?
Prima di qualsiasi utilizzo, verificare tre cose: se esiste un accordo formale sul trattamento dei dati con il fornitore, dove i dati vengono elaborati e archiviati, e se il team di governance delle informazioni della propria organizzazione ha approvato lo strumento. In assenza di queste verifiche, l'uso con dati identificabili dei pazienti non è conforme al GDPR.
▶ In che modo uno strumento di IA clinica appositamente costruito differisce da ChatGPT generico?
La differenza principale è la definizione di un uso previsto circoscritto: lo strumento è valutato e certificato solo per le attività per cui le sue prestazioni sono state misurate. Questo limita il rischio di utilizzi fuori contesto e attiva meccanismi di sorveglianza post-commercializzazione in caso di danni, che gli strumenti consumer non prevedono.
▶ Il superamento degli esami di abilitazione medica significa che ChatGPT è sicuro per il supporto decisionale clinico?
Gli esami di abilitazione valutano il richiamo su problemi ben definiti. Il benchmark AgentClinic, pubblicato su NPJ Digital Medicine nell'aprile 2026, ha rilevato che l'accuratezza diagnostica degli LLM in scenari clinici sequenziali e interattivi scende a meno di un decimo rispetto a quella registrata su domande statiche equivalenti. Questo divario è il dato più rilevante per la pratica clinica reale.
▶ Cos'è il bias di automazione e come influisce sui clinici che utilizzano strumenti di IA?
Il bias di automazione porta il clinico ad accettare il suggerimento del modello anche quando il proprio giudizio avrebbe indicato una direzione diversa. Il problema è aggravato dalla scarsa calibrazione degli LLM attuali: la valutazione pubblicata su Health Informatics Journal nell'aprile 2026 ha rilevato che i modelli esprimevano sicurezza simile indipendentemente dalla correttezza del ragionamento.
▶ Dove dovrebbero tracciare i clinici la linea tra uso appropriato e dipendenza inappropriata dagli LLM?
Una regola pratica: se l'errore del modello può raggiungere direttamente il paziente senza un passaggio di verifica da parte del clinico, lo strumento richiede certificazione come dispositivo medico. Documentazione, lettere e riepilogo della letteratura tollerano la revisione a valle. Le decisioni diagnostiche e prescrittive complesse no.