Le malattie rare sono, prese singolarmente, poco comuni, ma nel loro insieme rappresentano una delle sfide diagnostiche più significative nella medicina generale europea. Oltre 6.000 malattie rare colpiscono circa 30 milioni di persone in Europa. La maggior parte dei medici di base si imbatte in queste condizioni solo raramente o mai. Eppure l’assistenza primaria rimane il primo punto di contatto per i pazienti i cui sintomi non hanno ancora ricevuto una diagnosi. Gli strumenti di supporto decisionale clinico sono ormai diffusi in questo contesto, ma quanto siano realmente utili per i pazienti con presentazioni di malattie rare merita un’analisi attenta e basata sull’evidenza.

Perché le malattie rare rappresentano un punto cieco diagnostico nella medicina generale

Il problema strutturale non riguarda la competenza clinica. Come ha osservato il British Journal of General Practice, i medici di base hanno una notevole esperienza nella gestione delle malattie multisistemiche. Tuttavia, pochi dispongono delle risorse per approfondire le condizioni rare. Molti riferiscono di sentirsi sopraffatti quando i pazienti si presentano con informazioni dettagliate su condizioni che il medico non ha mai incontrato.

Il tempo medio dall’insorgenza dei sintomi alla diagnosi confermata di una malattia rara è di cinque-sei anni nel Regno Unito e in Europa. Metà dei pazienti riceve almeno una diagnosi errata lungo il percorso. Questo ritardo non è principalmente un problema ospedaliero, ma riguarda soprattutto l’assistenza primaria.

I pazienti con malattie rare si sottopongono tipicamente a molteplici consulti con il medico di base prima di arrivare a uno specialista che riconosca la condizione. L’odissea diagnostica, termine ormai consolidato nella letteratura sulle malattie rare, inizia e spesso si blocca proprio nella medicina generale. Non perché i medici di base siano disattenti, ma perché il riconoscimento dei pattern clinici è calibrato sulla frequenza. Le condizioni che un clinico non ha mai visto sono, quasi per definizione, più difficili da prendere in considerazione.

Come vengono addestrati gli strumenti di supporto decisionale clinico e dove si creano le lacune

Gli strumenti di supporto decisionale clinico generano diagnosi differenziali attingendo a dati di addestramento e a una logica diagnostica orientata verso presentazioni ad alta frequenza. Si tratta di una scelta progettuale razionale: strumenti pensati per assistere nella più ampia gamma di consulti dovrebbero funzionare bene sulle condizioni che i medici di base incontrano più spesso.

La conseguenza è che i percorsi delle malattie rare sono sistematicamente sottorappresentati. Non per una deliberata esclusione, ma per una questione di frequenza dei dati. Le condizioni che compaiono raramente nei dataset di addestramento generano un segnale debole o assente nella logica differenziale basata sulla frequenza.

Una revisione esplorativa del 2026 pubblicata sull’International Journal of Medical Informatics ha mappato gli approcci tecnologici alla base dei sistemi di supporto decisionale clinico per la diagnosi di malattie rare. Sono state individuate quattro categorie principali: sistemi di recupero delle informazioni, ragionamento basato sul fenotipo, metodi basati su ontologie e approcci basati sull’intelligenza artificiale (AI, un insieme di tecnologie che consentono ai computer di eseguire compiti che normalmente richiederebbero l’intelligenza umana). La revisione ha rilevato che la traduzione nella pratica clinica di routine rimane limitata in tutte e quattro le categorie. Il divario tra gli strumenti di livello di ricerca e quelli disponibili al punto di cura è sostanziale.

Il progetto SATURN in Germania ha sviluppato un prototipo di supporto decisionale clinico specifico per l’assistenza primaria, pensato per presentazioni di malattie poco chiare e rare. La valutazione qualitativa ha evidenziato che anche gli strumenti appositamente costruiti incontrano significative barriere di usabilità. Queste includevano l’impossibilità di inserire sintomi non elencati e la mancanza di importazione diretta dei dati dai sistemi di cartelle cliniche. Non si tratta di semplici perfezionamenti: sono ostacoli che determinano se uno strumento venga effettivamente utilizzato o meno.

Cosa dice la letteratura sulla diagnosi errata delle malattie rare nell’assistenza primaria

L’evidenza sul ritardo diagnostico nelle malattie rare è coerente in tutti i contesti europei. Odissee diagnostiche che durano in media da quattro a otto anni sono riportate in tutta la letteratura, sebbene le stime varino per condizione e paese. Alcuni studi citano cinque-sei anni nel Regno Unito e in Europa in particolare. Questi ritardi sono accompagnati da frequenti diagnosi errate e indagini non necessarie.

Uno studio di consenso Delphi del 2025 pubblicato su Scientific Reports, che ha coinvolto 55 esperti multidisciplinari, ha individuato le ragioni chiave del ritardo: bassa prevalenza, consapevolezza limitata tra i professionisti sanitari dell’assistenza primaria, presentazione clinica eterogenea e pattern ereditari insoliti.

Lo stesso consenso ha identificato le caratteristiche di presentazione più comunemente associate alle diagnosi mancate di malattie rare:

• Storia familiare di malattia inspiegabile o grave

• Gruppi di difetti congeniti o anomalie alla nascita

• Presentazioni insolite di malattie altrimenti comuni

• Ritardi nello sviluppo neurologico o declino cognitivo inspiegabile

• Patologia grave sproporzionata rispetto alla causa apparente

Questi non sono segnali oscuri. Molti sono visibili nelle cartelle dei medici di base attraverso molteplici consulti. Il problema è che, presi singolarmente, ciascuno può sembrare riconducibile a una spiegazione più comune. Gli strumenti basati sulla frequenza presenteranno costantemente quella spiegazione più comune per prima.

La differenza tra supporto decisionale basato sulla frequenza e basato sul fenotipo

La distinzione tra logica differenziale basata sulla frequenza e quella basata sul fenotipo è centrale per comprendere come gli strumenti di supporto decisionale clinico si comportano di fronte a presentazioni di malattie rare.

Gli strumenti basati sulla frequenza classificano i suggerimenti diagnostici in base alla prevalenza nella popolazione. In un consulto che coinvolge affaticamento, dolore articolare ed eruzione cutanea in un trentenne, uno strumento di questo tipo proporrà con costanza anemia, malattia virale o artrite reattiva prima di considerare il lupus eritematoso sistemico, perché le prime sono più comuni. Questo è appropriato per la maggior parte dei consulti, ma diventa una limitazione strutturale quando il gruppo di sintomi del paziente è realmente più coerente con una condizione rara.

La logica differenziale basata sul fenotipo adotta un approccio diverso. Mappa la combinazione specifica di sintomi, cioè il fenotipo, rispetto ai profili di malattia indipendentemente dalla frequenza con cui quelle malattie si verificano nella popolazione generale. Questo approccio ha maggiori probabilità di far emergere candidati di malattie rare quando il quadro clinico è atipico.

La Human Phenotype Ontology è il vocabolario strutturato più ampiamente utilizzato a questo scopo. Supporta la mappatura sistematica da fenotipo a malattia attraverso migliaia di condizioni.

Come i principali strumenti europei di supporto decisionale clinico affrontano la copertura delle malattie rare

Il panorama degli strumenti di supporto decisionale clinico disponibili nella medicina generale europea è eterogeneo. La copertura delle malattie rare varia considerevolmente.

Orphanet, il database di riferimento europeo per le malattie rare, fornisce la risorsa strutturata più completa per la nomenclatura delle malattie rare, i dati di prevalenza e le descrizioni cliniche. Gli strumenti che integrano i dati di Orphanet, o che fanno riferimento incrociato a OMIM (Online Mendelian Inheritance in Man, un database delle malattie genetiche umane), hanno un vantaggio strutturale nell’individuare candidati di malattie rare. L’integrazione di questi database negli strumenti incorporati nei sistemi di cartelle cliniche dell’assistenza primaria rimane disomogenea.

DxGPT, uno strumento basato su GPT-4 sviluppato con la diagnosi di malattie rare come obiettivo progettuale esplicito, genera una diagnosi differenziale tra le prime cinque, classificata e argomentata, specificamente pensata per contrastare i bias cognitivi nei casi complessi. È stato valutato in contesti clinici nel Regno Unito e in Spagna.

Strumenti come Ada Health, attualmente in fase di valutazione in uno studio di miglioramento della qualità nella rete ospedaliera CUF in Portogallo, adottano un approccio di valutazione dei sintomi. Il protocollo dello studio osserva che lo strumento ha il potenziale di assistere gli utenti nei casi di malattie rare in cui la diagnosi tempestiva rimane una sfida significativa.

DeepRare, descritto in un recente articolo su Nature, rappresenta l’attuale frontiera della ricerca. È un sistema multi-agente che integra più di 40 strumenti specializzati e fonti di conoscenza. Elabora descrizioni in testo libero, termini strutturati della Human Phenotype Ontology e risultati genetici per generare ipotesi diagnostiche classificate con ragionamento trasparente. Nei compiti basati sulla Human Phenotype Ontology ha raggiunto metriche di prestazione elevate, superando metodi comparabili. La revisione degli esperti ha concordato con le sue catene di ragionamento in una maggioranza sostanziale dei casi.

DeepRare non è ancora incorporato nei flussi di lavoro di routine dei medici di base, ma illustra il massimo potenziale che gli approcci basati sul fenotipo e integrati con la conoscenza possono raggiungere.

Il divario tra strumenti di livello di ricerca come DeepRare e quelli disponibili in un tipico studio di medicina generale europeo rimane significativo. L’integrazione dei dati dell’assistenza primaria in Germania, ad esempio, resta complessa a causa di vocabolari specifici per paese e strutture di dati eterogenee. Questo limita la capacità anche di prototipi di supporto decisionale clinico ben progettati di funzionare in contesti reali di assistenza primaria.

Gruppi di sintomi di allerta che gli strumenti di supporto decisionale comunemente trascurano

Il consenso Delphi Argo ha individuato una serie di segnali di allerta clinici che dovrebbero far sospettare una malattia rara nell’assistenza primaria. Questi sono i pattern che gli strumenti basati sulla frequenza hanno maggiori probabilità di classificare in basso o di omettere del tutto:

• Coinvolgimento multisistemico in un paziente giovane, in particolare quando i sintomi interessano i domini cardiovascolare, neurologico e muscoloscheletrico senza una diagnosi comune unificante

• Affaticamento inspiegabile con comorbilità atipiche, soprattutto quando le indagini standard sono negative e il quadro clinico non evolve verso una diagnosi comune riconosciuta

• Presentazioni ricorrenti senza convergenza, ovvero molteplici consulti per sintomi correlati o sovrapposti che non si sono risolti in una categoria diagnostica chiara

• Gravità sproporzionata, in cui il decorso clinico è più severo di quanto ci si aspetterebbe per la diagnosi apparente

• Storia familiare positiva di malattia grave inspiegabile, in particolare in condizioni con pattern ereditari autosomici recessivi o legati all’X che potrebbero non essere immediatamente evidenti

Questi gruppi condividono una caratteristica: ciascuno è individualmente spiegabile da condizioni comuni, ma la loro combinazione, soprattutto nel tempo, dovrebbe portare a considerare una diagnosi differenziale di malattia rara. Uno strumento che classifica per frequenza offrirà costantemente la spiegazione comune per prima. Non segnalerà la combinazione come insolita a meno che non sia stato esplicitamente progettato per farlo.

Come riconoscere quando la diagnosi differenziale di uno strumento è probabilmente incompleta

Riconoscere i limiti della diagnosi differenziale proposta da uno strumento di supporto decisionale clinico in tempo reale è di per sé un’abilità clinica. Diversi indicatori dovrebbero spingere un medico di base a valutare con maggiore cautela l’output di uno strumento:

• L’età del paziente e la cronicità dei sintomi non corrispondono alle diagnosi differenziali comuni offerte. Se uno strumento suggerisce una diagnosi statisticamente improbabile rispetto all’età del paziente, alla durata dei sintomi o ai risultati delle indagini precedenti, la diagnosi differenziale potrebbe essere ancorata alla frequenza piuttosto che all’adattamento clinico.

• Le indagini precedenti sono risultate negative. Quando il workup standard per le diagnosi suggerite ha restituito risultati normali, la diagnosi differenziale non è stata confermata. Semplicemente non è stata esclusa. Questo non equivale a una diagnosi.

• La presentazione coinvolge più sistemi di organi. Gli strumenti di supporto decisionale clinico a sistema singolo, o addestrati prevalentemente su dati di singola specialità, sono strutturalmente meno attrezzati per far emergere diagnosi che richiedono il riconoscimento di pattern multisistemici.

• Lo strumento restituisce un suggerimento ad alta confidenza per una condizione comune nonostante uno scarso adattamento clinico. L’alta confidenza in uno strumento basato sulla frequenza riflette la prevalenza, non la qualità dell’adattamento. La confidenza dello strumento non è una conferma diagnostica.

• Il paziente è stato visitato più volte per gli stessi sintomi o sintomi correlati. La cronicità e la ricorrenza dovrebbero abbassare la soglia per considerare una malattia rara, anche quando ogni singolo consulto sembra adattarsi a una spiegazione comune.

Il silenzio dello strumento su una diagnosi non equivale a escluderla. Un sistema di supporto decisionale clinico che non elenca una condizione nella sua diagnosi differenziale non l’ha esclusa. Semplicemente non ha generato un segnale sufficiente per farla emergere. Per le malattie rare, questo è esattamente il problema che questi strumenti sono meno attrezzati a risolvere.

Il ruolo delle reti specialistiche e dei registri europei delle malattie rare

Quando gli strumenti di supporto decisionale clinico raggiungono i loro limiti, l’infrastruttura europea offre percorsi strutturati per l’escalation. Le Reti di Riferimento Europee, 24 reti tematiche che collegano centri specialistici negli Stati membri dell’UE, esistono per fornire input di esperti su condizioni rare e complesse. Le Reti di Riferimento Europee coprono aree tra cui malattie neurologiche, disturbi del tessuto connettivo, immunodeficienze e condizioni metaboliche, tra le altre.

I medici di base possono, nei casi appropriati, avviare il contatto tramite i centri nazionali per le malattie rare o attraverso percorsi Advice & Guidance per accedere a un parere specialistico senza necessità di un invio formale.

I registri nazionali delle malattie rare, dove presenti, forniscono dati epidemiologici che possono contestualizzare una presentazione clinica, in particolare per condizioni con clustering geografico o etnico noto. ERDERA, la partnership europea per la ricerca sulle malattie rare lanciata nel 2024 nell’ambito di Horizon Europe con un budget di circa 380 milioni di euro fino al 2031, è pensata anche per rafforzare questa infrastruttura di dati.

Orphanet rimane il punto di riferimento più accessibile per i medici di base che cercano informazioni su una specifica condizione rara sospetta. Fornisce riepiloghi delle malattie, stime di prevalenza, criteri diagnostici e collegamenti a centri specialistici. Nessuno di questi servizi richiede un abbonamento o un accesso specialistico.

Come appare una buona copertura delle malattie rare in uno strumento di supporto decisionale clinico

Per i medici di base e i responsabili degli acquisti che valutano gli strumenti di supporto decisionale clinico, la capacità di gestire le malattie rare non è una caratteristica binaria, ma esiste su uno spettro. I seguenti criteri forniscono un quadro pratico per la valutazione:

• Integrazione con database validati di malattie rare. Lo strumento attinge a Orphanet, Online Mendelian Inheritance in Man o fonti di conoscenza strutturate equivalenti sulle malattie rare? In caso contrario, la sua logica differenziale per le malattie rare sarà probabilmente limitata alle condizioni presenti nei dati di addestramento clinico generale.

• Logica differenziale basata sul fenotipo. Lo strumento mappa le combinazioni di sintomi ai profili di malattia, oppure classifica solo in base alla prevalenza nella popolazione? Il primo approccio è un prerequisito per prestazioni affidabili sulle malattie rare.

• Trasparenza sull’ambito dei dati di addestramento. Lo strumento o la sua documentazione specificano quali categorie di malattie sono coperte e quali no? Uno strumento che non può rispondere a questa domanda non può essere valutato per l’idoneità allo scopo.

• Sollecitazioni di escalation chiare. Lo strumento segnala quando un gruppo di sintomi supera il suo intervallo di confidenza, o quando dovrebbe essere considerato un percorso di invio per malattia rara? Avvisi ad alto rendimento e basso volume integrati senza soluzione di continuità nel flusso di lavoro quotidiano sono identificati nella letteratura come lo standard progettuale per un supporto clinico efficace nelle malattie rare.

• Coerenza multilingue. Per gli strumenti utilizzati nei sistemi sanitari europei, le prestazioni dovrebbero essere valutate nella lingua clinica pertinente. Non si deve presumere che siano equivalenti alle prestazioni in lingua inglese.

Nessuno strumento attualmente disponibile soddisfa pienamente tutti questi criteri. Le barriere non algoritmiche all’implementazione, inclusi quadri di implementazione assenti e la difficoltà dei modelli biologici nel catturare la complessità clinica del mondo reale, restano significative. Il divario tra le prestazioni in ambito di ricerca e l’utilità clinica di routine è una limitazione riconosciuta in tutto il settore.

Il ruolo del clinico quando il supporto decisionale raggiunge i suoi limiti

Gli strumenti di supporto decisionale clinico sono ausili, non sostituti del giudizio clinico. Nelle presentazioni di malattie rare, questa distinzione è ancora più importante che in quasi ogni altro contesto clinico. Uno strumento che funziona bene con le presentazioni più comuni può funzionare male con quelle più rare. Le malattie rare colpiscono complessivamente milioni di pazienti in Europa.

Il British Journal of General Practice ha descritto i medici di base come dotati di una notevole esperienza nella gestione delle malattie multisistemiche, un’esperienza che nessun attuale strumento di supporto decisionale clinico replica. La conoscenza longitudinale di un paziente, la familiarità con l’evoluzione dei suoi sintomi nel tempo e l’intuizione clinica che qualcosa non corrisponde a una diagnosi comune non sono caratteristiche codificabili in un algoritmo di classificazione differenziale. Sono il prodotto di una relazione clinica continuativa e di un riconoscimento esperto dei pattern.

Formazione, maggiore consapevolezza e uso della tecnologia sono identificati nel consenso Delphi come vie complementari per una diagnosi più precoce delle malattie rare: non alternative al giudizio clinico, ma strumenti di supporto. Comprendere cosa gli strumenti di supporto decisionale clinico possono e non possono fare non è una questione tecnica, ma una competenza clinica. Nelle presentazioni di malattie rare, potrebbe essere la più importante che un medico di base porta al consulto.

Domande frequenti

Perché la diagnosi di malattie rare richiede così tanto tempo nell’assistenza primaria?

Il tempo medio dall’insorgenza dei sintomi alla diagnosi confermata di una malattia rara è di cinque-sei anni nel Regno Unito e in Europa. Metà dei pazienti riceve almeno una diagnosi errata lungo il percorso. Il ritardo non è principalmente un problema ospedaliero. I pazienti con malattie rare si sottopongono tipicamente a molteplici consulti con il medico di base prima di arrivare a uno specialista che riconosca la condizione. La difficoltà principale è che il riconoscimento dei pattern clinici è calibrato sulla frequenza. Le condizioni che un clinico non ha mai visto sono più difficili da considerare, anche quando i segnali clinici sono presenti attraverso molteplici visite.

Perché gli strumenti di supporto decisionale clinico non individuano le diagnosi di malattie rare?

La maggior parte degli strumenti di supporto decisionale clinico classifica i suggerimenti diagnostici in base alla prevalenza nella popolazione. Le condizioni rare sono sistematicamente sottorappresentate nei dati di addestramento, non per una deliberata esclusione, ma per un problema di frequenza dei dati. Le condizioni che compaiono raramente nei dataset di addestramento generano un segnale debole o assente nella logica differenziale basata sulla frequenza. Una revisione esplorativa del 2026 sull’International Journal of Medical Informatics ha confermato che la traduzione del supporto decisionale per le malattie rare nella pratica clinica di routine resta limitata in tutti e quattro i principali approcci tecnologici.

Qual è la differenza tra supporto decisionale clinico basato sulla frequenza e basato sul fenotipo?

Gli strumenti basati sulla frequenza classificano i suggerimenti diagnostici in base a quanto comunemente una condizione si verifica nella popolazione generale. Gli strumenti basati sul fenotipo adottano un approccio diverso: mappano la combinazione specifica di sintomi rispetto ai profili di malattia, indipendentemente dalla frequenza con cui quelle malattie si verificano. Questo rende gli strumenti basati sul fenotipo più propensi a far emergere candidati di malattie rare quando il quadro clinico è atipico. La Human Phenotype Ontology è il vocabolario strutturato più ampiamente utilizzato a questo scopo. Supporta la mappatura sistematica da fenotipo a malattia attraverso migliaia di condizioni.

Con quale precisione i modelli linguistici di grandi dimensioni identificano le malattie rare?

Uno studio del 2026 su EBioMedicine ha valutato le prestazioni dei modelli linguistici di grandi dimensioni per la diagnosi di malattie rare in dieci lingue utilizzando 4.917 vignette cliniche strutturate con dati della Human Phenotype Ontology. GPT-4o ha collocato la diagnosi corretta di malattia rara tra le prime tre diagnosi differenziali classificate nel 27% dei casi in inglese, con prestazioni sostanzialmente coerenti nelle lingue europee. Questa percentuale non è sufficiente per un affidamento clinico autonomo, ma dimostra che la sollecitazione strutturata sul fenotipo può far emergere diagnosi rare che la logica basata sulla frequenza non considererebbe.

Quali gruppi di sintomi di allerta dovrebbero far sospettare una malattia rara nella medicina generale?

Uno studio di consenso Delphi del 2025 ha individuato diversi pattern clinici più comunemente associati alle diagnosi mancate di malattie rare: coinvolgimento multisistemico in un paziente giovane, affaticamento inspiegabile con comorbilità atipiche in cui le indagini standard sono negative, presentazioni ricorrenti che non si sono risolte in una categoria diagnostica chiara, gravità sproporzionata rispetto alla diagnosi apparente e una storia familiare positiva di malattia grave inspiegabile. Ogni gruppo è individualmente spiegabile da condizioni comuni, ma la loro combinazione nel tempo dovrebbe portare a considerare una diagnosi differenziale di malattia rara.

Come può un medico di base capire quando la diagnosi differenziale di uno strumento di supporto decisionale clinico è probabilmente incompleta?

Diversi indicatori dovrebbero indurre a un maggiore scetticismo sull’output di uno strumento. Tra questi: una diagnosi suggerita che non corrisponde all’età del paziente o alla cronicità dei sintomi, indagini precedenti che hanno restituito risultati negativi, una presentazione che coinvolge più sistemi di organi, alta confidenza dello strumento per una condizione comune nonostante uno scarso adattamento clinico, e un paziente che è stato visitato più volte per gli stessi sintomi o sintomi correlati. Il silenzio dello strumento su una diagnosi non equivale a escluderla. Un sistema di supporto decisionale clinico che non elenca una condizione non l’ha esclusa.

Quali risorse europee esistono per supportare i medici di base quando il supporto decisionale raggiunge i suoi limiti?

Le Reti di Riferimento Europee, 24 reti tematiche che collegano centri specialistici negli Stati membri dell’UE, forniscono input di esperti su condizioni rare e complesse, coprendo aree tra cui malattie neurologiche, disturbi del tessuto connettivo, immunodeficienze e condizioni metaboliche. I medici di base possono avviare il contatto tramite i centri nazionali per le malattie rare o attraverso percorsi Advice & Guidance senza necessità di un invio formale. Orphanet, il database di riferimento europeo per le malattie rare, fornisce riepiloghi delle malattie, stime di prevalenza, criteri diagnostici e collegamenti a centri specialistici. Non richiede alcun abbonamento o accesso specialistico.

Cosa dovrebbero cercare i medici di base e i responsabili degli acquisti quando valutano la capacità di uno strumento di supporto decisionale clinico per le malattie rare?

La capacità di gestire le malattie rare in uno strumento di supporto decisionale clinico esiste su uno spettro, non come una caratteristica binaria. I criteri chiave includono l’integrazione con database validati di malattie rare come Orphanet o Online Mendelian Inheritance in Man, la logica differenziale basata sul fenotipo piuttosto che la classificazione puramente basata sulla prevalenza, la trasparenza sull’ambito dei dati di addestramento, sollecitazioni di escalation chiare quando un gruppo di sintomi supera l’intervallo di confidenza dello strumento, e prestazioni coerenti nella lingua clinica pertinente per gli strumenti utilizzati nei sistemi sanitari europei. Nessuno strumento attualmente disponibile soddisfa pienamente tutti questi criteri.

Cos’è DeepRare e in che modo differisce dagli strumenti disponibili nella pratica di routine dei medici di base?

DeepRare, descritto in un recente articolo su Nature, è un sistema multi-agente che integra più di 40 strumenti specializzati e fonti di conoscenza. Elabora descrizioni in testo libero, termini strutturati della Human Phenotype Ontology e risultati genetici per generare ipotesi diagnostiche classificate con ragionamento trasparente. Nei compiti basati sulla Human Phenotype Ontology ha raggiunto metriche di prestazione elevate. La revisione degli esperti ha concordato con le sue catene di ragionamento in una maggioranza sostanziale dei casi. DeepRare non è ancora incorporato nei flussi di lavoro di routine dei medici di base, ma illustra il massimo potenziale che gli approcci basati sul fenotipo e integrati con la conoscenza possono raggiungere.

Quale ruolo gioca il giudizio clinico quando gli strumenti di supporto decisionale falliscono nelle presentazioni di malattie rare?

Gli strumenti di supporto decisionale clinico sono ausili, non sostituti del giudizio clinico. Nelle presentazioni di malattie rare, la conoscenza longitudinale di un paziente, la familiarità con l’evoluzione dei suoi sintomi nel tempo e il riconoscimento clinico che qualcosa non corrisponde a una diagnosi comune non sono caratteristiche replicabili da un algoritmo di classificazione differenziale. Un consenso Delphi del 2025 ha individuato formazione, maggiore consapevolezza e uso della tecnologia come strumenti complementari per una diagnosi più precoce delle malattie rare, non alternative al giudizio clinico. Comprendere cosa uno strumento di supporto decisionale clinico può e non può fare è di per sé una competenza clinica.