Dal’estate 2026, il quadro normativo europeo attorno all’intelligenza artificiale medica si è precisato con l’entrata in vigore del regolamento UE 2026/1744. Questo testo rinvia ad agosto 2028 gli obblighi più severi per i dispositivi medici che integrano IA, imponendo fin da ora regole di trasparenza per i chatbot e i contenuti generati.
Questo scarto tra ciò che è tecnicamente possibile e ciò che è normativamente attuabile condiziona il ritmo reale delle innovazioni in salute per i prossimi anni.
AI Act e dispositivi medici: un rinvio normativo che cambia le carte in tavola
Il regolamento noto come “Digital Omnibus” ha ufficialmente rinviato al 2 agosto 2028 l’applicazione degli obblighi ad alto rischio dell’AI Act per i sistemi di IA integrati nei dispositivi medici e nei diagnostici in vitro soggetti al MDR/IVDR. Le soluzioni di IA diagnostica integrate (imaging, triage, supporto alla decisione clinica) hanno quindi un rinvio di due anni.
Questo termine non significa assenza di vincoli. Questi sistemi rimarranno automaticamente classificati come IA ad alto rischio, con requisiti rigorosi di governance, documentazione tecnica e sorveglianza post-commercializzazione a partire dal 2028. I produttori che sviluppano oggi i loro algoritmi devono anticipare questi obblighi, pena non poter commercializzare i loro prodotti in tempo.
Dal 2 agosto 2026, gli obblighi dell’articolo 50 dell’AI Act sono già applicabili. Qualsiasi assistente conversazionale utilizzato con i pazienti deve indicare chiaramente che si tratta di un’interazione con un’IA. Le immagini, i file audio e i video sintetici a uso medico devono essere etichettati come tali.
Queste misure, pubblicate nella Gazzetta Ufficiale dell’UE il 24 luglio 2026, illustrano una scelta deliberata: proteggere i pazienti sulla trasparenza prima di regolare le prestazioni degli algoritmi. Gli attori che seguono queste evoluzioni normative, come La Santé de Demain, permettono di misurare il divario tra promesse tecnologiche e realtà del dispiegamento.
Intelligenza artificiale in diagnostica: agenti clinici autonomi sotto sorveglianza
La generazione di IA che emerge nel 2026 non si limita più a strumenti di supporto alla lettura delle immagini. Gli “agenti IA” sono in grado di eseguire compiti completi: prioritizzare sintomi, pianificare esami complementari, analizzare risultati biologici e proporre una coordinazione del trattamento. Il loro funzionamento è simile a quello di un copilota clinico piuttosto che a un semplice filtro algoritmico.
I feedback sul campo divergono su questo punto. Alcuni istituti riportano un guadagno di tempo significativo nel triage in pronto soccorso, mentre altri sottolineano il rischio di disimpegno del clinico di fronte a una macchina che “decide” al suo posto. La questione della responsabilità medica rimane aperta: chi è responsabile quando un agente IA prioritizza male un paziente?
La presidente della Commissione europea ha ricordato a settembre 2026 che l’IA in salute deve “rimanere europea” e non sostituire i medici. Il Regno Unito ha pubblicato le proprie raccomandazioni per la regolamentazione dell’IA medica nella stessa settimana. Queste prese di posizione politiche traducono una tensione reale tra la velocità di adozione tecnologica e la capacità dei sistemi sanitari di inquadrare questi strumenti.
Dati sintetici e ricerca clinica: un’accelerazione discreta
Tra le innovazioni meno visibili ma più strutturanti, la generazione di dati sintetici per la ricerca clinica modifica profondamente il modo in cui vengono progettati gli studi clinici. Il principio consiste nel creare set di dati artificiali che riproducono le caratteristiche statistiche di coorti reali, senza esporre dati personali dei pazienti.
Il vantaggio è triplice:
- Accelerare l’addestramento degli algoritmi di IA medica senza dipendere da banche dati ospedaliere soggette al GDPR e a lunghi tempi di accesso
- Consentire a startup e PMI del settore di sviluppare modelli robusti senza avere accesso privilegiato ai dati di grandi centri ospedalieri
- Ridurre i bias legati a coorti troppo omogenee simulando profili di pazienti sottorappresentati nelle banche dati esistenti
I dati disponibili non consentono ancora di concludere sulla affidabilità a lungo termine di questi set sintetici rispetto ai dati reali. Le agenzie regolatorie non hanno ancora pubblicato un quadro specifico per convalidare i dispositivi medici addestrati esclusivamente su dati sintetici. Questo rappresenta un’area grigia normativa che potrebbe ostacolare l’adozione nonostante il potenziale tecnico.
Editing genetico e terapie mirate: CRISPR entra in una nuova fase
L’editing genetico tramite CRISPR combinato con l’IA entra in una fase in cui le correzioni genetiche non mirano più solo a malattie monogeniche rare. Gli algoritmi ora consentono di identificare bersagli terapeutici su patologie poligeniche, dove interagiscono più geni. La medicina di precisione applicata all’oncologia beneficia direttamente di questa convergenza, con approcci come la biopsia liquida che consentono di adattare un trattamento al profilo molecolare di un tumore in tempo quasi reale.
Tuttavia, il passaggio dalla ricerca alla cura quotidiana rimane lento. Le terapie geniche approvate riguardano ancora un numero limitato di patologie, e il loro costo di produzione frena la loro generalizzazione. La bio-stampa 3D di tessuti, spesso presentata come una rivoluzione imminente, si scontra con sfide di vascolarizzazione delle strutture stampate che la ricerca non ha ancora risolto.
Dispositivi connessi e gemelli digitali: il monitoraggio del paziente in tempo reale
I sensori indossabili che trasmettono continuamente dati fisiologici a un medico o a un algoritmo non sono più sperimentali. Un paziente diabetico può regolare il proprio trattamento tramite un sensore collegato al proprio smartphone senza attendere la prossima consultazione. Questo modello di telemonitoraggio continuo trasforma il percorso di cura spostando parte del monitoraggio al di fuori dell’ospedale.
Il gemello digitale porta questa logica oltre: si tratta di creare un doppio virtuale del paziente, alimentato dai suoi dati biologici, per simulare l’effetto di un trattamento prima di somministrarlo. Le applicazioni più avanzate riguardano la cardiologia e la pianificazione chirurgica.
Le limitazioni sono note. L’interoperabilità tra dispositivi rimane bassa, i formati di dati variano da un produttore all’altro, e l’integrazione nei sistemi informativi ospedalieri richiede anni. La tecnologia esiste, ma l’infrastruttura per sfruttarla su larga scala rimane frammentata.
Il ritmo reale di queste trasformazioni dipenderà meno dalla capacità di invenzione che dalla capacità di assorbimento dei sistemi sanitari. Tra il rinvio normativo dell’AI Act, le questioni aperte sulla responsabilità medica e i freni infrastrutturali, ogni innovazione dovrà superare diversi filtri prima di modificare concretamente la vita quotidiana dei pazienti e degli operatori sanitari.
