L’intelligenza artificiale ha ufficialmente raggiunto una nuova frontiera nel settore medico, dimostrando capacità di ragionamento clinico che ora superano quelle dei dottori umani in test di elevata complessità. Lo studio, pubblicato sulla rivista Science e condotto da ricercatori di Harvard e Stanford, ha analizzato le prestazioni del modello o1-preview di OpenAI attraverso sei esperimenti rigorosi. Per oltre sessant’anni la soluzione di casi diagnostici intricati è stata considerata il “gold standard” per valutare l’informatica medica, e i dati attuali indicano che i nuovi modelli linguistici hanno superato i benchmark storici degli esperti. Durante la valutazione sui celebri casi clinico-patologici del New England Journal of Medicine, l’IA ha incluso la diagnosi corretta nel suo elenco differenziale nel 78,3% dei casi, superando nettamente sia la versione precedente GPT-4 sia i medici umani di riferimento. La precisione della macchina si è estesa oltre la diagnosi, toccando anche la pianificazione terapeutica: nell’87,5% dei casi il modello ha selezionato correttamente il test diagnostico successivo, venendo giudicato “estremamente utile” dai valutatori.

L’aspetto più rivoluzionario della ricerca riguarda l’applicazione in un contesto reale ad alto stress: il pronto soccorso del Beth Israel Deaconess Medical Center. Qui, l’IA ha fornito “seconde opinioni” su pazienti in carne e ossa, operando in modalità “cieca” rispetto ai medici. I risultati mostrano che il modello ha superato i medici strutturati soprattutto durante il triage iniziale, fase in cui le informazioni sono frammentarie e il tempo è limitato, identificando la diagnosi corretta nel 67,1% dei casi contro una media umana che oscilla tra il 50% e il 55%. È interessante notare come i medici valutatori non siano stati in grado di distinguere se i suggerimenti ricevuti provenissero da un collega umano o dall’algoritmo, confermando l’elevata pertinenza clinica del linguaggio utilizzato. Nonostante questi successi, lo studio evidenzia che l’IA non ha ancora mostrato una superiorità significativa nel rilevare le diagnosi critiche “cannot-miss” e rimane dipendente dai dati testuali, mentre la medicina umana trae forza dall’osservazione visiva e dall’empatia. Tuttavia, la rapidità di questa evoluzione suggerisce che l’integrazione dell’IA nei flussi di lavoro ospedalieri non è più una semplice possibilità futura, ma una necessità urgente per ridurre gli errori diagnostici e ottimizzare le cure su larga scala.

Fonti

Brodeur PG et al. Performance of a large language model on the reasoning tasks of a physician. Science 2026;392:524-527.