Vuoi collaborare con noi?
Con un impegno crescente:
- Iscriviti come Fellow
- Iscriviti alle Aree di EcoCardioChirurgia®
Vuoi collaborare con noi?
Con un impegno crescente:
Autore/Autori: Giovanni Corrado, Guido Giordano, Alfredo Posteraro, Daniela Prastraller, Bruno Passaretti, Viola Dadone, Cosimo Greco
L’Intelligenza Artificiale sta ridefinendo i confini della pratica clinica. Sei pronto a diventarne protagonista?
Benvenuti in questa sessione magistrale dedicata all’integrazione dell’Intelligenza Artificiale (IA) nella medicina quotidiana. Questo video è pensato specificamente per la nuova generazione di medici, specializzandi e giovani professionisti che si trovano all’alba di una rivoluzione culturale e scientifica senza precedenti.
Attraverso scenari clinici reali vissuti all’Ospedale di Vigata, scopriamo come algoritmi avanzati applicati all’ECG e all’ecocardiografia non vadano a sostituire l’intuizione del clinico, ma ne potenzino l’autonomia e l’accuratezza diagnostica, permettendo di identificare micro-impronte elettriche e alterazioni strutturali invisibili all’occhio umano.
Analizzeremo concetti chiave fondamentali per il bagaglio formativo del medico moderno:
La medicina sta cambiando più velocemente che mai. Smettere di essere spettatori significa iniziare a comprendere la grammatica di questa nuova disciplina.
English
Artificial Intelligence is redefining the boundaries of clinical practice. Are you ready to become one of its protagonists?
Welcome to this masterclass dedicated to the integration of Artificial Intelligence (AI) into everyday medicine. This video is specifically designed for the new generation of doctors, residents, and young professionals who stand at the dawn of an unprecedented cultural and scientific revolution.
Through real clinical scenarios experienced at Vigata Hospital, we discover how advanced algorithms applied to ECG and echocardiography are not meant to replace the clinician’s intuition, but to enhance clinical autonomy and diagnostic accuracy, making it possible to identify electrical micro-signatures and structural alterations invisible to the human eye.
We will analyze key concepts that are fundamental to the educational background of the modern physician:
Medicine is changing faster than ever. To stop being spectators means to start understanding the grammar of this new discipline.
| Autore | Alfredo Posteraro, Bruno Passaretti, Cosimo Greco, Daniela Prastraller, Giovanni Corrado, Guido Giordano, Viola Dadone |
|---|---|
| Anno | |
| Super Tag |
L’introduzione dell’intelligenza artificiale (IA) nella pratica cardiologica rappresenta un cambio di paradigma, offrendo sia rischi che opportunità. Il video ECCH illustra casi clinici emblematici, come quello di un giovane con primo episodio di fibrillazione atriale (FA) e di una donna con episodi ischemici cerebrali transitori, in cui l’IA ha permesso diagnosi precoci altrimenti impossibili. La capacità di analizzare tracciati elettrocardiografici (ECG) con sensibilità e specificità superiori a quelle umane apre nuove frontiere nella stratificazione del rischio e nella prevenzione secondaria.
L’IA identifica microimpronte elettriche nel tracciato ECG correlate a condizioni patologiche ancora silenti. Attraverso lo spazio delle features, cluster di pazienti con caratteristiche vettoriali simili permettono di riconoscere nuove entità cliniche, come cardiomiopatie da varianti della titina. La disfunzione ventricolare sinistra asintomatica, la FA parossistica e altre aritmie vengono rilevate mediante pattern statistici complessi che sfuggono all’analisi sequenziale umana, rivelando l’esistenza di substrati fisiopatologici non apprezzabili con le metodiche tradizionali.
L’ECG assistito da IA, integrato con ecocardiografia focalizzata guidata da sistemi di IA, consente a medici non specialisti di acquisire immagini di qualità e misure affidabili. Nel video ECCH, l’IA ha segnalato alta probabilità di FA e disfunzione ventricolare in ECG apparentemente normali, portando a diagnosi tempestive con ecocardiogramma e monitoraggio Holter. Le mappe di salienza (XAI) sovrapposte al tracciato evidenziano i segmenti decisionali dell’algoritmo, garantendo trasparenza interpretativa e replicabilità. La sensibilità, specificità e accuratezza diagnostica risultano eccezionalmente elevate, validate su milioni di tracciati digitalizzati.
Le diagnosi precoci guidate dall’IA influenzano direttamente le scelte terapeutiche. Nel caso di FA acuta, la cardioversione farmacologica con amiodarone è stata tempestiva; nella donna con FA parossistica silente è stata avviata terapia anticoagulante e antiaritmica. Per la cardiomiopatia da titina, il trattamento è stato personalizzato sulla base del fenotipo identificato. L’IA funge inoltre da copilota e co-thinker nel processo decisionale, come dimostrato dall’uso di Open Evidence per la gestione della dislipidemia, supportando il medico con letteratura scientifica validata. Questo riduce l’asimmetria informativa e migliora l’appropriatezza prescrittiva, pur richiedendo prudenza e controllo critico.
Il video ECCH dimostra che l’IA sta ridefinendo la cardiologia, trasformando la diagnosi da un’analisi lineare a una multidimensionale di pattern occulti. Gli indicatori di validità generati dall’IA consentono una valutazione oggettiva della qualità delle prestazioni, analogamente ai sistemi di verifica dell’aviazione. Sebbene gli strumenti per medici (tipo A) siano già disponibili, rimane urgente sviluppare sistemi sicuri per pazienti e amministratori. La rivoluzione culturale è in atto: i cardiologi devono abbracciare questo nuovo linguaggio per non rimanere “maniscalchi” della medicina, ma diventare protagonisti consapevoli di una trasformazione epocale.
The integration of artificial intelligence (AI) into cardiology represents a paradigm shift, offering both risks and opportunities. The video ECCH illustrates emblematic cases, such as a young man with a first episode of atrial fibrillation (AF) and a woman with transient ischemic attacks, where AI enabled early diagnoses otherwise unattainable. The ability to analyze electrocardiographic (ECG) tracings with superior sensitivity and specificity opens new frontiers in risk stratification and secondary prevention.
AI identifies micro-electrical fingerprints within the ECG trace that correlate with still-silent pathological conditions. Through feature space analysis, clusters of patients with similar vectorial characteristics allow recognition of new clinical entities, such as titin-variant cardiomyopathies. Asymptomatic left ventricular dysfunction, paroxysmal AF, and other arrhythmias are detected via complex statistical patterns that escape human sequential analysis, revealing pathophysiological substrates undetectable by traditional methods.
AI-assisted ECG, combined with focused AI-guided echocardiography, enables non-specialist physicians to acquire quality images and reliable measurements. In the ECCH video, AI flagged high probability of AF and ventricular dysfunction on seemingly normal ECGs, leading to timely diagnosis with echocardiography and Holter monitoring. Saliency maps (XAI) superimposed on the tracing highlight the algorithmic decision segments, ensuring interpretability and reproducibility. Diagnostic sensitivity, specificity, and accuracy are exceptionally high, validated on millions of digitized records.
Early AI-guided diagnoses directly influence therapeutic choices. In acute AF, pharmacological cardioversion with amiodarone was promptly administered; in the woman with silent paroxysmal AF, anticoagulant and antiarrhythmic therapy was initiated. For titin cardiomyopathy, treatment was personalized based on the identified phenotype. AI also acts as a co-pilot and co-thinker in decision-making, as shown by the use of Open Evidence for dyslipidemia management, supporting the clinician with validated scientific literature. This reduces information asymmetry and improves prescribing appropriateness, while requiring caution and critical oversight.
The ECCH video demonstrates that AI is redefining cardiology, shifting diagnosis from a linear analysis to a multidimensional pattern recognition of hidden clues. Validity indicators generated by AI enable objective assessment of care quality, analogous to aviation verification systems. Although tools for physicians (type A) are already available, developing safe systems for patients and administrators remains urgent. The cultural revolution is underway: cardiologists must embrace this new language to avoid becoming the “farriers” of medicine, but instead become conscious protagonists of a landmark transformation.
Hai mai utilizzato uno strumento di intelligenza artificiale nella tua pratica clinica? Intelligenza artificiale in medicina. La consideri prevalentemente un rischio o un’opportunità? Mi chiamo Mario. Ho 33 anni e vivo a Vigata. Era una domenica pomeriggio tranquilla, quando all’improvviso sentii il cuore in gola. Una sensazione mai provata prima, che mi riempì d’ansia. Corsi al pronto soccorso di Vigata.
Iniziò la mia storia. Sono Lucia, medica del pronto soccorso di Vigata. Ricordo bene quella domenica. Mario era in fibrillazione atriale, appena insorta, il primo episodio della sua vita. Dopo due ore di terapia con amiodarone, il ritmo cardiaco si normalizzò. L’ECG tornò apparentemente normale, la pressione stabile. Ma poi feci qualcosa di impensabile fino a pochi mesi fa.
Sottoposi il tracciato al nostro nuovo sistema di analisi ECG con intelligenza artificiale. La risposta fu sorprendente. Alta probabilità di insorgenza di fibrillazione atriale e di disfunzione ventricolare sinistra. Eseguì subito un ecocardiogramma focus. Con il nostro nuovo ecografo assistito da IA. Uno strumento che mi guida passo dopo passo, anche se non sono cardiologa esperta.
Sono Giorgio, cardiologo presso l’ospedale di Vigata. Visitai Mario il martedì successivo. L’ecocardiogramma confermò la disfunzione ventricolare sinistra.
E le indagini successive rivelarono una cardiomiopatia da varianti della titina. Ma la storia di Mario non è un caso isolato. Poche settimane prima, una donna di 41 anni era arrivata in pronto soccorso per deficit motori transitori, probabilmente un mini ictus. ECG ed ecocardiogramma erano perfettamente normali. Eppure, l’intelligenza artificiale segnalò alta probabilità di fibrillazione atriale. Decidemmo di approfondire con un alter.
e scoprimmo episodi ricorrenti di fibrillazione atriale parossistica, completamente asintomatici. Sono Teresa, la direttrice sanitaria dell’ospedale di Vigata. Chi lavora in provincia conosce le difficoltà. Carenza di specialisti, risorse limitate, la sensazione di essere sempre un passo indietro. Eppure, oggi posso dire che stiamo scrivendo una storia diversa. Un anno fa prendemmo una decisione coraggiosa.
Essere tra i primi ospedali in Italia ad aprire le porte all’intelligenza artificiale nella pratica clinica quotidiana. Oggi i risultati parlano chiaro. I nostri medici del pronto soccorso hanno ampliato la loro autonomia diagnostica, non sostituiti dalla tecnologia, ma potenziati da essa. Hanno maggiori garanzie di validità del loro operato. Sono consapevoli dei limiti di questi strumenti e sanno come averne il pieno controllo e non esserne sopraffatti.
Si sentono più sicuri, più capaci, orgogliosi di poter offrire ai nostri pazienti il livello di cura che si aspettano. Sono Costanza, ricercatrice al Policlinico Universitario di Montelusa. Il nostro scopo non è fare pubblicità, ma spiegare come funzionano questi strumenti rivoluzionari. L’elettrocardiogramma sembrava avere esaurito le capacità diagnostiche ancora ignote. Ed invece è iniziata una nuova stagione.
nuove capacità diagnostiche, impensabili fino a pochi anni fa. L’intelligenza artificiale vede nelle CG ciò che l’occhio umano non può vedere. Il medico lo analizza in modo sequenziale. Misura intervalli. Esamina onde, componenti macroscopiche, cerca pattern noti. L’intelligenza artificiale, al contrario, analizza l’intero tracciato come se fosse un’orchestra sinfonica.
Coglie simultaneamente la complessa armonia delle 12 derivazioni, individuando microscopici dettagli e relazioni statistiche complesse che sfuggono all’occhio e alla mente dell’uomo. Addestrata con milioni di ACG e con le relative notizie cliniche, archiviati in modalità digitale da decenni nei grandi centri, l’IA ha imparato a riconoscere microimpronte elettriche. Così identifica pazienti con ECG apparentemente normale che svilupperanno fibrillazione atriale.
Oppure che già hanno disfunzione ventricolare sinistra. Questa nuova modalità diagnostica ha mostrato di avere sensibilità, specificità e accuratezza diagnostica sorprendentemente elevate. Passiamo all’ecocardiografia. Determinare volumi e frazione d’eiezione del ventricolo sinistro richiede esperienza tecnica e competenze mediche. Questi strumenti di intelligenza artificiale sono stati addestrati da operatori esperti.
per guidare medici non specialisti ad acquisire immagini di qualità sufficiente per misure attendibili. Il sistema riconosce le immagini, applica le regolazioni necessarie e fornisce risultati validi e verificabili, facilitando l’acquisizione di specifiche competenze ed ampliando l’autonomia diagnostica di medici non specialisti della disciplina. Sono Edoardo, responsabile dei sistemi informativi dell’ASL di Vigata.
È appena iniziata la transizione digitale della sanità, che inizia anche l’innovazione, seguita dalla trasformazione con intelligenza artificiale. Non si tratta solo di tecnologia. Stiamo trasformando le radici culturali del modo di acquisire conoscenze, di concepire e di attuare l’attività medica e l’assistenza sanitaria. È un radicale cambiamento di paradigma, che ridefinisce la formazione e l’aggiornamento di medici.
operatori sanitari e di noi ingegneri della sanità. I medici affrontano questa rivoluzione culturale e scientifica imparando nuovi linguaggi, abbracciando paradigmi che fino a pochi anni fa sembravano fantascienza. Si interrogano ogni giorno su come l’intelligenza artificiale possa, non sostituire, ma integrare l’intuizione clinica maturata in decenni di esperienza. Solo cooperando insieme riusciremo a produrre vera innovazione e progresso.
Questa è solo l’alba di una rivoluzione che ridefinirà cosa significa essere medico, curare, guarire. E noi di Vigata vogliamo essere protagonisti, non spettatori, di questo cambiamento epocale. Nel 1972.
Kenneth Arrow vinceva il Nobel parlando di asimmetria informativa, anche nella sanità. A fine settembre, un aereo ha un problema grave dopo il decollo da Catania. Si scopre una lacuna nel software che viene prontamente corretta. A fine ottobre, un altro inconveniente su un volo tra Cancun e New York. Vengono richiamati 6.000 aerei per riparazioni urgenti, persino quello che trasportava il Papa. Eppure, nessuno si è fatto male, nessun danno materiale.
Quando prendiamo un aereo, ci aspettiamo di arrivare sani e salvi. E questo succede praticamente sempre. I rarissimi incidenti aerei fanno notizia in tutto il mondo. Se l’aviazione perdesse questa affidabilità, l’intero sistema crollerebbe. Tutti possono verificare se un volo è andato a buon fine o arrivi a destinazione o no. L’informazione è chiara, trasparente, simmetrica. Nella sanità le cose funzionano diversamente. Esiste quello che gli esperti chiamano asimmetria informativa.
Il medico sa moltissimo, il paziente molto poco. Questa disparità di conoscenze impedisce al paziente di giudicare oggettivamente se il medico sta facendo bene il suo lavoro. È una caratteristica inevitabile dei sistemi sanitari moderni. La medicina è complessa, richiede anni di studio e non può essere altrimenti. Ma questo crea un paradosso difficile da risolvere. Come facciamo a sapere se una prestazione medica, una diagnosi, una cura è valida? Attenzione!
Validità non significa necessariamente guarigione. Una cura può essere perfettamente corretta anche se il paziente non guarisce. Una prestazione è valida quando segue le procedure corrette, si basa sulle evidenze e le conoscenze scientifiche disponibili, rispetta i confini tra la naturale variabilità dei risultati e l’improvvisazione irresponsabile. Il problema è che è sostanzialmente impossibile valutare la validità di ogni singola prestazione medica.
Non possiamo aprire il cofano e verificare se tutto è stato fatto a regola d’arte come potremmo fare con un motore d’aereo. La situazione si complica ulteriormente. Il medico è completamente responsabile della validità delle cure che fornisce e deve rispondere degli errori. Eppure, nella maggior parte dei casi, non ha il potere di controllare le condizioni organizzative che gli permetterebbero di garantire quella validità.
In sintesi, mancano gli strumenti per misurare davvero la validità delle cure e finora non è stato possibile crearli. Poiché non riusciamo a misurare l’effettiva qualità e appropriatezza delle cure, i sistemi sanitari si sono concentrati su ciò che è più facile da misurare. Costi, tempi e velocità. Quanto costa un intervento? Quanto tempo richiede? Quanti pazienti possiamo trattare al giorno? Sono indicatori di efficienza economica, non di validità medica.
È come se valutassimo un aereo solo in base a quanto velocemente parte, non si arriva a destinazione. L’introduzione dell’intelligenza artificiale potrebbe cambiare radicalmente questo schema. L’intelligenza artificiale sembra poter offrire indicatori oggettivi della validità di ogni singola prestazione medica, qualcosa che assomiglia a quegli indicatori chiari e verificabili che l’aviazione usa da decenni.
Se questa possibilità si concretizzerà, potremo finalmente costruire nuovi modelli di assistenza sanitaria basati su affidabilità ed efficienza reale, proprio come ha saputo fare il sistema del trasporto aereo. In sintesi, l’aviazione ci insegna che l’affidabilità si costruisce con sistemi di verifica oggettivi e trasparenti.
La medicina non ha ancora questi strumenti, ma l’intelligenza artificiale sembra capace di fornirli, trasformando radicalmente il modo di concepire ed attuare l’assistenza sanitaria. Sono tre, e non due, i poli dell’asimmetria informativa in sanità, creatori, isolati ai vertici di un triangolo. Il medico, il vertice della competenza, l’unico in grado di valutare la validità clinica. Il paziente, il vertice del bisogno.
che si affida all’empatia e all’esperienza. L’amministratore, il vertice della sostenibilità, focalizzato su budget e produttività. Il drummer, questi mondi non comunicano. Il medico parla il linguaggio della scienza. Il paziente è quello dell’emozione. L’amministratore è quello della gestione. Senza un minimo comune denominatore, il sistema resta fragile, come diceva Kenneth Arrow. Ma oggi, per la prima volta, abbiamo un possibile traduttore universale.
l’intelligenza artificiale. Può diventare un ponte. Può offrire indicatori di validità reali e trasparenti per tutti e tre i vertici, che potrebbero finalmente guardare la stessa bussola, convertendo l’asimetria in sinergia. È questa la direzione intrapresa? I colossi dell’iTech fiutano le opportunità, propongono i loro assistenti clinici concepiti per gli utenti, pronti ad entrare in Europa. Pensate anche a quanto sta avvenendo in Cina. L’argomento è articolato.
Complesso e coinvolge tutti e tre i vertici del triangolo. Se la comunità medica lo ignora, provvederà qualcun altro. Sono Cecilia. Dopo aver lavorato alcuni anni come cardiologa all’ospedale di Montelosa, mi sono trasferita in provincia, nella cardiologia ambulatoriale di Fiacca. In ospedale si lavora in equip, ci si confronta. Ci si consulta a vicenda. In ambulatorio è raro che avvenga e questo mi manca.
Pochi anni fa scoprire i Large Language Model, come Chuck GPT. E poi anche Claude. Gemini. Dipsic. Con molta prudenza cominciai a provarli. Poi scopri Open Evidence, un prodotto riservato ai medici, che offre maggiori garanzie sulla validità scientifica dell’addestramento a cui viene sottoposto. Purse con tanta cautela e prudenza e rispettando le norme di tutela dei dati sensibili e sanitari.
cominciai a confrontarmi con Open Evidence un po’ come se fosse un mio collega. Lo so, non è un mio collega, non lo è affatto, ma cambia le carte in tavola. Vi mostro un esempio di quello che faccio abitualmente. Quello che vi sto mostrando è il mio dialogo con Open Evidence. Riguarda un uomo di 58 anni, con dislipidemia e molti etnici fattori di rischio cardiovascolare.
con evidenza alla carotidi di aterosclerosi coronarica non critica e asintomatica. Discutiamo sull’appropriatezza della terapia farmacologica per la dislipidemia. È un dialogo supportato da riferimenti di letteratura scientifica. Un bel cambiamento di paradigma, fino a pochi anni fa inimmaginabile. Sono consapevole che bisogna essere molto prudenti. Non eccedere in entusiasmi né cadere vittima di pregiudizi.
So che siamo appena agli inizi di una nuova era della medicina e con spirito di equilibrato buonsenso mi documento, mi informo e provo con mano. Credo che stia nascendo una nuova disciplina che manca nel mio percorso formativo, ma che non mancherà in quello dei giovani medici. Io sono pronta ad adeguarmi. Cecilia vi ha parlato di Open Evidence dalla prospettiva del clinico. Permettetemi di inquadrare questo strumento in un contesto più ampio.
Open Evidence appartiene alla categoria degli assistenti clinici di IA. Questi a loro volta vengono definiti come assistenti all’azione, o copilot, e assistenti al ragionamento, o co-thinker, in base al loro ruolo prevalente. Open Evidence è prevalentemente un co-thinker. Sono entrati in campo i colossi digitali che investono enormi risorse sull’intelligenza artificiale, anche nella sanità.
I loro prodotti sono alle porte dell’Unione Europea, dove le regole dell’IAC e del GDPR ne regolamentano l’accesso. E IAC classifica molti di questi assistenti clinici come sistemi ad alto rischio, richiedendo certificazioni rigorose prima dell’impiego in ambito diagnostico-terapautico. Prodotti come Daxco Palette, Epic, Abridge, vengono già utilizzati correntemente nella pratica quotidiana da oltre 600.000 medici d’oltreoceano.
Poi ci sono prodotti europei, come Nabla e Tandem Health. Una delle funzioni di copilota clinico è quella definita E.I.Scribe. L’assistente virtuale che vede, esamina, ascolta e prepara le bozze di documenti, di referti, di sintesi cliniche, di prescrizioni, sobbarcandosi quei compiti ripetitivi, burocratici, mnemonici, ma anche di rilevante carattere intellettivo, che il medico troverà già pronte.
e quindi li verifica, li integra oppure li corregge ed infine li convalida. Insomma, è già iniziata una grande partita. Siamo ancora agli inizi ma si va avanti per grandi passi. Io parlo nel dicembre 2025. Dove saremo nel marzo 2026?
Quelli che trovano nell’ECG informazioni che nessun cardiologo esperto riuscirebbe a fare non sono strumenti magici, ma frutto dell’intelligenza umana. Come si è arrivati a tanto? Sapete cos’è lo spazio delle features? Io l’ho scoperto solo da poco. Ve lo spiegherà Lucia. Mi sono avvalso di strumenti di intelligenza artificiale, anche di quelli che hanno generato Lucia ed il mio gemello digitale.
che è quello che vi sta parlando. E se vi dicessi che la medicina nasconde un linguaggio segreto e che oggi abbiamo la chiave per decifrarlo? Ci tufferemo in un concetto che sta letteralmente ridisegnando la diagnosi, lo spazio delle features. Tutto comincia con l’intuizione di quel clinico geniale, con la sua capacità, quasi un sesto senso, di riconoscere degli schemi in mezzo a un mare di rumore. Immaginate la scena, quel medico molto esperto non sta guardando un singolo paziente.
Il suo sguardo si allarga a centinaia, a migliaia di casi. A un certo punto, nota qualcosa. Una strana combinazione di indizi che continua a ripetersi. E capisce subito, questa non è una coincidenza, è un pattern. È l’indizio di una condizione ancora sconosciuta. Per descrivere questa impronta digitale clinica, usiamo una metafora bellissima. Una costellazione di tracce.
Un insieme di segni, di dati, che tutti insieme disegnano il profilo di una potenziale nuova malattia. Quell’ipotesi verrà sottoposta a un rigoroso percorso di validazione scientifica per trasformarla in evidenza, permettendo così in futuro agli altri medici di riconoscerla. Questa è la logica che utilizziamo noi umani. L’intelligenza artificiale fa qualcosa di simile, riconosce pattern e costellazioni di tracce, ma lo fa con una complessa logica matematica.
Converte ciascuno di quegli elementi in un vettore da collocare in uno spazio immaginario. Uno spazio con innumerevoli dimensioni. Lo spazio delle features, o, se preferite, lo spazio delle caratteristiche. Ok, spazio delle features suona astratto, vero? Allora, rendiamolo concreto. Stiamo per mappare la malattia in uno spazio virtuale. E in questo spazio, i pazienti diventano dei semplici punti. Facciamo un esempio pratico. Prendiamo un cuore.
Come si fa a capire se sta bene o male semplicemente guardando quella linea tremolante su un monitor? Per un occhio inesperto, un elettrocardiogramma sembra uno scarabocchio. Ma per il vostro occhio esperto, quello scarabocchio è una miniera d’oro. Analizzate intervalli, forme d’onda, ricorrenze, aggregazioni di caratteristiche che sapete interpretare. L’intelligenza artificiale fa lo stesso.
Ma in quello stesso ECG riesce a individuare un numero enorme di microcaratteristiche, impossibile per la mente umana. Facendo così diventa capace di riconoscere condizioni che il cardiologo più esperto non potrebbe mai individuare da solo. Adesso visualizziamo il nostro spazio matematico. Pensiamolo come una stanza virtuale gigantesca con una dimensione per ciascuna di quelle innumerevoli caratteristiche che li ha ammisurato.
Bene, dentro questa stanza, l’ECG di ogni soggetto diventa un singolo, minuscolo punto. Ed è qui che succede la magia dei dati. In questo spazio, i punti dei pazienti sani non sono messi a caso, ma tendono a raggrupparsi. Formano una nuvola compatta, una galassia, un cluster. Ma cosa succede se analizzando i dati di migliaia di persone, li annota un’altra galassia di punti? Un gruppo compatto!
Sì, ma situato in un angolo isolato della mappa. Chi sono? Cosa ci sta dicendo quel gruppetto sperduto? È una nuova malattia? Oppure un nuovo modo per riconoscere una patologia già nota? È la prova visiva e matematica che lì c’è qualcosa di diverso. È la sua firma numerica, una combinazione di valori che si ripete e che ci segnala una condizione che fino a un attimo prima non sapevamo nemmeno esistesse. Questi cluster diventano le parole di un linguaggio nuovo.
Un linguaggio che le macchine imparano a parlare per noi. Lo usano per riconoscere con più precisione le patologie note. Ma, e questa è la cosa incredibile, lo usano anche per puntare un riflettore su condizioni che fino a oggi erano rimaste nascoste nel silenzio dei dati. È questo che fa l’IA per riconoscere gli ECG apparentemente normali dei soggetti, con alta probabilità di sviluppare fibrillazione atriale. Guardate questo tracciato. Morfologicamente perfetto.
Il sistema analizza e risponde. Probabilità molto bassa per patologie strutturali. Ed ecco l’ecocardiografia del soggetto. Un cuore giovane, sano, performante. Ora osservate quest’altro. Qui le turbe della conduzione e l’aritmia sono evidenti anche a un occhio inesperto. Ma il sistema va oltre la morfologia e segnala una probabilità significativa di disfunzione ventricolare destra. Questo è il cuore del soggetto.
Dobbiamo fidarci ciecamente di un verdetto senza prove. È la solita scatola nera dell’intelligenza artificiale? La risposta è nella Explainable Artificial Intelligence. Alcuni di questi sistemi utilizzano le mappe di salienza. Sovrappongono al tracciato una mappa di calore che evidenzia i segmenti delle cigi che hanno pesato di più sulla sua decisione. Vediamo, letteralmente, dove la macchina ha puntato gli occhi.
Lo spazio delle features e i suoi cluster non sono magia, ma il frutto dell’intelligenza umana al servizio della medicina. La prima volta che sentii questa espressione, a simmetria informativa, pensai che fosse roba per intellettuali, ma capii presto che la faccenda mi riguarda. Ci riguarda tutti. In fondo, a me è andata bene. Pur vivendo in provincia, la mia patologia è stata correttamente riconosciuta, sono state adottate le misure,
ed iniziate le terapie per evitarmi problematiche ben più gravi. I medici sono stati bravi al punto di avere anche usato bene strumenti di intelligenza artificiale per curarmi. L’analogia con il trasporto aereo e la storia degli indicatori di validità è roba assai concreta ed importante. So che i medici già dispongono di alcuni di questi indicatori di validità di IA e che molti altri arriveranno presto.
Ma chi pensa a noi pazienti? In mancanza di soluzioni affidabili è inevitabile che ci rivolgiamo ad Internet, a ChatGPT o ai suoi analoghi. Con quali rischi? Non sono prodotti concepiti per questo scopo. È pericoloso usarli da profani per questi scopi. Ma senza la pressione mediatica, dell’opinione pubblica e la voce dei medici, chi avrà interesse e si impegnerà per sviluppare soluzioni appropriate per noi utenti?
Mario ha ragione. Ha capito una cosa importante. Questi argomenti che sembrano astratti, asimmetria informativa, indicatori di validità, in realtà riguardano la sua vita. La vita di ognuno di voi. Io sono un avatar, non ho di questi problemi. Ma voi sì. Mario ha colto un’altra distinzione fondamentale. Gli strumenti pensati per i medici non sono gli stessi che servono ai pazienti. E nemmeno quelli che servono a chi deve organizzare la sanità.
Sono tre mondi diversi, tre bisogni diversi. Facciamo un gioco. Chiamiamo gli indicatori di tipo A, B e C. Gli indicatori di tipo A sono per voi medici, per chi cura. I tipo B sono per i pazienti, per chi viene curato. I tipo C sono per gli amministratori, per chi deve far funzionare il sistema. La mia intervista risale al dicembre 2025.
Voi la vedrete a marzo 2026, chissà quante altre novità ci saranno nel frattempo. Ma oggi? Oggi gli indicatori di tipo A già esistono. Assistenti clinici con intelligenza artificiale. Strumenti per eseguire o esaminare le ecografie del cuore. Sistemi che vi aiutano nella diagnosi. Non sono chiamati ufficialmente indicatori di validità, ma ci sono e di fatto lo sono. E gli altri? Gli indicatori per i pazienti?
Per gli amministratori? Praticamente nulla. Ed è qui che nasce il problema che Mario ha capito benissimo. Se non diamo alla gente strumenti pensati per loro, strumenti sicuri, regolamentati, affidabili, cosa faranno? Useranno quello che trovano. ChatGPT, Cloud, Google. Il primo chatbot che capita. Strumenti magari ottimi per altre cose, ma non pensati per questioni di salute.
Non costruiti per essere affidabili quando in gioco c’è la vita di una persona. Ma c’è dell’altro. Sta succedendo qualcosa di più grande. Pensate al 1800. Arriva il motore termico e il mondo dei trasporti cambia per sempre. C’era il cocchiere, che guidava le carrozze. C’era il maniscalco, che ferrava i cavalli. Figure rispettabili, professionisti del loro tempo. Ora provate a immaginare.
Prendete quel maniscalco e fategli ascoltare una conversazione tra un contronore di volo e un pilota di oggi. Tower, richiedo autorizzazione per salire a flight level 350. Il maniscalco capirebbe? Riuscirebbe anche solo a immaginare che esistono questi problemi? O ancora, un pilota che dice al suo amico domattina parto da Catania, volo a Ginebra, poi Milano, poi Roma,
Ed in serata sarò affrascati, a cena con voi amici. Il maniscalco probabilmente penserebbe che sta scherzando. O che è impazzito. Ecco! Forse noi siamo i maniscalchi della medicina. Non perché non siamo bravi, lo siamo. Ma perché il mondo sta cambiando così velocemente che facciamo fatica anche solo a immaginare come sarà tra dieci anni. La differenza è che oggi tutto va molto, molto più veloce.
L’intelligenza artificiale in medicina esiste da anni, ma lavorava nell’ombra. Solo gli addetti ai lavori la conoscevano, la usavano. Poi è arrivato quel fatidico giorno, 30 novembre 2022. Da quel giorno chiunque ha potuto toccare con mano l’intelligenza artificiale, parlare con lei in linguaggio normale, come se fosse un’altra persona. Da quel giorno tutto è esploso. E sono passati solo tre anni. Tre anni!
Ed eccoci al terzo punto, quello cruciale. Dobbiamo affrontare questa trasformazione con la testa. Non possiamo lasciarci travolgere. Dobbiamo essere informati, lucidi, consapevoli. Fatevi una domanda. Cosa capireste della cardiopatia ischemica se non aveste mai studiato chimica e biochimica? Se non sapeste nulla del ciclo di Krebs, di come il corpo umano produce energia? Niente.
Sareste vulnerabili. Se qualcuno vi dicesse che la cellula del miocardio produce energia tramite fissione nucleare, non avreste gli strumenti per riconoscere che è una sciocchezza. Vi mancherebbe il linguaggio, la grammatica di base per capire. Ecco cosa sta succedendo oggi. Sta nascendo una nuova disciplina. Come un tempo è nata la biochimica, oggi sta nascendo qualcosa di altrettanto fondamentale per chi lavora in sanità.
Qualcosa che tra dieci anni sarà nei programmi di studio, nei manuali. Qualcosa senza cui non si potrà esercitare la professione medica. Siamo agli albori. È tutto ancora magmatico, informazione. Ma piano piano vedremo questa disciplina prendere forma. Nascerà una sua struttura, dei suoi capitoli, dei suoi argomenti fondamentali. Arriveranno i maestri, i professori che la insegneranno. E voi siete qui!
Adesso, all’inizio di questo processo. Bene! Questa sessione sta per finire. Tra poco voterete di nuovo, poi ci sarà il dibattito. Il congresso continua fino a mercoledì. Ma prima di chiudere, vi chiedo una cosa. Si è accesa una lampadina? Avete una nuova chiave di lettura? Se sì, usatela. Provate ad applicarla a ogni altro momento di questo congresso.
Ogni relazione, ogni dibattito, ogni pausa caffè dove parlate con i colleghi. Chiedetevi, qui dove si nasconde l’intelligenza artificiale, come cambierà questo aspetto della mia professione? Quali strumenti mi servirebbero? Quali rischi corro se non mi adeguo? Perché adesso lo sapete? E non potete far finta di niente. Ho provato questi strumenti di IA. Intelligenza artificiale in medicina. La consideri prevalentemente un rischio o un’opportunità?
Have you ever used an artificial intelligence tool in your clinical practice? Artificial intelligence in medicine. Do you consider it mainly a risk or an opportunity? My name is Mario. I am 33 years old and live in Vigata. It was a quiet Sunday afternoon, when suddenly I felt my heart in my throat. A feeling I had never experienced before, which filled me with anxiety. I rushed to the emergency room in Vigata.
My story began. I am Lucia, an emergency physician in Vigata. I remember that Sunday well. Mario was in atrial fibrillation, just onset, his first episode ever. After two hours of therapy with amiodarone, his heart rhythm normalized. The ECG returned apparently normal, blood pressure stable. But then I did something unthinkable until a few months ago.
I submitted the tracing to our new ECG analysis system with artificial intelligence. The answer was surprising. High probability of onset of atrial fibrillation and left ventricular dysfunction. I immediately performed a focused echocardiogram. With our new AI-assisted ultrasound machine. A tool that guides me step by step, even though I am not an experienced cardiologist.
I am Giorgio, a cardiologist at the Vigata hospital. I saw Mario the following Tuesday. The echocardiogram confirmed left ventricular dysfunction.
And subsequent investigations revealed a cardiomyopathy due to titin variants. But Mario’s story is not an isolated case. A few weeks earlier, a 41-year-old woman arrived in the emergency room with transient motor deficits, probably a mini stroke. ECG and echocardiogram were perfectly normal. Yet, artificial intelligence signaled a high probability of atrial fibrillation. We decided to investigate further with a loop recorder.
and we discovered recurrent episodes of paroxysmal atrial fibrillation, completely asymptomatic. I am Teresa, the medical director of the Vigata hospital. Those who work in the countryside know the difficulties. Shortage of specialists, limited resources, the feeling of always being one step behind. Yet, today I can say we are writing a different story. A year ago we made a courageous decision.
To be among the first hospitals in Italy to open the doors to artificial intelligence in daily clinical practice. Today the results speak for themselves. Our emergency room physicians have expanded their diagnostic autonomy, not replaced by technology, but empowered by it. They have greater guarantees of the validity of their work. They are aware of the limitations of these tools and know how to have full control of them and not be overwhelmed.
They feel safer, more capable, proud to be able to offer our patients the level of care they expect. I am Costanza, a researcher at the University Hospital of Montelusa. Our goal is not to advertise, but to explain how these revolutionary tools work. The electrocardiogram seemed to have exhausted its diagnostic capabilities, still unknown. And instead a new season has begun.
new diagnostic capabilities, unthinkable until a few years ago. Artificial intelligence sees in ECGs what the human eye cannot see. The doctor analyzes it sequentially. Measures intervals. Examines waves, macroscopic components, looks for known patterns. Artificial intelligence, on the other hand, analyzes the entire trace as if it were a symphony orchestra.
It simultaneously grasps the complex harmony of the 12 leads, identifying microscopic details and complex statistical relationships that escape the human eye and mind. Trained with millions of ECGs and related clinical data, stored digitally for decades in large centers, AI has learned to recognize electrical micro-prints. Thus it identifies patients with apparently normal ECGs who will develop atrial fibrillation.
Or who already have left ventricular dysfunction. This new diagnostic modality has shown surprisingly high sensitivity, specificity and diagnostic accuracy. Let’s move on to echocardiography. Determining left ventricular volumes and ejection fraction requires technical experience and medical skills. These artificial intelligence tools have been trained by experienced operators.
to guide non-specialist physicians to acquire images of sufficient quality for reliable measurements. The system recognizes the images, applies the necessary adjustments and provides valid and verifiable results, facilitating the acquisition of specific skills and expanding the diagnostic autonomy of non-specialist physicians. I am Edoardo, head of information systems of the Vigata Local Health Authority.
The digital transition of healthcare has just begun, and innovation also begins, followed by transformation with artificial intelligence. It’s not just about technology. We are transforming the cultural roots of the way of acquiring knowledge, of conceiving and implementing medical activity and healthcare. It is a radical paradigm shift, which redefines the training and updating of doctors.
healthcare professionals and us healthcare engineers. Doctors face this cultural and scientific revolution by learning new languages, embracing paradigms that until a few years ago seemed like science fiction. They question themselves daily on how artificial intelligence can, not replace, but integrate clinical intuition matured over decades of experience. Only by cooperating together will we be able to produce true innovation and progress.
This is only the dawn of a revolution that will redefine what it means to be a doctor, to heal, to cure. And we in Vigata want to be protagonists, not spectators, of this epochal change. In 1972.
Kenneth Arrow won the Nobel Prize talking about information asymmetry, also in healthcare. At the end of September, a plane has a serious problem after takeoff from Catania. A gap in the software is discovered and promptly corrected. At the end of October, another mishap on a flight between Cancun and New York. 6,000 planes were recalled for urgent repairs, even the one carrying the Pope. Yet, no one was hurt, no material damage.
When we take a plane, we expect to arrive safe and sound. And this happens practically always. The very rare plane accidents make news all over the world. If aviation lost this reliability, the entire system would collapse. Everyone can check if a flight went well or if you arrive at the destination or not. The information is clear, transparent, symmetrical. In healthcare things work differently. There is what experts call information asymmetry.
The doctor knows a lot, the patient very little. This disparity in knowledge prevents the patient from objectively judging whether the doctor is doing his job well. It is an inevitable characteristic of modern healthcare systems. Medicine is complex, requires years of study and cannot be otherwise. But this creates a difficult paradox to solve. How do we know if a medical service, a diagnosis, a treatment is valid? Attention!
Validity does not necessarily mean healing. A treatment can be perfectly correct even if the patient does not heal. A service is valid when it follows correct procedures, is based on available scientific evidence and knowledge, respects the boundaries between natural variability of results and irresponsible improvisation. The problem is that it is substantially impossible to evaluate the validity of each individual medical service.
We cannot open the hood and check if everything was done according to the rules of the art as we could with an airplane engine. The situation becomes even more complicated. The doctor is completely responsible for the validity of the treatments he provides and must answer for errors. Yet, in most cases, he does not have the power to control the organizational conditions that would allow him to guarantee that validity.
In summary, the tools to truly measure the validity of treatments are lacking and so far it has not been possible to create them. Since we cannot measure the actual quality and appropriateness of treatments, healthcare systems have focused on what is easier to measure. Costs, times and speed. How much does an intervention cost? How much time does it require? How many patients can we treat per day? These are indicators of economic efficiency, not medical validity.
It’s as if we evaluated an airplane only based on how fast it takes off, not on reaching the destination. The introduction of artificial intelligence could radically change this scheme. Artificial intelligence seems to be able to offer objective indicators of the validity of each individual medical service, something that resembles those clear and verifiable indicators that aviation has used for decades.
If this possibility materializes, we will finally be able to build new healthcare models based on reliability and real efficiency, just as the air transport system has been able to do. In summary, aviation teaches us that reliability is built with objective and transparent verification systems.
Medicine does not yet have these tools, but artificial intelligence seems capable of providing them, radically transforming the way of conceiving and implementing healthcare. There are three, not two, poles of information asymmetry in healthcare, creators, isolated at the vertices of a triangle. The doctor, the vertex of competence, the only one able to evaluate clinical validity. The patient, the vertex of need.
who relies on empathy and experience. The administrator, the vertex of sustainability, focused on budget and productivity. These worlds do not communicate. The doctor speaks the language of science. The patient speaks the language of emotion. The administrator speaks the language of management. Without a common denominator, the system remains fragile, as Kenneth Arrow said. But today, for the first time, we have a possible universal translator.
artificial intelligence. It can become a bridge. It can offer real and transparent validity indicators for all three vertices, who could finally look at the same compass, converting asymmetry into synergy. Is this the direction taken? The iTech giants sniff opportunities, propose their clinical assistants designed for users, ready to enter Europe. Think also about what is happening in China. The topic is articulated.
Complex and involves all three vertices of the triangle. If the medical community ignores it, someone else will. I am Cecilia. After working a few years as a cardiologist at the Montelosa hospital, I moved to the countryside, to the outpatient cardiology of Fiacca. In the hospital you work in a team, you compare. You consult each other. In the clinic it rarely happens and I miss it.
A few years ago I discovered Large Language Models, like ChatGPT. And then also Claude. Gemini. DeepSeek. With great caution I began to try them. Then I discovered Open Evidence, a product reserved for doctors, which offers greater guarantees on the scientific validity of the training to which it is subjected. However with great caution and prudence and respecting the rules for the protection of sensitive and health data.
I began to compare myself with Open Evidence a bit as if it were a colleague of mine. I know, it’s not a colleague, not at all, but it changes the game. I will show you an example of what I usually do. What I am showing you is my dialogue with Open Evidence. It concerns a 58-year-old man, with dyslipidemia and many other cardiovascular risk factors.
with evidence at the carotids of non-critical and asymptomatic coronary atherosclerosis. We discuss the appropriateness of drug therapy for dyslipidemia. It is a dialogue supported by references from scientific literature. A nice paradigm shift, unimaginable until a few years ago. I am aware that we must be very cautious. Not to overdo enthusiasm nor fall victim to prejudices.
I know we are just at the beginning of a new era of medicine and with a spirit of balanced common sense I document myself, I inform myself and I try firsthand. I believe that a new discipline is being born that is missing in my training path, but that will not be missing in that of young doctors. I am ready to adapt. Cecilia told you about Open Evidence from the clinician’s perspective. Allow me to frame this tool in a broader context.
Open Evidence belongs to the category of AI clinical assistants. These in turn are defined as action assistants, or copilots, and reasoning assistants, or co-thinkers, based on their prevailing role. Open Evidence is predominantly a co-thinker. Digital giants have entered the field, investing enormous resources in artificial intelligence, also in healthcare.
Their products are at the gates of the European Union, where the AI Act and GDPR rules regulate their access. The AI Act classifies many of these clinical assistants as high-risk systems, requiring rigorous certifications before use in diagnostic-therapeutic settings. Products like DAX Copilot, Epic, Abridge, are already being used routinely in daily practice by over 600,000 doctors overseas.
Then there are European products, like Nabla and Tandem Health. One of the functions of a clinical copilot is what is defined as AI Scribe. The virtual assistant that sees, examines, listens and prepares drafts of documents, reports, clinical summaries, prescriptions, taking on those repetitive, bureaucratic, mnemonic tasks, but also of significant intellectual character, which the doctor will find ready.
and therefore verifies them, integrates them or corrects them and finally validates them. In short, a great game has already begun. We are still at the beginning but we are moving forward by leaps and bounds. I speak in December 2025. Where will we be in March 2026?
Those who find information in the ECG that no experienced cardiologist could find are not magical tools, but the fruit of human intelligence. How did we get this far? Do you know what the feature space is? I only discovered it recently. Lucia will explain it to you. I used artificial intelligence tools, including those that generated Lucia and my digital twin.
which is the one speaking to you. And if I told you that medicine hides a secret language and that today we have the key to decipher it? We will dive into a concept that is literally redesigning diagnosis, the feature space. It all begins with the intuition of that brilliant clinician, with his ability, almost a sixth sense, to recognize patterns in a sea of noise. Imagine the scene, that very experienced doctor is not looking at a single patient.
His gaze widens to hundreds, thousands of cases. At a certain point, he notices something. A strange combination of clues that keeps repeating. And he immediately understands, this is not a coincidence, it is a pattern. It is the clue to a still unknown condition. To describe this clinical digital fingerprint, we use a beautiful metaphor. A constellation of traces.
A set of signs, of data, that together draw the profile of a potential new disease. That hypothesis will be subjected to a rigorous path of scientific validation to transform it into evidence, thus allowing other doctors to recognize it in the future. This is the logic we humans use. Artificial intelligence does something similar, recognizes patterns and constellations of traces, but it does so with a complex mathematical logic.
It converts each of those elements into a vector to be placed in an imaginary space. A space with countless dimensions. The feature space. Okay, feature space sounds abstract, right? Well, let’s make it concrete. We are about to map the disease into a virtual space. And in this space, patients become simple points. Let’s take a practical example. Take a heart.
How can you tell if it’s healthy or sick just by looking at that wavy line on a monitor? To an untrained eye, an electrocardiogram looks like a scribble. But to your trained eye, that scribble is a gold mine. You analyze intervals, waveforms, recurrences, aggregations of features that you know how to interpret. Artificial intelligence does the same.
But in that same ECG it manages to identify an enormous number of micro-features, impossible for the human mind. By doing so, it becomes capable of recognizing conditions that the most experienced cardiologist could never identify alone. Now let’s visualize our mathematical space. Think of it as a gigantic virtual room with one dimension for each of those countless features it measured.
Well, inside this room, the ECG of each subject becomes a single, tiny point. And here is where the magic of data happens. In this space, the points of healthy patients are not placed randomly, but tend to group together. They form a compact cloud, a galaxy, a cluster. But what happens if, analyzing data from thousands of people, we annotate another galaxy of points? A compact group!
Yes, but located in an isolated corner of the map. Who are they? What is that little lost group telling us? Is it a new disease? Or a new way to recognize a known pathology? It is the visual and mathematical proof that there is something different there. It is its numerical signature, a combination of values that repeats and signals a condition that until a moment before we didn’t even know existed. These clusters become the words of a new language.
A language that machines learn to speak for us. They use it to recognize known pathologies with more precision. But, and this is the incredible thing, they also use it to shine a spotlight on conditions that until today remained hidden in the silence of data. This is what AI does to recognize apparently normal ECGs of subjects with high probability of developing atrial fibrillation. Look at this tracing. Morphologically perfect.
The system analyzes and responds. Very low probability for structural pathologies. And here is the echocardiography of the subject. A young, healthy, performing heart. Now observe this other one. Here the conduction disturbances and arrhythmia are evident even to an untrained eye. But the system goes beyond morphology and signals a significant probability of right ventricular dysfunction. This is the subject’s heart.
Should we blindly trust a verdict without evidence? Is it the usual black box of artificial intelligence? The answer lies in Explainable Artificial Intelligence. Some of these systems use saliency maps. They overlay a heat map on the tracing that highlights the segments of the ECGs that weighed most on its decision. We literally see where the machine pointed its eyes.
The feature space and its clusters are not magic, but the fruit of human intelligence at the service of medicine. The first time I heard this expression, information asymmetry, I thought it was stuff for intellectuals, but I soon understood that the matter concerns me. It concerns us all. After all, I was lucky. Although I live in the countryside, my pathology was correctly recognized, measures were taken,
and therapies were started to avoid much more serious problems. The doctors were good enough to also have used artificial intelligence tools well to treat me. The analogy with air transport and the story of validity indicators is very concrete and important. I know that doctors already have some of these AI validity indicators and that many more will arrive soon.
But who thinks of us patients? In the absence of reliable solutions, it is inevitable that we turn to the Internet, to ChatGPT or its analogues. With what risks? They are not products designed for this purpose. It is dangerous for laypeople to use them for these purposes. But without media pressure, public opinion and the voice of doctors, who will have the interest and commitment to develop appropriate solutions for us users?
Mario is right. He understood something important. These topics that seem abstract, information asymmetry, validity indicators, actually concern his life. The life of each of you. I am an avatar, I don’t have these problems. But you do. Mario grasped another fundamental distinction. Tools designed for doctors are not the same as those needed by patients. Nor are they the same as those needed by those who have to organize healthcare.
They are three different worlds, three different needs. Let’s play a game. Let’s call them indicators of type A, B and C. Type A indicators are for you doctors, for those who treat. Type B are for patients, for those being treated. Type C are for administrators, for those who have to make the system work. My interview dates back to December 2025.
You will see it in March 2026, who knows how many other novelties there will be in the meantime. But today? Today type A indicators already exist. Clinical assistants with artificial intelligence. Tools to perform or examine heart ultrasounds. Systems that help you in diagnosis. They are not officially called validity indicators, but they are there and in fact they are. And the others? The indicators for patients?
For administrators? Practically nothing. And here is where the problem arises that Mario understood very well. If we don’t give people tools designed for them, safe, regulated, reliable tools, what will they do? They will use whatever they find. ChatGPT, Claude, Google. The first chatbot that comes along. Tools maybe excellent for other things, but not designed for health matters.
Not built to be reliable when a person’s life is at stake. But there’s more. Something bigger is happening. Think about the 1800s. The heat engine arrives and the world of transport changes forever. There was the coachman, who drove the carriages. There was the farrier, who shod the horses. Respectable figures, professionals of their time. Now try to imagine.
Take that farrier and make him listen to a conversation between an air traffic controller and a pilot today. Tower, I request authorization to climb to flight level 350. Would the farrier understand? Would he even be able to imagine that these problems exist? Or again, a pilot who tells his friend: tomorrow morning I leave Catania, fly to Geneva, then Milan, then Rome,
and in the evening I’ll be in Frankfurt, having dinner with you friends. The farrier would probably think he is joking. Or that he has gone mad. That’s it! Perhaps we are the farriers of medicine. Not because we are not good, we are. But because the world is changing so fast that we struggle even to imagine what it will be like in ten years. The difference is that today everything goes much, much faster.
Artificial intelligence in medicine has existed for years, but it worked in the shadows. Only insiders knew it, used it. Then came that fateful day, November 30, 2022. From that day on, anyone could experience artificial intelligence firsthand, talk to it in normal language, as if it were another person. From that day everything exploded. And only three years have passed. Three years!
And here we are at the third point, the crucial one. We must face this transformation with our heads. We cannot let ourselves be overwhelmed. We must be informed, lucid, aware. Ask yourselves a question. What would you understand about ischemic heart disease if you had never studied chemistry and biochemistry? If you knew nothing about the Krebs cycle, about how the human body produces energy? Nothing.
You would be vulnerable. If someone told you that the myocardial cell produces energy through nuclear fission, you would not have the tools to recognize that it’s nonsense. You would lack the language, the basic grammar to understand. This is what is happening today. A new discipline is being born. Just as biochemistry was born once, today something equally fundamental for those working in healthcare is being born.
Something that in ten years will be in study programs, in manuals. Something without which you cannot practice the medical profession. We are at the dawn. Everything is still magmatic, information. But gradually we will see this discipline take shape. Its structure, its chapters, its fundamental topics will be born. The masters, the professors who will teach it will arrive. And you are here!
Now, at the beginning of this process. Well! This session is about to end. Soon you will vote again, then there will be the debate. The congress continues until Wednesday. But before closing, I ask you one thing. Did a light bulb go on? Do you have a new interpretative key? If yes, use it. Try to apply it to every other moment of this congress.
Every lecture, every debate, every coffee break where you talk with colleagues. Ask yourselves, where does artificial intelligence hide here, how will this aspect of my profession change? What tools would I need? What risks do I run if I don’t adapt? Because now you know? And you can’t pretend nothing happened. I have tried these AI tools. Artificial intelligence in medicine. Do you consider it mainly a risk or an opportunity?
