Telemedicina e intelligenza artificiale per curare i pazienti

Medicina e Telemedicina – Nel 2025 il mercato globale dell’intelligenza artificiale in ambito sanitario vale circa 28 miliardi di dollari. Una cifra destinata a crescere in modo vertiginoso: secondo le previsioni il tasso annuo composto sarà superiore al 34,5%, con il settore che potrebbe superare i 543 miliardi di dollari entro il 2035. È quindi molto più di una tendenza tecnologica, è un cambio di paradigma nella medicina, uno spostamento del baricentro dalle cure reattive alla prevenzione predittiva, dalla standardizzazione alla personalizzazione del percorso terapeutico. Al centro di questa rivoluzione c’è il paziente – non più semplice fruitore passivo di prestazioni, ma soggetto attivo immerso in un sistema digitale capace di anticipare, monitorare e ottimizzare la sua salute.

In Italia il valore della sanità digitale ha sfiorato i 2,5 miliardi di euro nel 2024, e, secondo l’Osservatorio Sanità Digitale del Politecnico di Milano, si arriverà a 3,2 miliardi entro il 2030. Tra le tecnologie abilitanti, l’intelligenza artificiale cresce del 35%, il cloud del 25% e la cybersecurity del 15%. Un mix che riflette lo stato dell’arte internazionale: algoritmi al servizio del triage, della diagnostica e della pianificazione; piattaforme cloud per scalabilità e resilienza; sicurezza informatica come condizione preliminare per il trattamento di dati clinici sensibili.

Il PNRR come acceleratore

Il motore principale della trasformazione digitale della sanità italiana è il Piano Nazionale di Ripresa e Resilienza. La Missione 6 del PNRR ha stanziato 1,5 miliardi di euro per il potenziamento delle infrastrutture di telemedicina – con un incremento di 500 milioni rispetto alla previsione iniziale – dando il via al progetto della Piattaforma Nazionale di Telemedicina (PNT), il cui sviluppo è stato avviato da AGENAS in collaborazione con alcune Regioni pilota. Il piano prevede che entro il 2025 i medici di base abbiano completato le informazioni del Fascicolo Sanitario Elettronico (FSE) e che tutte le Regioni e Province autonome lo adottino entro metà 2026. Il PNRR destina inoltre circa 737,6 milioni di euro alla formazione di oltre 293.000 dipendenti del SSN sulle competenze digitali.

La telemedicina ha già raggiunto i primi 500.000 pazienti grazie agli investimenti del PNRR e al lancio della Piattaforma nazionale, tuttavia il percorso è ancora lungo. La quota di medici che utilizzano servizi di telemedicina è rimasta sostanzialmente stabile negli ultimi anni, anche a causa di un clima di “attesa” nei confronti della disponibilità delle nuove piattaforme regionali: solo il 35% dei medici specialisti e il 43% dei medici di medicina generale risultano coinvolti.

Dalla diagnostica per immagini all’oncologia di precisione

Uno degli ambiti in cui l’AI produce i risultati più concreti e misurabili è la diagnostica per immagini. Quando i sistemi di intelligenza artificiale forniscono spiegazioni delle loro analisi, l’accuratezza diagnostica nella radiologia raggiunge il 92,8%. Non si tratta di semplice automazione: gli algoritmi di deep learning sono in grado di analizzare migliaia di immagini di risonanze magnetiche, TAC o mammografie in tempi incomparabilmente più brevi rispetto a quelli umani, individuando pattern e anomalie che potrebbero sfuggire a una prima lettura.

Nell’IRCCS Sacro Cuore Don Calabria di Negrar (Verona), a marzo 2025 è entrato in funzione Hypersight, un sistema che integra la macchina di radioterapia guidata da AI Ethos con un software capace di catturare immagini del tumore e colpirlo in appena sei secondi, ricalcolando il piano di cura con precisione in tempo reale in base alle variazioni anatomiche e della massa tumorale.

Sul fronte oncologico più ampio, l’IRCCS Istituto Nazionale Tumori “Regina Elena” di Roma ha sviluppato un’unità dedicata alla bioinformatica e al machine learning, attiva nella ricerca traslazionale genomica su pazienti oncologici. Questa unità opera nell’ambito dei Molecular Tumor Board real-world, integrando dati di tumore primario e DNA tumorale per valutare le alterazioni molecolari e migliorare la previsione della progressione e della risposta ai trattamenti. Analogamente, l’IRCCS Ospedale San Raffaele di Milano utilizza dati genomici ed epigenetici con approcci di AI per sviluppare strategie terapeutiche personalizzate su glioblastoma e altri tumori complessi.

Telemedicina e intelligenza artificiale – Aziende italiane in prima linea

Nel panorama delle imprese che operano nel nostro Paese citiamo Almaviva, presente in ambito sanitario attraverso la controllata Almawave e la piattaforma Teleadvice. La soluzione consente di prendere in carico e gestire le emergenze dei Pronto Soccorso regionali, inclusi i tracciati di elettrocardiogramma e le operazioni svolte sulle ambulanze, con un database costantemente aggiornato. A questo si aggiunge la possibilità di teleconsulenza tra medici di più strutture.

Almawave, quotata su Euronext Growth Milan, è inclusa tra i 10 più importanti vendor mondiali segnalati da Gartner Group nell’ambito Speech & Text Analytics e viene citata in oltre 60 report internazionali. La sua visione è che scegliere l’intelligenza artificiale non significa sostituire l’uomo né il medico, ma fornire un alleato e offre un supporto ulteriore al paziente, in un cambio di paradigma che va dal concetto di telemedicina a quello di salute connessa.

Il più ampio sistema industriale italiano si muove nella stessa direzione. Un white paper, pubblicato da Anitec-Assinform e frutto del lavoro congiunto tra imprese come Almaviva, Cisco, Engineering, Exprivia, IBM, InterSystems, Microsoft, Oracle e Salesforce, individua cinque pilastri per una strategia nazionale nel post-PNRR: innovazione tecnologica, semplificazione normativa, interoperabilità, accesso stabile ai fondi, sviluppo delle competenze del personale del SSN.

Sul fronte degli investimenti pubblici, il Dipartimento per la trasformazione digitale ha lanciato Tech4Health, un avviso pubblico con una dotazione complessiva di 20 milioni di euro, aperto a imprese e centri di ricerca per sviluppare soluzioni all’avanguardia in cinque macrocategorie: assistenza domiciliare avanzata, diagnostica distribuita, area critica ospedaliera, gestione dei flussi operativi tramite AI, healthcare analytics.

Il quadro normativo

La trasformazione tecnologica della medicina ha trovato risposta anche sul piano legislativo. Con la Legge 23 settembre 2025, n. 132, l’Italia introduce un quadro normativo specifico sull’AI nel settore sanitario, con l’obiettivo di promuovere l’innovazione tecnologica garantendo al tempo stesso la tutela dei diritti fondamentali e della privacy dei dati sanitari. L’AI potrà solo supportare, e non sostituire, i medici nelle decisioni cliniche. La legge vieta ogni forma di discriminazione algoritmica e impone trasparenza: i pazienti devono essere informati sull’uso dell’AI nei processi che li riguardano.

A livello europeo, il regolamento sullo Spazio Europeo dei Dati Sanitari è entrato in vigore nel 2025 e consente alle persone di esercitare un controllo sui propri dati sanitari, agevolando lo scambio di dati ai fini della prestazione di assistenza sanitaria in tutta l’UE. Parallelamente, il progetto SHAIPED – finanziato dal programma Europa Digitale e avviato nel marzo 2025 – sperimenta sviluppo, validazione e diffusione di modelli di AI utilizzando l’infrastruttura HealthData@EU dello Spazio Europeo dei Dati Sanitari.

Medicina predittiva e wearable: il paziente connesso

Accanto alla diagnostica ospedaliera, l’AI trova terreno fertile nel monitoraggio continuo del paziente cronico. Dispositivi indossabili capaci di rilevare frequenza cardiaca, saturazione dell’ossigeno, pressione arteriosa e temperature corporea trasmettono flussi di dati in tempo reale ai medici, consentendo interventi tempestivi e riducendo le ospedalizzazioni non necessarie. I sistemi di AI applicati in medicina analizzano biomarcatori con una precisione che permette di prevedere l’evoluzione di patologie fino a sette giorni prima della loro manifestazione clinica.

Questo approccio nella medicina moderna è particolarmente rilevante per la gestione delle malattie croniche, che rappresentano oggi la principale causa di mortalità a livello globale. Secondo l’OMS, il 75% dei decessi nel mondo è dovuto a malattie non trasmissibili, con 19,8 milioni di persone morte per malattie cardiovascolari nel 2022 soltanto. La pressione demografica – con popolazioni sempre più anziane in Europa e in Italia in particolare – rende ancora più urgente la transizione verso modelli di cura proattivi e domiciliari.

Le sfide aperte: dati, fiducia e competenze

La corsa all’innovazione in medicina incontra ostacoli strutturali che non si risolvono con la sola tecnologia. La qualità e la standardizzazione dei dataset sono fondamentali per garantire validità clinica agli algoritmi diagnostici. Governance dei dati, trasparenza degli algoritmi e monitoraggio continuo – anche dopo i test iniziali – sono condizioni essenziali per garantire sicurezza ed efficacia nel lungo periodo.

In Italia, il problema è amplificato dalla frammentazione dei sistemi informativi sanitari regionali. I dati clinici sono spesso sparsi, incompleti e poco strutturati – un ostacolo concreto per qualsiasi applicazione di machine learning che richieda dataset ampi e coerenti. La resistenza culturale è un altro fattore non trascurabile: medici e dirigenti sanitari faticano ad adottare sistemi automatici percepiti come “scatole nere”, specie in assenza di formazione adeguata e percorsi trasparenti di co-progettazione.