Link al documento: https://www.nature.com/articles/s41591-026-04431-5
Tipo di documento: articolo scientifico “Brief Communication” open access, con PDF scaricabile da Nature Medicine.
Uno studio pubblicato su Nature Medicine sostiene che i grandi modelli linguistici generalisti hanno superato strumenti clinici specializzati nei benchmark medici. Il risultato non autorizza l’uso autonomo dell’IA nelle diagnosi, ma riapre il dibattito su valutazione indipendente, sicurezza e responsabilità sanitaria.
I risultati: Gemini, GPT e Claude davanti agli strumenti clinici
La ricerca, firmata da Krithik Vishwanath e colleghi, ha confrontato due strumenti di intelligenza artificiale clinica, OpenEvidence e UpToDate Expert AI, con tre modelli generalisti: GPT-5.2, Gemini 3.1 Pro e Claude Opus 4.6. La valutazione ha incluso 500 domande MedQA, 500 elementi HealthBench e 100 quesiti clinici reali anonimizzati raccolti in un ambiente sanitario operativo.
Nel test MedQA, Gemini ha raggiunto il 97,4% di accuratezza, seguito da GPT-5.2 con il 94,2% e Claude con il 90,2%. OpenEvidence e UpToDate Expert AI si sono fermati rispettivamente all’89,6% e all’88,4%. Su HealthBench, GPT-5.2 ha ottenuto il punteggio più alto, 88,0 su 100, contro 62,6 di OpenEvidence e 61,3 di UpToDate.
Il nodo etico: non basta essere “specializzati”
Il dato più delicato riguarda i quesiti clinici reali: 12 medici statunitensi, in cieco, hanno valutato le risposte su correttezza, completezza, sicurezza e chiarezza. I modelli generalisti sono risultati superiori anche in questo scenario, mentre Google AI Overview ha ottenuto risultati comparabili agli strumenti clinici specializzati.
Sanità e IA: serve una prova sul campo
Gli autori invitano a interpretare i risultati come una fotografia temporanea di un settore in rapida evoluzione. Le limitazioni sono importanti: campioni ridotti, possibili bias nei benchmark, assenza di valutazione sulla qualità delle citazioni e sulla latenza. La conseguenza politica e sanitaria è chiara: prima dell’adozione clinica servono audit indipendenti, supervisione umana e test su casi reali.
Breve approfondimento e cronologia
2021 — FDA: l’agenzia statunitense pubblica l’AI/ML-Based Software as a Medical Device Action Plan, dedicato alla supervisione dei software medici basati su IA e machine learning.
2024 — OMS: l’Organizzazione mondiale della sanità pubblica linee guida sull’etica e la governance dei grandi modelli multimodali in sanità, sottolineando rischi, responsabilità e bisogno di protezione dei pazienti.
2024 — UE: l’AI Act entra in vigore il 1° agosto 2024; la Commissione europea indica che i sistemi IA destinati a finalità mediche possono rientrare tra quelli ad alto rischio, con obblighi su dati, mitigazione del rischio, trasparenza e supervisione umana.
2026 — Nature Medicine: lo studio segnala che la specializzazione commerciale non garantisce automaticamente prestazioni superiori rispetto ai modelli generalisti di frontiera.
Consigli di approfondimento
Per comprendere il quadro regolatorio: pagina FDA su IA e Software as a Medical Device.
Per il contesto europeo: pagina della Commissione europea sull’IA in sanità.
Per il quadro etico internazionale: guida OMS su IA generativa e salute.
Abstract: pro, rischi e conseguenze future
Lo studio mostra un possibile vantaggio dei modelli generalisti: maggiore capacità di ragionamento, aggiornamento rapido e qualità comunicativa. Il rischio etico è però rilevante: se ospedali e medici adottassero strumenti non validati su casi reali, potrebbero aumentare errori, dipendenza cognitiva, opacità decisionale e disuguaglianze tra sistemi sanitari. La conseguenza futura più probabile è una sanità ibrida, con IA usata come supporto operativo, ma sottoposta ad audit, tracciabilità, responsabilità clinica e supervisione umana.
