Health+ e IA: sostenere il SSN tra innovazione e realtà

Nel 2023 la spesa sanitaria italiana ha superato i 130 miliardi di euro, mentre il personale è sotto pressione come non mai e le liste d’attesa continuano ad allungarsi. Non è solo un problema di soldi: è un problema di modello. Il Servizio sanitario nazionale, com’è stato pensato negli anni ’70, oggi fa fatica a reggere l’onda d’urto dell’invecchiamento della popolazione, delle cronicità e delle nuove tecnologie.

Ecco perché progetti come Health+ dell’Università di Roma Tor Vergata, di cui parla Daniela D’Angela, non sono un esercizio accademico, ma un tema molto concreto: capire se e come l’innovazione digitale e l’intelligenza artificiale possano davvero garantire la sostenibilità futura del SSN.

Questo articolo prende spunto dal progetto Health+, ma va oltre: vediamo cosa significa, in pratica, rendere sostenibile il Servizio sanitario italiano con la IA, quali rischi evitare e quali passi compiere oggi, nel concreto, in ospedale e nei territori.

1. Perché la sostenibilità del SSN è in bilico

La sostenibilità del SSN non è solo questione di bilancio: è la capacità di continuare a garantire cure universali, eque e di qualità senza dover rinunciare a interi pezzi di assistenza.

Le tre pressioni principali sul sistema

Oggi il sistema sanitario italiano è schiacciato da tre forze molto chiare:

1. Demografia

   • Più del 23% della popolazione ha più di 65 anni.
   • Crescono patologie croniche come diabete, BPCO, scompenso cardiaco, oncologia.

2. Vincoli di risorse

   • Difficoltà a reperire medici, infermieri e altre professioni sanitarie.
   • Budget regionali sotto stress e margini di spesa ridotti.

3. Aspettative dei cittadini

   • Maggiore consapevolezza digitale.
   • Minore tolleranza verso attese, burocrazia e disomogeneità territoriali.

La realtà è semplice: se continuiamo a lavorare con gli stessi processi di 10-15 anni fa, il sistema non regge. Serve un cambio di passo organizzativo e tecnologico, e qui entra in gioco il tipo di visione che sta dietro al progetto Health+.

2. Cosa rappresenta il progetto Health+ di Tor Vergata

Health+ viene definito da D’Angela un “progetto ambizioso per la sostenibilità futura del SSN”. Ambizioso perché mette insieme tre ingredienti che raramente si parlano davvero:

• Ricerca universitaria
• Innovazione clinica e digitale (inclusa l’intelligenza artificiale)
• Sostenibilità economica e organizzativa

Dall’innovazione «spot» ai percorsi strutturali

Molte strutture sanitarie italiane negli ultimi anni hanno sperimentato:

• un algoritmo per la radiologia,
• un progetto pilota di telemedicina,
• una cartella clinica elettronica locale.

Quasi sempre iniziative isolate. Health+ invece punta a una prospettiva diversa: non un gadget tecnologico, ma un percorso che integri dati, processi e competenze cliniche dentro una visione unica di SSN sostenibile.

In questo senso il progetto fa da ponte tra:

• ciò che si studia in università (modelli, algoritmi, valutazioni di costo-efficacia),
• ciò che serve realmente in corsia e nei distretti (strumenti semplici, affidabili, utilizzabili da professionisti sotto pressione),
• ciò che le Regioni devono decidere (programmazione, investimenti, modelli di rimborso).

3. Il ruolo dell’IA nella sanità italiana: dove ha senso davvero

L’intelligenza artificiale in sanità non è fantascienza, ma non è neanche la bacchetta magica. Ha senso quando risolve problemi molto specifici: ridurre tempi, errori, costi o variabilità clinica.

Ambiti clinici ad alto impatto

Oggi, per un SSN come quello italiano, i campi più promettenti sono:

1. Diagnostica per immagini
   Algoritmi che supportano il radiologo nell’individuare lesioni o anomalie:

   • riducono i tempi di refertazione,
   • aiutano a gestire grandi volumi (screening mammografico, TAC, RM),
   • segnalano casi dubbi da priorizzare.

2. Medicina di laboratorio
   Sistemi di IA possono:

   • identificare pattern sospetti nei risultati (sepsi, peggioramento di pazienti cronici),
   • ottimizzare i pannelli di esami,
   • ridurre richieste inappropriate.

3. Gestione delle liste d’attesa
   Utilizzando dati storici e attuali, la IA può:

   • prevedere carichi di lavoro,
   • proporre una programmazione più efficiente di sale operatorie e ambulatori,
   • segnalare situazioni critiche prima che esplodano.

4. Chronic care e territorio
   Modelli predittivi permettono di:

   • individuare pazienti a rischio di ricoveri ripetuti,
   • supportare piani di presa in carico personalizzati,
   • pianificare visite e telemonitoraggi mirati.

La linea guida è netta: IA come supporto al clinico e all’organizzazione, non come sostituto.

4. Dal progetto alla pratica: cosa devono fare oggi le strutture sanitarie

Chi lavora in una ASL, in un’azienda ospedaliera o in un IRCCS non ha bisogno di slogan, ma di una traccia operativa. Partendo anche dalla logica di Health+, ecco una sequenza concreta.

4.1 Definire i problemi prima delle soluzioni

La digitalizzazione in sanità spesso parte al contrario: prima si compra la tecnologia, poi si cerca dove usarla. Funziona molto meglio partire da poche domande chiare:

• Dove stiamo perdendo più tempo?
• Dove abbiamo più errori o riammissioni?
• Dove il personale è più in burnout?
• Dove i cittadini lamentano più disservizi?

Solo dopo ha senso capire se e come l’IA può essere utile.

4.2 Costruire team misti, non silos

I progetti di IA che funzionano in sanità hanno sempre una caratteristica in comune: team ibridi. Nel concreto:

• clinici (medici, infermieri, farmacisti),
• ingegneri/IT e data scientist,
• direzione sanitaria e amministrativa,
• esperti legali/etici e di privacy.

Senza questo mix, il rischio è creare soluzioni tecnicamente brillanti ma inutilizzabili in reparto, oppure non conformi a norme e standard del SSN.

4.3 Valutare valore clinico ed economico, non solo tecnologia

Un progetto di IA in sanità va misurato su tre dimensioni:

• Outcomes clinici: meno complicanze? meno errori? migliore appropriatezza?
• Organizzazione: tempi di attesa, utilizzo dei posti letto, ottimizzazione delle agende?
• Economia: riduzione di sprechi, esami duplicati, ricoveri evitabili?

Questo approccio è esattamente ciò che rende un progetto “ambizioso per la sostenibilità del SSN”: non innamorarsi dell’algoritmo, ma dei risultati.

5. Rischi da evitare: quando l’IA diventa un boomerang

Se implementata male, la IA può peggiorare la sostenibilità del SSN, non migliorarla. Ci sono almeno quattro trappole da tenere presenti.

5.1 Progetti pilota eterni

In Italia siamo bravissimi a sperimentare, meno a consolidare. Il risultato sono:

• “pilota” che durano anni,
• strumenti non integrati nei sistemi informativi,
• personale che percepisce l’innovazione come un carico in più.

Per evitarlo serve, già all’inizio, una roadmap di scalabilità: se il progetto funziona, come lo estendiamo davvero?

5.2 Mancanza di formazione del personale

Un algoritmo di IA in pronto soccorso o in radiologia cambia il modo di lavorare. Se non si investe su:

• formazione pratica,
• spiegazioni chiare dei limiti dello strumento,
• coinvolgimento dei professionisti nelle scelte,

la reazione tipica sarà resistenza, sospetto, boicottaggio silenzioso. L’IA diventa utile solo quando entra nella routine clinica, non quando resta un oggetto misterioso.

5.3 Qualità dei dati e frammentazione dei sistemi

La IA è forte quanto i dati che riceve. Nel SSN italiano spesso abbiamo:

• cartelle cliniche non armonizzate fra reparti o aziende,
• anagrafiche incomplete,
• sistemi che non “parlano” tra loro.

Prima di puntare su grandi algoritmi, serve un investimento serio su:

• standard di codifica,
• interoperabilità,
• qualità e governance del dato sanitario.

5.4 Aspetti etici, trasparenza e fiducia

La sanità italiana si regge sulla fiducia tra paziente e sistema. Qualsiasi uso di IA deve rispondere a domande molto concrete:

• Chi è responsabile di una decisione assistita dall’algoritmo?
• Come viene tutelata la privacy del paziente?
• I modelli sono spiegabili o sono “scatole nere”?

Una governance chiara evita contenziosi, paura e rifiuto culturale. La trasparenza sugli strumenti usati è un elemento chiave per mantenere credibilità.

6. Cosa significa, in pratica, “SSN sostenibile grazie all’IA”

Parlare di SSN sostenibile con IA può sembrare astratto. Proviamo a tradurlo in scenari molto concreti, che rientrano nello spirito di Health+.

6.1 Percorsi clinici più fluidi

In un SSN che usa bene i dati e l’IA:

• il paziente cronico non ripete ogni volta la stessa storia perché la sua storia clinica è accessibile e leggibile in tutti i setting,
• i controlli e gli esami sono programmati in base al rischio reale, non a scadenze “a calendario”,
• i casi complessi vengono segnalati e presi in carico prima che si aggravino.

6.2 Personale sanitario meno schiacciato dalla burocrazia

L’IA non serve a togliere medici, ma a togliergli compiti a basso valore:

• compilazioni ripetitive,
• estrazione manuale di dati per audit e report,
• operazioni di triage amministrativo.

Un medico o un infermiere che recupera anche solo 1 ora al giorno da ridondanze burocratiche può dedicarla a:

• parlare davvero con il paziente,
• ragionare sul piano di cura,
• coordinarsi meglio con il team.

Questo ha un impatto diretto su qualità delle cure e burnout.

6.3 Uso più intelligente delle risorse economiche

Un SSN sostenibile non è quello che spende meno, ma quello che spende dove ha più impatto. La IA può aiutare a:

• ridurre ricoveri evitabili,
• evitare esami inutili o duplicati,
• identificare precocemente consumi anomali di farmaci o dispositivi,
• programmare gli investimenti in base ai bisogni reali dei territori.

È il passaggio da una logica di “tagli lineari” a una logica di scelte mirate, supportate da dati e modelli predittivi.

7. Come iniziare: passi concreti per strutture e professionisti

Chi oggi lavora nella sanità italiana non può aspettare che Health+ o altri progetti producano solo linee guida teoriche. Ci sono azioni che si possono mettere in moto subito.

Per le direzioni aziendali e regionali

• Definire 2-3 priorità strategiche in cui IA e digitale possono dare risultati nei prossimi 12-24 mesi (es. liste d’attesa, cronicità, pronto soccorso).
• Attivare collaborazioni strutturate con università come Tor Vergata, centri di ricerca e startup, con contratti chiari su valutazione di impatto e proprietà dei dati.
• Investire in data governance: qualità, sicurezza, interoperabilità.

Per clinici e professionisti sanitari

• Partecipare ai gruppi di lavoro sull’innovazione digitale, portando casi reali e criticità quotidiane.
• Chiedere formazione su IA applicata alla propria disciplina, non corsi generici.
• Valutare con dati propri l’impatto degli strumenti già in uso (es. sistemi di supporto alla decisione) e proporre miglioramenti.

Per chi si occupa di ICT e innovazione

• Privilegiare soluzioni integrabili con i sistemi esistenti, non isole separate.
• Lavorare con i clinici su interfacce semplici, che riducano clic e passaggi, invece di aumentarli.
• Documentare risultati con indicatori chiari e condivisi.

---

La verità è che un SSN sostenibile non nascerà da un singolo progetto, ma da centinaia di scelte coerenti. In questo quadro, iniziative come Health+ hanno un ruolo decisivo: dimostrare, con dati e sperimentazioni serie, che IA e innovazione clinica possono essere alleate della sanità pubblica, non nemiche.

La domanda, adesso, è tutta per chi lavora nelle strutture e nelle istituzioni: quale sarà il primo processo, nel vostro contesto, su cui usare davvero i dati e l’intelligenza artificiale per migliorare la vita di pazienti e professionisti?