Stiamo cambiando gli strumenti, ma stiamo cambiando anche la formazione?
C’è una contraddizione che emerge sempre più chiaramente osservando l’evoluzione dell’intelligenza artificiale in medicina. Da una parte sviluppiamo strumenti capaci di interpretare informazioni cliniche, consultare evidenze scientifiche, suggerire diagnosi e supportare decisioni terapeutiche. Dall’altra continuiamo, in larga parte, a formare i futuri medici secondo modelli educativi concepiti quando queste possibilità semplicemente non esistevano.
Su questo tema ho trovato particolarmente interessante un Viewpoint pubblicato il 14 ottobre 2026 su JAMA, firmato da Jesse Burk-Rafel e Robert M. Wachter, dal titolo Physician Training for the AI Era: Rethinking a Century-Old Wager.
Gli autori mettono in discussione un presupposto sul quale si è costruita buona parte della formazione medica dell’ultimo secolo: l’idea che acquisire un’enorme quantità di conoscenze, consolidandole attraverso l’esperienza clinica supervisionata, sia il percorso necessario per sviluppare competenza e capacità di giudizio.
Un modello che ha funzionato per generazioni, ma che oggi deve confrontarsi con una realtà diversa. La conoscenza scientifica è sempre più accessibile e l’intelligenza artificiale è già in grado di svolgere una parte delle attività cognitive tradizionalmente affidate al medico.
La questione, quindi, non riguarda soltanto l’introduzione dell’AI nei programmi universitari, ma il modo in cui dovremmo ripensare la preparazione dei professionisti che lavoreranno quotidianamente insieme a questi sistemi.
Tre categorie di competenze per ripensare la formazione
La proposta di Burk-Rafel e Wachter è interessante soprattutto per la sua concretezza.
Anziché limitarsi a suggerire nuovi corsi sull’intelligenza artificiale, gli autori propongono una sorta di revisione delle priorità formative, distinguendo tre categorie di competenze.
Le competenze da rafforzare
Sono quelle che l’intelligenza artificiale rende, paradossalmente, ancora più importanti.
Il ragionamento clinico, la capacità di osservazione diretta del paziente, la valutazione critica delle evidenze, la comprensione della fisiopatologia e soprattutto la capacità di trasformare una diagnosi in una decisione terapeutica appropriata per quella specifica persona.
Un sistema di AI può suggerire un trattamento coerente con le linee guida, ma il medico deve saper valutare se quel trattamento sia realmente adatto alla situazione clinica, alle condizioni e alle preferenze del paziente.
Gli autori illustrano questo concetto attraverso un caso clinico ipotetico di scompenso cardiaco. L’intelligenza artificiale identifica correttamente il problema e propone un piano terapeutico apparentemente ragionevole, ma il medico rileva elementi clinici e relazionali che richiedono una strategia differente.
È un esempio efficace per ricordarci che la qualità di una decisione clinica non dipende soltanto dalla correttezza delle informazioni utilizzate, ma dalla capacità di interpretarle nel contesto reale del paziente.
Le nuove competenze da sviluppare
Qui emerge una delle parti più interessanti del Viewpoint.
Gli autori introducono il concetto di supervisory reasoning, ovvero la capacità del medico di valutare criticamente il ragionamento e le proposte generate da un sistema intelligente.
Non basta saper formulare una domanda a ChatGPT o utilizzare un sistema di supporto decisionale. Bisogna imparare a riconoscerne i limiti, individuare eventuali errori e soprattutto capire quando fidarsi di una risposta e quando approfondire autonomamente.
Due concetti assumono particolare rilevanza.
Il primo è la calibrated trust, la fiducia calibrata. Significa imparare ad attribuire a uno strumento un livello di affidabilità proporzionato al compito che sta svolgendo e alle conseguenze di un eventuale errore.
Il secondo è la metacognizione, cioè la capacità di riflettere sul proprio processo di ragionamento, distinguendo ciò che sappiamo realmente da ciò che stiamo accettando perché suggerito da un sistema apparentemente autorevole.
Sono competenze che dovrebbero essere sviluppate durante il percorso formativo, anche attraverso esercitazioni nelle quali lo studente debba formulare una propria valutazione prima di confrontarla con quella dell’intelligenza artificiale.
Le competenze da ridimensionare
È probabilmente l’aspetto più delicato, perché mette in discussione una parte importante della tradizione universitaria.
Gli autori suggeriscono di ridurre il peso attribuito alla memorizzazione enciclopedica di informazioni, soprattutto quando queste possono essere recuperate in modo affidabile attraverso strumenti digitali.
Questo non significa rinunciare alle conoscenze fondamentali. Un medico deve continuare a padroneggiare fisiologia, farmacologia, fisiopatologia e tutte quelle informazioni necessarie per prendere decisioni tempestive e sicure.
Significa però interrogarsi sulla quantità di nozioni che chiediamo agli studenti di memorizzare, spesso indipendentemente dalle competenze professionali che svilupperanno successivamente.
A mio avviso, è anche un’occasione per ripensare una didattica ancora troppo frequentemente centrata sulla trasmissione di contenuti, valorizzando maggiormente l’applicazione delle conoscenze, la discussione dei casi e la valutazione del ragionamento clinico.
Il rischio del never-skilling: quando l’AI ci impedisce di imparare
Uno dei concetti che trovo più importanti è quello di never-skilling.
Siamo abituati a parlare di deskilling, ovvero della progressiva perdita di competenze quando una tecnologia sostituisce attività che prima svolgevamo autonomamente.
Il never-skilling descrive un rischio differente: non sviluppare mai una competenza perché, fin dall’inizio del percorso formativo, ci affidiamo a uno strumento che svolge quella funzione al nostro posto.
Immaginiamo uno studente che utilizzi sistematicamente un assistente intelligente per elaborare diagnosi differenziali o formulare piani terapeutici, senza aver prima acquisito un proprio metodo di ragionamento.
Potrebbe diventare molto bravo a ottenere risposte apparentemente corrette, senza sviluppare una capacità altrettanto solida di valutarle.
Questo rischio non significa che dovremmo impedire agli studenti di utilizzare l’intelligenza artificiale. Sarebbe poco realistico e probabilmente controproducente.
Significa piuttosto progettare percorsi nei quali l’AI venga introdotta progressivamente, alternando attività assistite e attività autonome, con verifiche capaci di misurare ciò che lo studente ha realmente compreso.
Gli autori suggeriscono, tra le altre cose, esercitazioni periodiche senza AI e simulazioni nelle quali i sistemi producano deliberatamente risposte errate, per valutare se il futuro medico sia capace di riconoscerle.
L’obiettivo è sviluppare una doppia competenza: saper lavorare efficacemente con l’intelligenza artificiale, ma mantenere la capacità di ragionare e agire anche quando questa non è disponibile.
Il problema dei tempi della formazione universitaria
C’è infine un aspetto che considero particolarmente importante anche per il nostro Paese.
Non possiamo continuare ad aggiornare i percorsi formativi con tempi incompatibili con la velocità con cui sta cambiando la pratica medica.
Nel Viewpoint gli autori sottolineano esplicitamente che la revisione dei curricula non può più attendere cicli di riprogettazione decennali.
È una riflessione che condivido pienamente.
Le università hanno bisogno di rigore, continuità e stabilità dei programmi, ma devono anche poter sperimentare, valutare e introdurre nuove competenze senza attendere che le trasformazioni tecnologiche siano ormai consolidate nella pratica professionale.
In Italia questo significa avviare una riflessione che coinvolga università, scuole di specializzazione, formazione specifica in medicina generale, società scientifiche e sistemi di educazione continua.
L’intelligenza artificiale non dovrebbe diventare semplicemente un nuovo insegnamento isolato, magari collocato accanto a decine di altre materie.
Dovrebbe essere introdotta progressivamente nella formazione clinica, nella discussione dei casi, nella ricerca delle evidenze, nell’interpretazione delle informazioni e nella valutazione delle decisioni.
Anche gli esami dovrebbero evolvere, perché se continuiamo a valutare prevalentemente la capacità di ricordare informazioni, finiremo inevitabilmente per privilegiare competenze che i nuovi strumenti stanno già trasformando.
Formare medici capaci di governare l’intelligenza artificiale
Da anni mi occupo di sistemi di supporto decisionale, analisi dei dati clinici e applicazioni dell’intelligenza artificiale alla medicina. E più questi strumenti diventano sofisticati, più mi convinco che la preparazione dei professionisti sanitari sarà determinante per il loro utilizzo sicuro ed efficace.
Il rischio maggiore non è necessariamente che l’intelligenza artificiale sostituisca il ragionamento medico, ma che venga utilizzata senza avere le competenze necessarie per verificarne i risultati.
Allo stesso tempo, sarebbe un errore difendere un modello formativo immutabile soltanto perché ha accompagnato generazioni di professionisti.
Dobbiamo preservare ciò che rende la medicina una professione fondata sulla conoscenza, sull’osservazione, sulla responsabilità e sulla relazione umana, ma avere anche la capacità di rivedere strumenti, metodologie e priorità educative.
L’obiettivo dovrebbe essere formare professionisti in grado di sfruttare le opportunità dell’intelligenza artificiale senza diventarne dipendenti, capaci di riconoscerne il valore ma anche di contestarne le conclusioni.
Perché, in definitiva, il medico del futuro dovrà certamente saper utilizzare l’intelligenza artificiale, ma soprattutto dovrà possedere le competenze necessarie per capire quando non fidarsi di lei.
E questa capacità non nascerà spontaneamente dall’utilizzo della tecnologia. Dovremo insegnarla, esercitarla e imparare a valutarla.
Riferimento bibliografico
Burk-Rafel J, Wachter RM. Physician Training for the AI Era: Rethinking a Century-Old Wager. JAMA. 2026;336(18):1601-1602. Pubblicato online il 14 ottobre 2026.
DOI: https://doi.org/10.1001/jama.2026.20340
Il presente articolo propone una lettura e una riflessione personale sui contenuti del Viewpoint, con particolare riferimento alle possibili implicazioni per la formazione medica italiana.


