Con il lancio di Gemini for Healthcare, annunciato da Google il 10 novembre 2026, si completa un passaggio particolarmente significativo nell’evoluzione dell’Intelligenza Artificiale applicata alla sanità. Dopo OpenAI e Anthropic, anche Google presenta una soluzione specificamente progettata per le organizzazioni sanitarie, confermando un interesse che va ben oltre la disponibilità di modelli linguistici sempre più sofisticati.
I grandi protagonisti dell’IA generativa stanno progressivamente entrando in territori tradizionalmente presidiati dai produttori di software clinico, dalle piattaforme informatiche ospedaliere e dai fornitori di sistemi di supporto alle decisioni.
È un’evoluzione che merita attenzione, perché potrebbe modificare profondamente sia l’architettura dei sistemi informativi sanitari sia il modo in cui i professionisti interagiscono quotidianamente con la tecnologia.
Tre strategie differenti, una direzione comune
Osservando le iniziative delle tre aziende emergono strategie industriali diverse, che riflettono punti di forza e posizionamenti distinti.
OpenAI valorizza l’enorme diffusione di ChatGPT, affiancandola a prodotti dedicati alle organizzazioni sanitarie e a esperienze rivolte direttamente ai cittadini. Il suo vantaggio è anche nella familiarità che milioni di persone hanno già sviluppato con le interfacce conversazionali.
Anthropic, attraverso Claude for Healthcare e Claude for Life Sciences, sta costruendo un ecosistema particolarmente ampio, rivolto alle organizzazioni sanitarie, agli assicuratori, ai pazienti e all’industria farmaceutica. Una strategia che punta sulla capacità di collegare informazioni, processi amministrativi, conoscenza clinica e attività di ricerca all’interno di ambienti governati e controllabili.
Google, con Gemini for Healthcare, sembra privilegiare una dimensione ancora più infrastrutturale. L’obiettivo dichiarato è collegare sistemi informativi, cartelle cliniche elettroniche, piattaforme amministrative e fonti di conoscenza attraverso agenti capaci di coordinare attività articolate.
Dietro queste differenze emerge una convergenza: l’IA sta passando da strumento di interrogazione a componente operativa dei processi sanitari.
In prospettiva, l’obiettivo non sarà soltanto ottenere una risposta corretta a una domanda, ma permettere a sistemi intelligenti di recuperare informazioni, verificare condizioni, preparare documentazione, individuare criticità e supportare l’esecuzione di attività che oggi richiedono numerosi passaggi manuali.
Il significato delle integrazioni con Epic e Oracle Health
Un elemento del lancio di Google mi sembra particolarmente interessante, anche per comprendere la maturità effettiva di queste tecnologie.
Le integrazioni iniziali di Gemini for Healthcare con Epic e Oracle Health consentono agli utenti autorizzati di consultare informazioni contenute nelle cartelle cliniche, ma non di modificarle direttamente.
È un approccio read-only, che consente al sistema di leggere condizioni cliniche, farmaci, risultati di laboratorio e documentazione sanitaria mantenendo separata la possibilità di intervenire sui dati originali.
La scelta ha una logica precisa. In un contesto sanitario, dove un’informazione errata o una modifica non correttamente supervisionata possono avere conseguenze importanti, la protezione dell’integrità della cartella clinica rappresenta una priorità.
Ma questa limitazione mette anche in evidenza un problema ancora aperto: accedere alle informazioni cliniche non equivale a essere pienamente integrati nel lavoro del medico.
Un assistente può analizzare una cartella, individuare una possibile criticità o preparare una sintesi accurata. Trasformare quella sintesi in un’attività clinica, aggiornare correttamente le informazioni, predisporre una prescrizione o completare un percorso assistenziale richiede invece una conoscenza molto più profonda delle regole applicative, delle responsabilità professionali e dei processi organizzativi.
È proprio questa distanza tra capacità del modello e integrazione operativa a rappresentare una delle sfide principali dei prossimi anni.
Dove si sposterà il valore competitivo
La mia convinzione è che l’evoluzione dei grandi modelli generativi stia progressivamente modificando la distribuzione del valore nell’industria del software sanitario.
Se i foundation model continuano a migliorare, diventando più accessibili e sempre più facilmente sostituibili all’interno delle architetture applicative, la qualità del modello utilizzato sarà sempre meno sufficiente a differenziare una soluzione tecnologica.
Il vantaggio competitivo tenderà a concentrarsi su altri elementi: la disponibilità di conoscenza clinica validata, la qualità e la contestualizzazione dei dati, l’integrazione con le cartelle elettroniche, la comprensione dei percorsi assistenziali e la capacità di trasformare informazioni ed evidenze in suggerimenti concretamente utilizzabili.
Questo passaggio è particolarmente importante nella sanità, dove la capacità di generare una risposta plausibile non costituisce, di per sé, una garanzia di affidabilità.
Un sistema di supporto alle decisioni deve poter ricostruire il contesto clinico, riconoscere i limiti delle informazioni disponibili, utilizzare evidenze verificabili e rendere comprensibili le motivazioni delle proprie indicazioni.
L’accuratezza linguistica e la capacità di ragionamento sono condizioni importanti, ma non esauriscono il problema della qualità clinica.
Servono architetture che integrino i modelli con basi di conoscenza scientifica selezionate, sistemi di recupero delle evidenze, regole cliniche, dati strutturati e meccanismi di controllo e validazione.
In altre parole, il valore si sposterà progressivamente dal modello isolato al sistema intelligente costruito intorno al modello.
La prospettiva della medicina italiana
Questa trasformazione ha implicazioni particolarmente rilevanti per il nostro sistema sanitario e, soprattutto, per la medicina territoriale.
I medici italiani lavorano all’interno di un ecosistema informativo complesso, caratterizzato da cartelle cliniche, piattaforme regionali, flussi amministrativi, sistemi prescrittivi, documentazione sanitaria e numerosi adempimenti.
In questo contesto, introdurre un’ulteriore applicazione di IA, per quanto sofisticata, rischia di aggiungere complessità anziché ridurla.
Il medico non dovrebbe essere costretto a interrompere continuamente il proprio lavoro per interrogare un assistente esterno, copiare informazioni, trasferire documenti o verificare manualmente risultati prodotti fuori dal contesto clinico.
Ha invece bisogno di strumenti che conoscano il paziente, recuperino le informazioni rilevanti, riconoscano problemi e opportunità assistenziali, supportino le decisioni e semplifichino le attività quotidiane.
L’integrazione deve quindi diventare una caratteristica strutturale delle nuove soluzioni di IA, non una funzionalità accessoria.
Questo vale ancora di più nella medicina generale, dove la gestione longitudinale del paziente, la multimorbilità, la prevenzione e la continuità assistenziale richiedono una visione complessiva che difficilmente può essere ricostruita attraverso interazioni occasionali con un modello generalista.
Verso una nuova generazione di cartelle cliniche intelligenti
Immagino un’evoluzione nella quale il medico passerà gradualmente dall’interrogare singole applicazioni di IA a lavorare all’interno di ambienti nei quali più componenti intelligenti collaborano per supportarne l’attività.
Alcune potranno analizzare la documentazione clinica e preparare sintesi, altre verificare la coerenza rispetto alle evidenze scientifiche, individuare pazienti che richiedono particolare attenzione o assistere nella preparazione di documenti e percorsi assistenziali.
Non necessariamente utilizzando lo stesso modello, né affidando tutte le attività a un unico fornitore tecnologico.
Si potranno costruire architetture nelle quali modelli differenti, selezionati in base alle caratteristiche e alle prestazioni richieste, operano attraverso servizi specializzati e sistemi di orchestrazione comuni.
Una prospettiva che rende ancora più importante l’interoperabilità e riduce la dipendenza da un singolo foundation model.
Naturalmente, questa evoluzione richiederà una governance rigorosa. La supervisione del medico, la verificabilità delle evidenze, la protezione dei dati, la tracciabilità delle operazioni e la validazione delle funzionalità cliniche dovranno accompagnare ogni passaggio verso una maggiore autonomia operativa.
L’obiettivo non è trasferire la responsabilità delle decisioni alla macchina, ma permettere al professionista di utilizzare meglio le proprie competenze, riducendo il tempo dedicato alle attività ripetitive e migliorando la disponibilità delle informazioni necessarie.
Una nuova prospettiva per il software sanitario
L’ingresso di Google, OpenAI e Anthropic nel mercato sanitario non rappresenta soltanto l’arrivo di nuovi concorrenti. Potrebbe accelerare una trasformazione più profonda del software clinico, mettendo in discussione modalità di interazione e architetture applicative consolidate.
Per i produttori di sistemi informativi sanitari, la sfida sarà comprendere come integrare queste nuove capacità preservando il patrimonio di conoscenze, dati e processi costruito negli anni.
Per chi sviluppa soluzioni specializzate di IA clinica si apriranno opportunità importanti, soprattutto nella capacità di collegare modelli generalisti a conoscenze validate e flussi di lavoro specifici.
Per i medici, il beneficio potenziale sarà poter utilizzare sistemi più semplici, proattivi e contestualizzati, nei quali l’intelligenza artificiale interviene quando serve, senza diventare un ulteriore carico operativo.
La cartella clinica potrà così evolvere da archivio di dati ad ambiente clinico intelligente, capace di integrare informazioni, evidenze scientifiche e processi assistenziali.
È su questa capacità di trasformare l’intelligenza dei modelli in strumenti affidabili, verificabili e concretamente utili nella pratica clinica che, a mio avviso, si giocherà una parte decisiva del futuro della sanità digitale.