L’intelligenza artificiale sta entrando sempre più rapidamente negli ospedali e nei laboratori di ricerca, promettendo di trasformare il modo in cui vengono individuati, studiati e trattati i tumori. Algoritmi capaci di analizzare immagini diagnostiche, interpretare informazioni genetiche e prevedere possibili complicanze delle terapie stanno aprendo nuove prospettive nella medicina oncologica, con l’obiettivo di rendere le cure più precise, tempestive e personalizzate. Eppure, dietro le potenzialità di una rivoluzione tecnologica che potrebbe cambiare profondamente l’assistenza sanitaria, resta una questione fondamentale: quanto l’intelligenza artificiale è già in grado di migliorare concretamente la vita dei pazienti e quali applicazioni sono ancora in fase sperimentale?
Il tema è stato al centro anche del convegno Ripensare l’Oncologia: innovazione, multidisciplinarità e continuità delle cure, organizzato il 26 ottobre 2026 all’Università degli Studi di Salerno, durante il quale ricercatori e professionisti sanitari hanno approfondito le opportunità offerte dalle nuove tecnologie, dalla medicina di precisione alla gestione del dolore oncologico, sottolineando la necessità di distinguere tra risultati promettenti e benefici clinici effettivamente dimostrati.
Intelligenza artificiale in oncologia: come cambia la diagnosi dei tumori
Uno degli ambiti nei quali l’intelligenza artificiale sta mostrando risultati particolarmente interessanti è quello della diagnostica, soprattutto nell’analisi delle immagini radiologiche e dei campioni istologici. Attraverso sistemi di apprendimento automatico, gli algoritmi possono riconoscere caratteristiche e anomalie presenti in mammografie, tomografie computerizzate e altri esami, contribuendo al lavoro degli specialisti nell’individuazione di lesioni sospette.
Un esempio concreto arriva dallo studio svedese MASAI, i cui risultati sono stati pubblicati nel gennaio 2026 sulla rivista scientifica The Lancet. La ricerca, condotta su oltre 105mila donne, ha confrontato lo screening mammografico supportato dall’intelligenza artificiale con la tradizionale doppia lettura degli esami da parte dei radiologi.
I risultati hanno evidenziato una maggiore sensibilità del sistema assistito dall’AI, pari all’80,5% contro il 73,8% del metodo tradizionale, mantenendo una specificità del 98,5% in entrambi i gruppi. Anche il numero dei tumori diagnosticati nell’intervallo tra due screening è risultato numericamente inferiore nel gruppo supportato dall’intelligenza artificiale, senza tuttavia dimostrare una riduzione statisticamente significativa.
Si tratta di evidenze importanti perché mostrano come l’AI possa contribuire a migliorare alcune prestazioni diagnostiche e alleggerire il carico di lavoro dei professionisti, pur senza sostituirne il giudizio. Resta inoltre necessario verificare gli effetti dell’adozione su larga scala e, soprattutto, stabilire se questi miglioramenti si traducano nel tempo in una riduzione della mortalità.
Cure oncologiche personalizzate: l’AI può aiutare a scegliere le terapie?
Un’altra frontiera riguarda la medicina di precisione, un approccio che punta a individuare le caratteristiche biologiche di ciascun tumore per orientare la scelta dei trattamenti più appropriati.
Non tutti i tumori, infatti, si comportano allo stesso modo, neppure quando interessano lo stesso organo. Le differenze genetiche e molecolari possono influenzare la progressione della malattia, la risposta ai farmaci e lo sviluppo di resistenze terapeutiche. L’intelligenza artificiale permette di elaborare grandi quantità di informazioni, mettendo in relazione dati genetici, proteici e clinici che sarebbero difficili da interpretare contemporaneamente attraverso le sole metodologie tradizionali.
Particolarmente promettente è l’integrazione tra AI e tecnologie multi-omiche, che consentono di analizzare diversi livelli del funzionamento cellulare. Una ricerca pubblicata nel 2025 sul Journal of Translational Medicine ha esaminato proprio il potenziale di questi strumenti nell’identificazione di nuovi bersagli terapeutici e nella possibilità di utilizzare farmaci già esistenti per trattare alcune neoplasie femminili.
Individuare attraverso un algoritmo una possibile terapia, tuttavia, non significa aver dimostrato che quella terapia funzioni. Le ipotesi generate dall’intelligenza artificiale devono essere verificate attraverso studi sperimentali e sperimentazioni cliniche, indispensabili per stabilire sicurezza ed efficacia dei trattamenti.
La prospettiva è quindi quella di affiancare gli oncologi nella valutazione di informazioni sempre più complesse, non di affidare autonomamente a una macchina la scelta delle cure.
Chemioterapia ed effetti collaterali: prevedere le complicanze prima che si manifestino
L’intelligenza artificiale potrebbe avere un ruolo importante anche nella gestione degli effetti collaterali delle terapie oncologiche, un aspetto che incide profondamente sulla qualità della vita dei pazienti e, in alcuni casi, sulla possibilità di proseguire i trattamenti secondo il programma previsto.
Tra le complicanze più problematiche figura la neuropatia periferica indotta da chemioterapia, che può manifestarsi con formicolio, intorpidimento, alterazioni della sensibilità e dolore, talvolta persistenti anche dopo la conclusione delle cure.
Uno studio pubblicato nel giugno 2026 su Supportive Care in Cancer ha analizzato i dati di 829 pazienti con tumore colorettale trattati con oxaliplatino, sviluppando un modello di intelligenza artificiale capace di stimare il rischio di neuropatia attraverso le informazioni cliniche disponibili.
I risultati ottenuti sono stati promettenti, ma la ricerca presenta limiti importanti, essendo stata condotta retrospettivamente in un solo centro. Saranno quindi necessari ulteriori studi per comprendere se il sistema possa funzionare con la stessa affidabilità anche su popolazioni differenti.
La distinzione è fondamentale: prevedere un effetto collaterale non equivale a prevenirlo. Un algoritmo potrebbe segnalare ai medici quali pazienti necessitano di maggiore attenzione, ma la sua reale utilità dipenderebbe dalla possibilità di tradurre quella previsione in interventi capaci di ridurre le complicanze senza compromettere l’efficacia delle terapie antitumorali.
Dolore oncologico: cosa possono individuare gli algoritmi
L’utilizzo dell’intelligenza artificiale si sta estendendo anche allo studio del dolore associato ai tumori, una condizione complessa che non dipende esclusivamente dall’estensione della malattia, ma può essere influenzata dall’autonomia personale, dalle condizioni generali di salute e dagli effetti dei trattamenti.
Uno studio pubblicato nell’aprile 2026 sul Journal of Anesthesia, Analgesia and Critical Care, denominato RUGGI, ha utilizzato tecniche di machine learning per analizzare i dati di 86 pazienti con dolore oncologico cronico.
I ricercatori hanno osservato che la compromissione delle capacità funzionali, ovvero la difficoltà a svolgere le normali attività quotidiane, rappresentava uno dei fattori maggiormente associati all’intensità del dolore.
Il risultato suggerisce che, per comprendere pienamente le condizioni di un paziente, non sia sufficiente misurare quanto dolore avverte, ma occorra considerare anche quanto quel dolore interferisca con la sua indipendenza e qualità della vita.
Anche in questo caso, però, i risultati devono essere interpretati con cautela: il numero limitato di partecipanti e le prestazioni moderate dei modelli utilizzati non consentono ancora di considerarli strumenti clinici definitivamente validati.
Monitoraggio dei pazienti e telemedicina: il ruolo dell’AI dopo la diagnosi
Le opportunità offerte dall’intelligenza artificiale non si esauriscono nella diagnosi e nella scelta dei trattamenti, ma riguardano anche la continuità dell’assistenza, soprattutto quando il paziente si trova a casa e deve convivere con effetti collaterali, sintomi persistenti o cambiamenti delle proprie condizioni di salute.
L’integrazione tra telemedicina, strumenti digitali e algoritmi predittivi potrebbe permettere di raccogliere informazioni con maggiore regolarità, identificando segnali che richiedono un approfondimento medico e facilitando il coordinamento tra i professionisti coinvolti nel percorso terapeutico.
Un sistema potrebbe, per esempio, contribuire a riconoscere un peggioramento dei sintomi segnalati dal paziente, aiutando il personale sanitario a stabilire quali situazioni meritino una valutazione più tempestiva.
Il beneficio, tuttavia, dipende anche dall’organizzazione dei servizi sanitari: un avviso automatico, per quanto accurato, non migliora l’assistenza se non esiste un professionista incaricato di valutarlo e intervenire quando necessario.
Quali sono i rischi dell’intelligenza artificiale nella cura dei tumori?
La crescente diffusione dell’AI in medicina solleva interrogativi che riguardano l’affidabilità dei sistemi, la protezione dei dati personali e la responsabilità delle decisioni cliniche.
Gli algoritmi vengono sviluppati e addestrati utilizzando grandi quantità di informazioni, ma non sempre i dati disponibili rappresentano adeguatamente tutte le categorie di pazienti. Un sistema che ottiene risultati soddisfacenti in un determinato ospedale potrebbe, per esempio, rivelarsi meno preciso in un altro contesto, dove cambiano caratteristiche della popolazione, procedure diagnostiche o modalità di raccolta delle informazioni.
A questo si aggiungono i rischi degli strumenti basati sull’intelligenza artificiale generativa, che possono produrre risposte apparentemente credibili ma contenenti errori, informazioni incomplete o indicazioni non supportate dalle evidenze scientifiche.
La Società europea di oncologia medica, ESMO, ha pubblicato indicazioni dedicate all’utilizzo dei grandi modelli linguistici nella pratica clinica, richiamando l’importanza della supervisione umana, della protezione dei dati sanitari e della validazione degli strumenti prima del loro impiego.
Il principio rimane quello di utilizzare la tecnologia come supporto al lavoro dei professionisti, evitando che strumenti non adeguatamente verificati possano orientare autonomamente decisioni dalle conseguenze potenzialmente rilevanti per i pazienti.
Come capire se un sistema di AI è davvero utile ai pazienti
La questione decisiva, per gli ospedali e per il Servizio sanitario nazionale, è stabilire quali tecnologie meritino effettivamente di essere introdotte nei percorsi assistenziali.
Per farlo non basta conoscere la precisione di un algoritmo o la velocità con cui riesce ad analizzare un esame. Occorre valutare se il suo utilizzo permetta di ottenere diagnosi più accurate, ridurre complicanze, migliorare la qualità della vita oppure rendere più efficiente l’assistenza senza compromettere sicurezza ed equità delle cure.
In questo contesto assume particolare importanza l’Health Technology Assessment, un sistema di valutazione che considera non soltanto l’efficacia clinica delle innovazioni, ma anche i costi, la sostenibilità economica, l’impatto organizzativo e le conseguenze per i pazienti.
L’intelligenza artificiale rappresenta dunque una delle prospettive più interessanti per il futuro dell’oncologia, ma la sua diffusione richiede un equilibrio tra entusiasmo tecnologico, prudenza scientifica e responsabilità clinica.
La vera trasformazione non consisterà semplicemente nell’avere algoritmi sempre più sofisticati all’interno degli ospedali, ma nel dimostrare che questi strumenti aiutano realmente i medici a prendere decisioni migliori e i pazienti a ricevere cure più efficaci, sicure e attente alla loro qualità della vita.