Le cliniche oculistiche guidate da agenti AI sono già operative in Cina

In Cina sono già operative cliniche oculistiche in cui agenti di intelligenza artificiale partecipano in modo strutturato a screening, triage e follow up, soprattutto per malattie retiniche legate al diabete e all’età. In questi centri l’AI non è più solo un algoritmo di supporto, ma un nodo attivo del flusso di lavoro clinico. Il dibattito internazionale riguarda se e come questi modelli possano trasformarsi in veri percorsi di cura “AI native”.

Le esperienze pubblicate su riviste come New England Journal of Medicine, JAMA e Nature mostrano che sistemi di deep learning applicati a fotografie del fundus oculare e tomografia a coerenza ottica raggiungono performance paragonabili a quelle degli specialisti nello screening di retinopatia diabetica, glaucoma e altre patologie retiniche. L’Organizzazione Mondiale della Sanità e le agenzie regolatorie ricordano però che tali strumenti devono restare sotto responsabilità clinica umana.

Che cosa fa una clinica oculistica basata su agenti di intelligenza artificiale

Una clinica oculistica organizzata intorno a agenti di intelligenza artificiale utilizza sistemi di deep learning per automatizzare parte del percorso diagnostico. Il paziente esegue l’acquisizione di immagini del fundus oculare o dell’OCT secondo protocolli standardizzati. L’agente AI riceve le immagini, le analizza, produce un referto strutturato con livelli di gravità, probabilità di malattia e priorità di visita, integrandolo nella cartella clinica elettronica interna.

Questi agenti possono anche pianificare esami successivi, inviare promemoria di follow up e generare bozze di lettere di referral per il medico di medicina generale o per altri specialisti, lasciando al personale umano validazione e decisioni finali. Alcune cliniche cinesi sperimentano la combinazione tra AI e teleoftalmologia, con acquisizione periferica di immagini e triage centralizzato. Questa logica è affine alle applicazioni di chirurgia assistita, come il laser robotico con intelligenza artificiale per la cataratta.

Secondo studi pubblicati su BMJ e Nature, l’agente AI non svolge solo classificazione delle immagini. Può anche suggerire schemi di referral in base a criteri predefiniti, segnalare casi atipici che richiedono attenzione urgente e verificare la completezza dei dati disponibili. Nei modelli più avanzati, sistemi multimodali analizzano immagini, anamnesi e misurazioni strumentali per proporre una valutazione integrata del rischio oculare e sistemico.

Benefici e criticità emerse dalle prime applicazioni reali in Cina

Dalle esperienze riportate in Cina emergono alcuni benefici concreti. Lo screening della retinopatia diabetica e di altre malattie retiniche diventa più capillare, grazie alla possibilità di acquisire immagini in contesti comunitari e inviarle a un sistema centrale di analisi. Si riduce il carico di lettura manuale per gli oculisti, che possono concentrarsi sui casi complessi e sulle decisioni terapeutiche, con potenziale riduzione dei tempi di attesa.

Tuttavia, gli stessi studi segnalano criticità importanti. La qualità non uniforme delle immagini, soprattutto in setting periferici, abbassa l’accuratezza degli algoritmi rispetto ai dati di addestramento. Alcuni sistemi mostrano bias legati alla popolazione su cui sono stati addestrati, con performance inferiori su gruppi etnici o fasce d’età meno rappresentate. Le raccomandazioni dell’OMS insistono quindi su validazioni prospettiche in contesti reali e su audit continui delle prestazioni.

Un ulteriore limite riguarda la gestione dei casi al margine tra categorie. In situazioni con probabilità diagnostica intermedia, l’agente AI può proporre decisioni di referral diverse da quelle che adottano i clinici esperti, generando necessità di calibrazione locale dei cut off. Alcuni lavori di teleoftalmologia mostrano anche che l’estensione geografica dei programmi dipende dalla solidità delle reti di trasmissione sicura delle immagini e dalla possibilità di integrarle rapidamente nei sistemi informativi ospedalieri.

Ruolo del medico, sicurezza dei dati e qualità delle immagini

Il rapporto OMS sull’etica e la governance dell’intelligenza artificiale per la salute afferma che i sistemi di AI clinica devono essere strumenti di supporto decisionale, non sostituti del medico. Nelle cliniche oculistiche con agenti AI osservate finora il medico oculista mantiene il controllo finale su diagnosi e trattamento, e risponde delle decisioni prese. L’agente AI svolge analisi di primo livello, triage e proposta di percorso, che restano rivedibili dal professionista.

La sicurezza dei dati sanitari rappresenta un punto critico. Le stesse raccomandazioni dell’OMS e le linee guida di telemedicina richiedono crittografia dei canali, tracciabilità degli accessi e gestione rigorosa dei consensi informati. Nei modelli “AI native” la quantità di dati raccolti, inclusi log di interazione con gli agenti, aumenta notevolmente. Occorrono quindi sistemi di governance che limitino gli accessi, definiscano ruoli e prevedano audit periodici, in linea con il quadro normativo nazionale.

La qualità delle immagini è un altro elemento chiave. Studi pubblicati su JAMA e Nature mostrano che gli algoritmi di deep learning per l’occhio dipendono da fotografie del fundus e scansioni OCT acquisite con protocolli standardizzati. Nella pratica reale l’eterogeneità delle apparecchiature e delle condizioni di acquisizione può ridurre la sensibilità o generare falsi positivi. Il problema ricorda le difficoltà di standardizzazione che emergono anche nel monitoraggio delle complicanze in oculistica.

Quali condizioni servono per modelli di cura “AI-native” in oculistica in Italia

Per portare in Italia modelli di clinica oculistica “AI native”, secondo le raccomandazioni dell’OMS e il quadro regolatorio di dispositivi e software come dispositivi medici, servono tre pilastri. Il primo è l’infrastruttura digitale: linee guida nazionali sulla telemedicina e progetto di Fascicolo Sanitario Elettronico 2.0 richiedono interoperabilità tra sistemi clinici e fascicolo. Ogni soluzione AI dovrà integrarsi con questo ecosistema per condividere referti e immagini in modo strutturato.

Il secondo pilastro è la governance regolatoria ed etica. I software basati su intelligenza artificiale destinati a diagnosi o screening rientrano nella categoria dei dispositivi medici e devono dimostrare sicurezza, efficacia e robustezza sui dati nazionali. In oftalmologia questo implica validazioni multicentriche su immagini italiane, attenzione ai bias di popolazione e protocolli chiari su come l’AI si inserisce nei percorsi di diagnosi precoce del glaucoma e delle altre patologie trattate nei programmi di screening del glaucoma.

Il terzo pilastro riguarda competenze cliniche e organizzative. Le esperienze internazionali indicano che cliniche realmente “AI native” richiedono team di oculisti, ingegneri clinici, informatici, esperti di sicurezza dei dati e farmacologi, capaci di valutare l’impatto sui percorsi terapeutici. In Italia questo si intreccia con la necessità di formare i professionisti all’uso critico degli agenti AI, così come già avviene per altri strumenti digitali di intelligenza artificiale in medicina.

Nei prossimi anni l’integrazione di agenti AI in oculistica potrebbe incidere sull’adattamento terapeutico personalizzato e sulla gestione a lungo termine dei pazienti cronici. Alcune applicazioni sperimentali puntano a supportare le decisioni sui regimi iniettivi per la degenerazione maculare e sul timing degli interventi nei glaucomi complessi. L’adozione responsabile richiederà però di collegare queste funzioni ai percorsi esistenti di adattamento terapeutico in oculistica, mantenendo il medico al centro delle decisioni.

L’esperienza cinese delle cliniche oculistiche con agenti di intelligenza artificiale mostra che modelli di cura più automatizzati sono già tecnicamente possibili, soprattutto per screening e follow up di massa. Per l’Italia una transizione verso percorsi “AI native” in oftalmologia richiede però infrastrutture digitali mature, integrazione con Fascicolo Sanitario Elettronico 2.0, regole chiare su responsabilità e dati, e una formazione mirata che rafforzi il ruolo del medico come supervisore esperto dei sistemi intelligenti.