Immagine realizzata con strumenti di Intelligenza Artificiale

Clicca qui per ascoltare (In lavorazione)

AI negli Hôpitaux de Paris

di Vincenzo Rampolla 

Il progetto e gli obiettivi. A fine decennio, nel 2030 il mercato globale AI sanità Francia toccherà $188 Mld. Il Paese procede con il suo principio: Cautela e Metodo, l’AI sanità funziona, non è promessa, né programma. L’AI sanitario è il settore di maggior impatto e con implicazioni etiche fortemente sentite. Nel 2026 in Francia sono attivi > 300 progetti di AI sanitario e entro l’anno si completa il progetto globale AP-HP: nei pronto soccorso, con algoritmi per la selezione; nella degenza, con previsione della durata; nella ricerca clinica - con Owkin, azienda francese biotecnologica - per identificare i biomarcatori in oncologia; in radiologia con l'imaging medico preciso al 94% nell'individuare determinate patologie; nella gestione amministrativa per codifica procedure, programmazione, gestione posti letto) e 30% di risparmio tempo delle équipe sanitarie.

Come funziona l’AI negli ospedali e cliniche francesi

 Assistance Publique - Hôpitaux de Paris funziona in uno dei maggiori Gruppi ospedalieri al mondo, con 39 ospedali e 100.000 professionisti, tra i più avanzati nell’AI applicata alla medicina.                 

I settori prioritari

Diagnostica per immagini. L’AI che legge le radiografie. L'imaging medico è il caso d'uso più maturo dell’AI in ambito sanitario, le reti neurali convoluzionali ConvNet (CNN), algoritmi di deep learning specializzati per estrarre automaticamente con filtri caratteristiche visive complesse.

Radiologia. Gli algoritmi di AI rilevano fratture, noduli polmonari, anomalie cardiache e lesioni cerebrali su radiografie e TAC. Entro il 2026, diverse soluzioni (Aidoc, Milvue e Gleamer) otterranno la certificazione CE per l'uso clinico in Europa.

Dermatologia. I modelli di AI analizzano le immagini delle lesioni cutanee e rilevano i melanomi con una precisione del 95%, secondo un’analisi pubblicata su The Lancet Digital Health (2025). Elevate le applicazioni per la (SkinVision) e gli strumenti professionali (DermAssist).

Oftalmologia. L’AI rileva la retinopatia diabetica, il glaucoma e la degenerazione maculare dalle immagini del fondo oculare. Il sistema usato IDx-DR di Digital Diagnostics è approvato dalla FDA Usa (Food and Drug Administration) e reca la certificazione CE per l'autodiagnosi, senza dover richiedere l'oftalmologo.

Radiologia toracica, 94% precisione nell'individuazione dei noduli polmonari mediante AI. Studio multicentrico in diversi Centri e Istituti su 25.000 scansioni per un ampio campionario di pazienti.

Un esempio concreto. La startup francese Gleamer in collaborazione con AP-HP (ha sviluppato BoneView, un algoritmo di AI che rileva le fratture nelle radiografie standard. Implementato in diversi pronto soccorso dell'AP-HP analizza le radiografie in meno di 30 sec e avvisa il radiologo in caso di fratture. Il tasso di rilevazioni è del 97%, rispetto all'88% di una lettura umana senza AI.

Il tempo di diagnosi in pronto soccorso si è ridotto in media di 25 minuti.

Il percorso del paziente: dal ricovero alla dimissione

L’AI traccia e ottimizza il percorso del paziente in ogni fase, inclusa quella diagnostica.

Selezione al pronto soccorso. Gli algoritmi di selezione basati sull’AI analizzano i parametri vitali, i sintomi e l'anamnesi del paziente per assegnare un livello di priorità. L'AP-HP utilizza un modello predittivo che anticipa la gravità dei casi e ottimizza l'allocazione delle risorse mediche. Nei siti pilota, riduzione del 18% dei tempi medi di attesa.

Previsione della durata del ricovero. L'AI ipotizza la durata del ricovero per ciascun paziente al momento del ricovero, in base alla diagnosi, alle comorbidità e al profilo clinico. Ciò consente una migliore pianificazione dei posti letto e dimissioni, aspetto cruciale negli ospedali sovraffollati.

Follow-up post-ricovero. Dopo le dimissioni Chatbot e app di monitoraggio basate sull’AI contattano i pazienti, monitorano i sintomi e avvisano l'équipe sanitaria in caso di peggioramento delle loro condizioni. Doctolib sta sviluppando funzionalità di follow-up basate sull’AI per i medici liberi professionisti. Tutti i sistemi di AI in ambito sanitario sono progettati come strumenti di supporto alle decisioni, non come dispositivi autonomi: il medico rimane il responsabile della decisione finale. È un imperativo etico e un requisito normativo (regolati da AI Act, dal GDPR - General Data Protection Regulation e dall’ Health Data Hub, classificando molti strumenti e software AI ad alto rischio nella scelta di trattamenti, dosaggi e percorsi terapeutici).

L’amministrazione ospedaliera

L’AI applicata alla gestione amministrativa offre il vantaggio più immediato per i team sanitari.

Codifica delle procedure mediche (PMSI). La codifica delle procedure mediche ai fini della fatturazione (DRG, GHS) è un processo complesso e dispendioso in termini di tempo. L’AI analizza la cartella clinica del paziente e suggerisce i codici appropriati. Errori di codifica ridotti del 30-40%, €M risparmiati agli ospedali e tangibile ROI.

Registrazione e referti medici. L’AI trascrive consulti e referti chirurgici in tempo reale. Modelli specializzati (Nuance DAX, Nabla) comprendono il vocabolario medico e strutturano i referti automaticamente. I medici riferiscono un risparmio di tempo di 20-30 minuti/giorno. Pianificazione delle risorse. L’AI ottimizza turni del personale, gestione delle sale operatorie e assegnazione posti letto. Gli algoritmi rispettano i vincoli normativi, le competenze richieste e le previsioni di attività.

Ricerca clinica: Accelerare le scoperte. L'AI accelera ogni fase della ricerca medica, dall'identificazione dei bersagli terapeutici alle sperimentazioni cliniche.

Identificazione di biomarcatori. Owkin, azienda biotecnologica francese fondata nel 2016, utilizza l’AI per analizzare i dati di patologia digitale e identificare biomarcatori predittivi della risposta al trattamento in oncologia. I suoi modelli, addestrati su dati provenienti dall'AP-HP e da diversi centri di ricerca internazionali, hanno portato a risultati pubblicati su Nature Medicine.

Analisi cartelle cliniche per studi. L’AI analizza le cartelle cliniche dei pazienti per identificare i profili che soddisfano i criteri di inserimento negli studi clinici. Da settimane di screening manuale si opera in poche ore. L’AI rimuove l’ostacolo al reclutamento di personale per gli studi clinici.

Doctolib. L’AI non si limita agli ospedali. La piattaforma Doctolib di prenotazione appuntamenti utilizzata da 350.000 professionisti in Francia, sta integrando gradualmente l'AI nei suoi servizi. sviluppando un servitore AI che aiuta i medici a prepararsi per le visite, riassume le cartelle cliniche dei pazienti, esamina l'anamnesi e suggerisce le domande da porre. Obiettivo: ridurre i tempi amministrativi e massimizzare il tempo dedicato alla cura medica.

Ottimizzazione della programmazione. L’AI prevede cancellazioni e mancate presentazioni, ottimizza gli slot degli appuntamenti e riduce i tempi di attesa. I professionisti che utilizzano queste funzionalità segnalano un aumento del 15% delle consultazioni settimanali.

Guida per il paziente. L’AI aiuta i pazienti a individuare lo specialista più adatto in base ai loro sintomi, prima di prenotare una visita, forma di pre-selezione che semplifica il percorso di cura.

Ricerca di nuovi farmaci. I modelli di AI simulano le interazioni molecolari e identificano potenziali farmaci prima delle sperimentazioni cliniche. Insilico Medicine, BenevolentAI, Recursion sono 3 esempi di Centri in fase di sperimentazione clinica di molecole identificate con AI. Il tempo per scoprire un potenziale farmaco si è ridotto da 4-5 anni a < 18 mesi. Ogni progetto di AI in ambito sanitario deve essere sottoposto a una valutazione d'impatto e rispettare rigorose procedure di ricerca e analisi di pseudonimi e di approvazioni. La governance dell'AI è un must.

Elementi alla base del successo. L’AI è pienamente operativa in ambito sanitario, sta integrando strumenti di AI che portano a risultati concreti. Questo progresso è dovuto a diversi fatti: le problematiche etiche, di normative e di sicurezza dei dati impongono un quadro rigoroso. Le istituzioni che investono nella formazione dei propri team – professionisti sanitari, ricercatori, amministratori - traggono notevoli benefici da queste tecnologie: una trasformazione impossibile senza l’impegno umano. È governance, gestione del cambiamento, innovazione tecnologica e cointelligenza terapeutica, empatia, relazione medico-paziente, umanità: cuore della medicina.

Consultazione: aprile 2026 Feedback ATIH/AP-HP, 2025 Nature Medicine, 2025