Intelligenza artificiale e terapia anticoagulante: uno strumento utile, ma non un medico

L’intelligenza artificiale generativa è entrata rapidamente nella vita quotidiana. Strumenti come ChatGPT e altri grandi modelli linguistici, noti come Large Language Models o LLM, possono rispondere a domande, riassumere testi complessi e aiutare le persone a orientarsi tra informazioni sanitarie spesso difficili da comprendere.

Per molti pazienti rappresentano una risorsa immediata, disponibile in qualsiasi momento e capace di tradurre il linguaggio medico in parole più semplici. Questo può essere utile anche nell’ambito della terapia anticoagulante, dove termini come “INR”, “DOAC”, “rischio tromboembolico”, “rischio emorragico”, “interazione farmacologica” o “sospensione peri-procedurale” possono risultare complessi.

Un paziente più informato può arrivare alla visita con domande più chiare, comprendere meglio un referto, preparare un elenco dei farmaci assunti e discutere in modo più consapevole benefici e rischi della terapia. Anche per il medico di medicina generale, l’intelligenza artificiale può diventare uno strumento di supporto per semplificare spiegazioni, organizzare informazioni e favorire l’educazione sanitaria.

Tuttavia, il punto centrale è questo: l’intelligenza artificiale può aiutare a comprendere meglio la salute, ma non dovrebbe essere utilizzata per sostituire una valutazione medica, formulare un’autodiagnosi, stimare autonomamente una prognosi o modificare una terapia.

Cosa l’intelligenza artificiale può fare bene per il paziente

L’uso più sicuro e utile dell’intelligenza artificiale è quello educativo. Un paziente può chiedere di spiegare in modo semplice il significato di un termine medico, preparare una lista di domande da portare al medico, riassumere un referto già discusso con lo specialista o chiarire la differenza tra esami, sintomi o opzioni terapeutiche.

Per esempio, una domanda come “Mi aiuti a preparare le domande da fare al mio medico sulla terapia anticoagulante?” è molto più appropriata di “Posso sospendere l’anticoagulante?”. Allo stesso modo, chiedere “Quali sono i segnali di allarme per cui devo contattare subito un medico?” è più sicuro che chiedere “Secondo te è grave?”.

Una revisione sistematica pubblicata su Communications Medicine ha analizzato 89 studi sull’uso degli LLM nell’assistenza ai pazienti, includendo 29 specialità mediche. Gli utilizzi più frequenti riguardavano la risposta a domande mediche, la generazione di informazioni per il paziente, il riassunto o la traduzione di testi clinici. La stessa revisione, però, ha evidenziato limiti importanti: risposte non sempre complete, non sempre riproducibili, possibili errori, bias e contenuti potenzialmente non sicuri (1).

Il problema dell’autodiagnosi

Il rischio nasce quando il paziente usa l’intelligenza artificiale come se questa fosse un medico. I modelli linguistici possono produrre risposte convincenti anche quando sono incomplete o sbagliate. Possono non riconoscere la gravità di alcuni sintomi, non pesare correttamente i fattori di rischio, non conoscere il contesto clinico reale del paziente o non integrare in modo affidabile esami, farmaci, comorbidità e storia clinica.

Questo è particolarmente rilevante in ambito cardiovascolare e anticoagulante. Sintomi come dolore toracico, dispnea improvvisa, gonfiore asimmetrico di una gamba, sincope, deficit neurologici, sanguinamento persistente, feci nere o sangue nelle urine richiedono una valutazione medica tempestiva. Non sono situazioni in cui sia appropriato attendere una risposta da un chatbot o cercare conferme online.

Uno studio pubblicato su Nature Medicine ha valutato diversi LLM su 2.400 casi clinici reali derivati da cartelle cliniche, in uno scenario che simulava il processo decisionale clinico. I modelli non hanno raggiunto l’accuratezza dei medici, hanno mostrato difficoltà nel seguire linee guida diagnostiche e terapeutiche e sono risultati sensibili alla quantità e all’ordine delle informazioni fornite. Gli autori hanno concluso che questi strumenti non sono pronti per decisioni cliniche autonome (2).

Intelligenza artificiale e terapia anticoagulante: un’area da maneggiare con particolare cautela

La terapia anticoagulante è uno degli ambiti in cui l’uso improprio dell’intelligenza artificiale può essere più rischioso. I farmaci anticoagulanti, quando sussiste l’indicazione ad assumerli, sono fondamentali per prevenire e trattare eventi tromboembolici, ma richiedono attenzione: la protezione dalla trombosi deve essere sempre bilanciata con il rischio di sanguinamento.

In questo contesto, l’intelligenza artificiale può essere utile per spiegare in parole semplici perché è stato prescritto un anticoagulante, quali informazioni chiedere al medico, quali segnali di allarme riconoscere e come prepararsi a una visita o a un controllo. Può aiutare il paziente a costruire una lista ordinata di farmaci assunti, patologie note, valori recenti di creatinina o INR, episodi di sanguinamento, interventi programmati o farmaci da banco utilizzati.

Non dovrebbe invece essere usata per decidere autonomamente se iniziare, sospendere, ridurre o aumentare un anticoagulante.

Un esempio frequente riguarda la dose dimenticata. Chiedere a un chatbot “ho saltato il farmaco, cosa faccio?” può sembrare pratico, ma la risposta corretta dipende da molti elementi: quale anticoagulante si assume, quante ore sono passate, se la somministrazione è una o due volte al giorno, funzione renale, età, peso, rischio trombotico, rischio emorragico e terapie concomitanti. In questi casi è preferibile seguire le istruzioni ricevute dal medico curante o dal centro anticoagulazione e, se non disponibili, contattare un sanitario.

Lo stesso vale per sanguinamenti, procedure invasive e interazioni farmacologiche. Un paziente in terapia anticoagulante dovrebbe evitare di usare l’AI per decidere se assumere FANS, aspirina, integratori o rimedi “naturali”, oppure per stabilire se sospendere il farmaco prima di una procedura odontoiatrica o chirurgica. Queste decisioni richiedono una valutazione individuale, che tenga conto del motivo per cui l’anticoagulante è stato prescritto, del rischio trombotico, del rischio emorragico, della funzione renale e del tipo di procedura.

Una formulazione più sicura del prompt da sottoporre alle AI non è: “Posso sospendere l’anticoagulante prima del dentista?”, ma: “Sto assumendo un anticoagulante e ho una procedura odontoiatrica programmata. Quali informazioni devo comunicare al mio medico per decidere in sicurezza se e come modificare la terapia?”. In questo modo l’AI viene usata per preparare il dialogo clinico, non per sostituirlo.

Perché il “prompt” conta

Quando si usa un LLM, la qualità della risposta dipende anche da come viene posta la domanda. Questo è il cosiddetto prompt engineering: la capacità di formulare una richiesta in modo chiaro, completo e non fuorviante.

In medicina questo aspetto è cruciale. Una domanda vaga, come “Ho male alla gamba, è trombosi?”, può produrre una risposta generica e poco utile. Una domanda più sicura potrebbe essere: “Ho dolore e gonfiore a una gamba. Quali segnali devono farmi contattare urgentemente il medico o andare in pronto soccorso? Quali informazioni devo raccogliere per descrivere bene il problema al mio medico?”.

Il prompt dovrebbe orientare l’intelligenza artificiale verso educazione, preparazione alla visita e riconoscimento dei segnali di allarme, non verso una diagnosi definitiva. È utile chiedere: “Quali informazioni mancano?”, “Quali sono i limiti di questa risposta?”, “Quando devo rivolgermi a un medico?”, “Quali domande dovrei fare durante la visita?”.

Al contrario, sono rischiose domande come: “Dimmi se posso evitare il pronto soccorso”, “Dimmi quale farmaco prendere”, “Calcola tu la dose”, “Posso sospendere l’anticoagulante?”, “Quanto mi resta da vivere?”, “Dammi una prognosi precisa”. Queste richieste superano il ruolo appropriato dello strumento.

I dati: buone prestazioni, ma non affidabilità assoluta

La letteratura scientifica mostra un quadro equilibrato. Gli LLM possono avere buone prestazioni in compiti selezionati, soprattutto quando ricevono casi ben strutturati o domande simili a quelle d’esame. Tuttavia, la pratica clinica reale è diversa: i sintomi sono incompleti, i pazienti possono descrivere male il problema, le informazioni importanti possono mancare e le decisioni dipendono dal contesto.

Un dato particolarmente rilevante proviene da uno studio randomizzato preregistrato pubblicato su Nature Medicine nel 2026. In 1.298 partecipanti, gli LLM testati da soli identificavano correttamente la condizione nel 94,9% degli scenari, ma indicavano correttamente la condotta da seguire solo nel 56,3%. Quando però erano i partecipanti a usare gli stessi LLM, identificavano le condizioni rilevanti in meno del 34,5% dei casi e la condotta corretta in meno del 44,2%, senza un vantaggio rispetto al gruppo di controllo. Il problema, quindi, non è solo cosa “sa” il modello, ma come viene usato da persone reali (3).

Questo dato è molto importante per la comunicazione sanitaria. Un sistema può apparire competente in un test strutturato, ma non produrre lo stesso beneficio quando viene usato da pazienti reali, con informazioni incomplete, ansia, aspettative, termini imprecisi e difficoltà a interpretare correttamente la risposta.

Cosa evitare di chiedere alle AI

Il primo comportamento da evitare è usare l’intelligenza artificiale per decidere se un sintomo urgente possa aspettare. In presenza di dolore toracico, difficoltà respiratoria, perdita di coscienza, sintomi neurologici improvvisi, sanguinamento importante o sospetta trombosi, bisogna contattare il medico, la continuità assistenziale (116117), il 112/118 o recarsi in pronto soccorso secondo la gravità.

Il secondo errore è usare l’AI per modificare farmaci prescritti. Questo vale in modo particolare per anticoagulanti (incluse le eparine), antiaggreganti, farmaci per la pressione, antidiabetici e terapie oncologiche. La sospensione o modifica autonoma di un anticoagulante può aumentare il rischio di trombosi, mentre un’assunzione non appropriata può aumentare il rischio di sanguinamento.

Il terzo errore è cercare conferme. Se si chiede ripetutamente al modello una risposta fino a ottenere quella desiderata, si rischia di rinforzare una convinzione sbagliata. L’intelligenza artificiale può adattarsi al tono e alla direzione della domanda, generando risposte apparentemente coerenti ma non necessariamente corrette.

Il quarto errore è inserire dati personali o documenti clinici sensibili in strumenti non sicuri o non destinati all’uso sanitario. Referti, lettere di dimissione, terapie, dati genetici o informazioni su diagnosi delicate devono essere trattati con attenzione. Prima di caricare documenti sanitari, il paziente dovrebbe sapere chi gestisce la piattaforma, come vengono conservati i dati e se le informazioni possono essere utilizzate per addestrare modelli.

Come usare le AI generative in modo più “sicuro”

Un uso ragionevole dell’intelligenza artificiale può seguire una regola semplice: usarla per preparare la visita, non per sostituirla. Il paziente può chiedere spiegazioni generali, ma non decisioni personalizzate. Può usarla per fare ordine tra i sintomi, ma deve portare il risultato al medico. Può chiedere quali segnali richiedono attenzione urgente, ma non deve usarla per escludere un’urgenza.

Un buon prompt potrebbe essere: “Ho una visita dal medico. Aiutami a organizzare le informazioni da riferire: sintomi, durata, farmaci, malattie note, esami recenti e segnali di allarme. Non formulare una diagnosi definitiva e indicami quando è necessario contattare urgentemente un medico.”

Oppure: “Sto assumendo un anticoagulante prescritto dal medico. Spiegami in modo semplice quali informazioni devo conoscere sulla sicurezza della terapia e quali sintomi devono farmi contattare subito un sanitario. Non suggerire modifiche della dose.”

Queste formulazioni mantengono l’AI nel suo ruolo più appropriato: il supporto informativo, esulando dalla decisione clinica.

Il ruolo del medico di medicina generale

Per il medico di medicina generale, l’uso crescente dell’intelligenza artificiale da parte dei pazienti non va ignorato né demonizzato. È preferibile chiedere esplicitamente: “Ha cercato informazioni online o ha usato strumenti di intelligenza artificiale per questo problema?”. Questa domanda può aprire un dialogo utile e far emergere paure, fraintendimenti o consigli potenzialmente pericolosi.

Nel paziente in terapia anticoagulante, questo dialogo è ancora più importante. Il medico può aiutare a chiarire quali domande è ragionevole porre all’AI e quali, invece, devono restare all’interno della relazione clinica: gestione delle dosi, sanguinamenti, interazioni, procedure invasive, dimenticanze terapeutiche, sospensioni temporanee e rivalutazione del rischio trombotico o emorragico.

In questo senso, l’intelligenza artificiale può diventare anche uno strumento di alleanza terapeutica: non una scorciatoia per evitare il medico, ma un supporto per rendere la comunicazione medico-paziente più efficace.

Un messaggio pratico per pazienti e professionisti

L’intelligenza artificiale può essere utile per capire meglio una diagnosi già ricevuta, prepararsi a una visita, tradurre termini complessi e formulare domande più consapevoli. Non dovrebbe essere usata per diagnosticarsi una malattia, stimare da soli la prognosi, decidere se andare in pronto soccorso o modificare una terapia.

Questo vale ancora di più per la terapia anticoagulante: l’intelligenza artificiale può aiutare il paziente a comprendere meglio la cura, ma non deve mai diventare lo strumento con cui decidere dosi, sospensioni, gestione di sanguinamenti o modifiche prima di procedure invasive. In anticoagulazione, una risposta apparentemente plausibile ma non contestualizzata può avere conseguenze cliniche rilevanti.

La regola più semplice è questa: quando una risposta dell’AI può influenzare una decisione clinica concreta (assumere o sospendere un farmaco, modificare una dose, rimandare una visita, evitare il pronto soccorso o interpretare un sintomo rilevante) è necessario confrontarsi con un professionista sanitario. Solo il medico, integrando le informazioni disponibili con la valutazione clinica e l’esperienza professionale, può fornire un’indicazione realmente appropriata e contestualizzata.

L’intelligenza artificiale può essere un buon punto di partenza per fare domande migliori. Non deve diventare il punto di arrivo della cura.

 

Bibliografia

1. Busch F, Hoffmann L, Rueger C, et al. Current applications and challenges in large language models for patient care: a systematic review. Communications Medicine. 2025;5:13. doi: 10.1038/s43856-024-00717-2.
2. Hager P, Jungmann F, Holland R, et al. Evaluation and mitigation of the limitations of large language models in clinical decision-making. Nature Medicine. 2024;30:2613–2622. doi: 10.1038/s41591-024-03097-1.
3. Bean AM, Payne RE, Parsons G, et al. Reliability of LLMs as medical assistants for the general public: a randomized preregistered study. Nature Medicine. 2026;32:609–615. doi: 10.1038/s41591-025-04074-y.

 

A cura di 

Davide Santagata¹ , Marco Paolo Donadini¹

¹ Dipartimento di Medicina e Chirurgia, Università degli Studi dell’Insubria, Varese, Italia