L'intelligenza artificiale nella sanità svizzera: ciò che la pratica regge

Nota rivista il 25 maggio 2026. Articolo inizialmente pubblicato nel novembre 2025 — riscrittura integrale.

Il settore della sanità svizzera occupa una posizione singolare nella conversazione pubblica sull'IA. Allo stesso tempo luogo di attese molto elevate — diagnosi accelerata, medicina personalizzata, ricerca trasformata — e terreno in cui il minimo errore algoritmico ha conseguenze che pochi altri settori sopportano, richiede una disciplina di analisi che resista alle due tentazioni simmetriche dell'entusiasmo e della diffidenza.

Questa nota espone ciò che la pratica osservabile nel 2026 permette di affermare con una certa fermezza, e ciò che lascia in sospeso. Costituisce un'apertura prima del Quaderno MCVA n°3 dedicato a questo settore, in uscita nel primo trimestre del 2027.

Tre ambiti in cui la pratica è installata

Tre ambiti d'uso dell'IA nella sanità svizzera hanno lasciato lo stadio sperimentale per installarsi nella pratica corrente degli istituti e delle imprese del settore.

L'analisi di imaging medico assistita è probabilmente l'ambito più maturo. In radiologia, dermatologia, oftalmologia, sistemi di aiuto alla diagnosi alimentati da modelli di apprendimento profondo sono testati, integrati o distribuiti in alcuni contesti ospedalieri e clinici. Il loro statuto è quello di un secondo parere automatizzato: segnalano al medico elementi da esaminare, senza sostituirsi alla sua decisione clinica. La letteratura scientifica disponibile documenta performance elevate su alcuni compiti precisi di rilevazione. Questa performance vale sui compiti misurati, nelle condizioni degli studi, e non si estrapola meccanicamente a ogni pratica clinica.

La gestione amministrativa costituisce il secondo ambito in cui l'uso è ormai abituale. Trascrizione delle visite in resoconti strutturati, attribuzione dei codici diagnostici, ottimizzazione delle pianificazioni ospedaliere e delle risorse: questi compiti ripetitivi, ad alto volume, a bassa creatività, sono assorbiti da sistemi alimentati da modelli generativi senza rischio clinico diretto. Il guadagno di tempo liberato per il medico e il personale sanitario è l'argomento economico più solido a favore dell'adozione.

L'aiuto alla decisione nella ricerca clinica costituisce il terzo ambito installato, principalmente nell'industria farmaceutica e nei centri di ricerca universitari. Analisi della letteratura scientifica su larga scala, identificazione di candidati per le sperimentazioni cliniche sulla base dei dossier paziente anonimizzati, accelerazione dello screening di molecole: questi usi operano a un livello in cui l'errore puntuale è assorbito dal processo di validazione scientifica a valle.

Il quadro regolamentare che struttura la pratica

L'IA in sanità in Svizzera opera sotto un quadro regolamentare denso, che combina più fonti di obblighi.

La Legge federale sulla protezione dei dati (LPD), entrata in vigore nella sua versione rivista il 1° settembre 2023, classifica i dati sanitari come dati sensibili soggetti a un livello di protezione rafforzato^[1]. Ogni utilizzo di modelli di IA che tratti dati pazienti esige o un consenso esplicito, o un'anonimizzazione irreversibile documentata, o una base legale specifica. La LPD inquadra le decisioni individuali automatizzate e impone obblighi di informazione nei casi interessati.

Il Regolamento europeo sull'intelligenza artificiale (EU AI Act), entrato in applicazione progressiva dal 2024, classifica i dispositivi medici che integrano IA come sistemi ad alto rischio, soggetti a esigenze rafforzate di documentazione tecnica, di valutazione di conformità, di gestione del rischio e di sorveglianza post-commercializzazione^[2]. Le imprese svizzere che esportano verso l'Unione Europea o che indirizzano un mercato europeo devono integrare questo quadro nel proprio ciclo di sviluppo.

Swissmedic, l'autorità svizzera di regolamentazione dei prodotti terapeutici, armonizza progressivamente le proprie esigenze con gli standard internazionali, preservando le specificità del sistema sanitario svizzero. I dispositivi medici che integrano IA devono soddisfare le procedure di conformità applicabili prima dell'immissione sul mercato; Swissmedic interviene in particolare nella sorveglianza del mercato^[3].

Il risultato di questi tre strati regolamentari è un ambiente più esigente di quanto fosse cinque anni fa, ma anche più prevedibile. Gli attori che anticipano la conformità fin dall'inquadramento producono dispositivi effettivamente distribuibili. Quelli che trattano la conformità come un ostacolo di fine progetto incontrano costi di recupero sostanziali.

La questione della sovranità dei dati

L'IA in sanità solleva una questione strategica propria delle istituzioni svizzere: dove sono memorizzati i dati pazienti, e sotto quale diritto? I sistemi alimentati da modelli generativi ospitati su cloud americani possono sollevare questioni di diritto applicabile e di accesso extraterritoriale ai dati, ciò che può entrare in tensione con le esigenze di protezione dei dati svizzeri.

Più risposte operative sono disponibili. L'hosting presso fornitori con residenza in Svizzera, che si sono moltiplicati dal 2020, costituisce la prima. Il dispiegamento di modelli open weights su infrastruttura controllata, ormai possibile per modelli di taglia ragionevole che raggiungono performance utili, costituisce la seconda. Il federated learning, che addestra modelli senza centralizzare i dati — ciascun istituto conserva i propri dati localmente, soltanto i parametri del modello circolano — costituisce la terza, ancora più marginale in pratica ma attivamente esplorata da più ospedali universitari svizzeri.

Nessuna di queste risposte è universalmente superiore. Ciascuna ha costi, limitazioni di performance, esigenze tecniche proprie. La scelta ricade in una qualifica del rischio per caso d'uso e per tipo di dati trattati.

Tre punti di vigilanza che non si risolvono per via tecnica

Oltre agli usi installati, tre punti di vigilanza attraversano la pratica dell'IA nella sanità svizzera, e nessuno si risolve con un miglioramento puramente tecnico del modello.

Il bias algoritmico continua a colpire i modelli addestrati su dati storici che sotto-rappresentano alcune popolazioni. Questa limitazione è nota e documentata da più anni. La sua correzione passa per la diversificazione dei dati di addestramento, la validazione sistematica su sottopopolazioni, e la trasparenza del perimetro di validità di un modello distribuito.

La responsabilità medica in caso di errore algoritmico resta giuridicamente in costruzione. La posizione maggioritaria nel diritto svizzero mantiene che il medico rimane il decisore finale e conserva la responsabilità clinica. L'IA è uno strumento d'aiuto, non un decisore autonomo. Questa posizione è confortevole per il medico esperto che sa quando seguire e quando ignorare una raccomandazione algoritmica; pesa sul medico che non dispone del tempo o della competenza necessari per esercitare questo giudizio.

La fiducia del paziente in decisioni mediche parzialmente alimentate da modello è un argomento che supera la conformità regolamentare. Si costruisce sulla trasparenza — informazione del paziente quando l'IA interviene nel suo percorso di cura — e sulla qualità globale della relazione cura-curato, che resta irriducibile a ogni miglioramento algoritmico.

Ciò che questa nota non pretende di fare

Questa nota non esaurisce il tema. Il Quaderno MCVA n°3, in preparazione per il primo trimestre 2027, tratterà più in profondità le implicazioni strategiche per gli ospedali, gli assicuratori malattia, l'industria farmaceutica e le PMI medtech. Si appoggerà su una produzione di osservazioni specifica e sul coordinamento con un coautore del settore sanità identificato a tal fine.

La pratica dell'IA nella sanità svizzera non si misura soltanto sulle promesse che mantiene in laboratorio o sui rischi che agita nei commenti. Si misura sul rigore dei quadri regolamentari che rispetta, sulla solidità delle condizioni di dispiegamento che stabilisce, e sulla pazienza con cui si installa in istituzioni in cui l'errore costa caro.

Sources

[1] Legge federale sulla protezione dei dati (LPD), revisione del 25 settembre 2020, entrata in vigore il 1° settembre 2023. www.fedlex.admin.ch/eli/cc/2022/491/it [↩]

[2] Parlamento europeo, EU AI Act: first regulation on artificial intelligence. www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligen [↩]

[3] Swissmedic, Panoramica dei dispositivi medici. www.swissmedic.ch/swissmedic/en/home/medical-devices/overview-medical-devices.html [↩]

Jérôme Deshaie è CEO di MCVA Consulting SA, studio svizzero di consulenza strategica in intelligenza artificiale, con sede in Vallese.