ChatGPT, Claude, Gemini e Grok si sono confrontati con un caso clinico reale durante il congresso nazionale della Società Italiana per lo Studio delle Cefalee (SISC) a Lecce. Tutti hanno individuato la diagnosi formulata dagli specialisti
La sfida tra neurologi e intelligenza artificiale è partita da una storia clinica complessa: quella di una paziente con una lunga esperienza di emicrania, sottoposta nel tempo a visite e accertamenti senza che fosse stata inizialmente individuata la causa del problema. Il caso è stato presentato a Lecce, durante il Congresso nazionale della Società Italiana per lo Studio delle Cefalee (SISC), e ha coinvolto quattro chatbot: ChatGPT, Claude, Gemini e Grok. A metterli alla prova sono stati Catello Vollono, del Policlinico Universitario Agostino Gemelli di Roma, e Francesco Casillo, della Sapienza Università di Roma. I sistemi hanno ricevuto gradualmente la documentazione clinica, gli esami e le immagini neuroradiologiche utilizzati anche nel confronto con circa 200 neurologi. Tutti e quattro sono arrivati alla diagnosi formulata dagli specialisti: una cefalea secondaria associata a un danno vertebrale. Un risultato che offre spunti interessanti sulle possibilità dell’intelligenza artificiale nel supportare il ragionamento diagnostico, ma che richiede anche una riflessione sui limiti di questi strumenti.
Il caso sottoposto ai neurologi e ai chatbot, dunque, riguardava una paziente con una storia prolungata di emicrania, già valutata in diverse occasioni dai medici. Il percorso comprendeva visite specialistiche, due accessi al pronto soccorso, accertamenti diagnostici e indagini neuroradiologiche. Un quadro articolato, nel quale la diagnosi iniziale non era riuscita a spiegare completamente la condizione della paziente. L’obiettivo della dimostrazione era verificare se i sistemi di intelligenza artificiale fossero in grado di ricostruire il percorso diagnostico attraverso l’analisi progressiva delle informazioni, individuando elementi che potevano essere sfuggiti alle precedenti valutazioni. Non si trattava, quindi, di chiedere ai chatbot di riconoscere una malattia partendo da un singolo sintomo, ma di sottoporli a un ragionamento clinico più complesso.
Le quattro piattaforme sono state messe alla prova fornendo loro, passo dopo passo, la documentazione relativa alla paziente. ChatGPT, Claude, Gemini e Grok hanno potuto esaminare la storia clinica, gli accertamenti e le immagini neuroradiologiche, proprio come avvenuto durante il confronto con gli specialisti.
Tutti e quattro i chatbot hanno individuato una cefalea secondaria riconducibile a un danno vertebrale, arrivando alla stessa conclusione diagnostica dei neurologi presenti al congresso. Un risultato significativo soprattutto per la capacità dei sistemi di integrare informazioni differenti, anziché limitarsi a individuare una corrispondenza tra un sintomo e una possibile patologia.
La dimostrazione ha messo in evidenza anche l’importanza della qualità e della completezza dei dati forniti. Le immagini diagnostiche, infatti, non possono essere interpretate efficacemente senza considerare il quadro clinico complessivo. La storia della paziente e l’evoluzione dei sintomi hanno rappresentato elementi fondamentali per orientare il ragionamento diagnostico.
Uno degli aspetti più interessanti dell’esperimento riguarda il modo in cui i chatbot hanno gestito una precedente valutazione specialistica. Nel percorso della paziente era stata formulata un’interpretazione medica incompleta, che non aveva consentito di individuare correttamente la causa del mal di testa.
Le piattaforme non si sono limitate a riprendere quella conclusione, ma hanno continuato a valutare le informazioni disponibili, arrivando a un’ipotesi diagnostica differente. I chatbot quindi, sono riusciti a non farsi condizionare da una precedente valutazione e a considerare una possibile spiegazione alternativa.
È un aspetto che merita attenzione: nell’attività clinica, la capacità di rimettere in discussione un’ipotesi iniziale e di prendere in considerazione altre cause è fondamentale. L’intelligenza artificiale può contribuire a questo processo, suggerendo interpretazioni alternative e richiamando l’attenzione su elementi che potrebbero richiedere ulteriori approfondimenti. Non significa, tuttavia, che sia in grado di riconoscere autonomamente ogni errore diagnostico o che le sue risposte siano sempre corrette.
Il risultato ottenuto a Lecce è interessante, ma deve essere interpretato tenendo conto dei limiti dell’esperimento. La dimostrazione ha riguardato un singolo caso clinico e non una popolazione di pazienti: non permette quindi di stabilire quanto spesso i quattro chatbot siano effettivamente in grado di formulare diagnosi corrette nella pratica quotidiana, né di confrontarne in modo sistematico l’accuratezza.
Non si tratta di uno studio clinico con una casistica ampia, di una sperimentazione controllata o di una validazione scientifica dei quattro sistemi. Il fatto che tutti abbiano raggiunto la diagnosi corretta in questa specifica situazione non dimostra che possano sostituire il lavoro del neurologo o assumere decisioni cliniche in autonomia. Il valore dell’esperimento sta piuttosto nell’aver mostrato come l’intelligenza artificiale possa contribuire all’analisi di quadri complessi, soprattutto quando dispone di informazioni complete e organizzate. Può aiutare a individuare collegamenti tra dati clinici, suggerire ipotesi da approfondire e affiancare il professionista nella valutazione diagnostica.
La responsabilità della diagnosi e delle decisioni terapeutiche resta però del medico, che deve interpretare i risultati alla luce della storia del paziente, dell’esame clinico e degli accertamenti. La sfida, quindi, non è stabilire se l’intelligenza artificiale possa sostituire il neurologo, ma capire come utilizzare questi strumenti per supportare il ragionamento clinico, migliorando la capacità di individuare anche le condizioni che possono nascondersi dietro un sintomo apparentemente familiare.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato