Lo scambio di informazioni tra medico e paziente è fondamentale per garantire un processo decisionale libero e consapevole: senza informazioni adeguate, nonché tempo e supporto da parte del medico, i pazienti rischiano di non poter prendere decisioni realmente consapevoli riguardo alle cure. Il processo informativo è cruciale per il consenso, e ciò a maggior ragione quando il processo decisionale del medico utilizza tecnologie di intelligenza artificiale (IA) che forniscono un significativo supporto nell’elaborazione della diagnosi o delle decisioni, ma che allo stesso tempo sono per loro natura “opache” rispetto alla comprensione umana, e perciò presentano molteplici sfide dal punto di vista etico. L’utilizzo di tali tecnologie per il processo decisionale è applicato diffusamente in ambito medico, per esempio nel campo della diagnostica per immagini (per esempio, per la classificazione automatica di immagini della retina di pazienti diabetici e per la diagnosi di patologie), nella dermatologia (per l’identificazione di lesioni) e in ambito oncologico (per la classificazione delle biopsie e la rilevazione delle anomalie oncologiche). Inoltre, come noto, i sistemi di IA, dotati di ingenti capacità di calcolo, sono in grado di elaborare e integrare efficacemente caratteristiche personali, dati contenuti nelle cartelle cliniche elettroniche, grandi quantità di letteratura e altri dati medici con elevata precisione, utilizzando in molti casi una minima parte del tempo e dei costi necessari che un medico impiegherebbe a svolgere lo stesso compito; per questo tali sistemi offrono un’elevata capacità di supporto alle decisioni di diagnosi e prognosi prese dai medici.
Nello spazio consentito da questo contributo presentiamo, dal punto di vista etico,8 le implicazioni identificate in letteratura per il consenso informato nel caso specifico delle decisioni mediche basate su sistemi di IA (paragrafo 1), in particolare la scarsa trasparenza del funzionamento di tali tecnologie, strettamente collegata alla questione della non spiegabilità di algoritmi particolarmente complessi quali quelli che formano parte di sistemi di machine learning e deep learning (il cosiddetto problema Black-Box), nonché il possibile sbilanciamento della decisione del medico sul supporto decisionale offerto da sistemi di machine learning a fronte dell’elevata predittività e precisione di tali sistemi (paragrafo 2); le principali implicazioni per il rapporto tra medico e paziente (paragrafo 3). Nella conclusione forniamo alcune considerazioni propositive riguardo all’integrazione tra fattore umano e tecnologie di IA nel contesto della relazione di cura.
Area personale
