L’intelligenza artificiale sta emergendo come strumento innovativo per la formazione nel colloquio clinico, dalla simulazione dei pazienti virtuali al feedback personalizzato sui comportamenti empatici. Studi recenti dimostrano che sistemi “su misura” possono fornire esperienze formative equivalenti a quelle con attori umani, mentre i modelli generici risultano meno efficaci. Nonostante il potenziale, la fiducia dei professionisti e l’affidabilità dei sistemi rimangono sfide critiche. L’IA è quindi vista come complemento alla simulazione tradizionale, offrendo scalabilità, accessibilità e supporto alla formazione clinica, senza sostituire la relazione medico-paziente.
Questo articolo è scritto in collaborazione con “Il colloquio clinico: rivista italiana di comunicazione sanitaria”
Prevedere l’impatto dell’intelligenza artificiale (IA) sul colloquio clinico rappresenta, allo stato attuale, un esercizio teorico destinato a non generare previsioni attendibili. Possiamo immaginare cosa la tecnologia sarà in grado di fare tra qualche anno, ma resta difficile far accettare ai pazienti e ai professionisti soluzioni che implichino un ruolo rilevante dell’IA nella pratica clinica. Le resistenze riguardano sia la fiducia nella capacità di una macchina di comprendere e gestire la componente umana del rapporto con il paziente, sia le implicazioni normative e medico-legali. L’esperienza italiana mostra, inoltre, che l’adeguamento del quadro normativo non avviene al passo con l’evoluzione della realtà tecnologica: le leggi tendono ad adattare la realtà alle norme, più che il contrario, e ciò frena l’introduzione di strumenti innovativi nella pratica clinica.
Il colloquio clinico e i modelli formativi
Il colloquio clinico, come definito nel Dizionario Italiano di Medicina Narrativa, è una sequenza comunicativa strutturata che mira a centrare la comunicazione sulla persona secondo le evidenze disponibili (Ardis, 2022). Il nostro gruppo di formazione utilizza da tempo il Kalamazoo Consensus Statement come modello di riferimento. Questo schema individua sette elementi essenziali che guidano tutta l’interazione tra paziente e sanitario (Makoul, 2001):
- costruzione della relazione,
- apertura,
- raccolta delle informazioni,
- comprensione del punto di vista del paziente,
- condivisione delle informazioni,
- accordo sui piani futuri e
- chiusura.
La formazione basata su questo modello prevede un approccio cognitivo-comportamentale basato sull’apprendimento per compiti. Ogni elemento viene scomposto in compiti specifici che il discente deve realizzare. Tale metodologia permette di fornire indicazioni precise sul comportamento da adottare nelle diverse fasi del colloquio.
Applicazioni dell’IA nella formazione clinica
In ambito formazione e crescita professionale, stiamo osservando come l’intelligenza artificiale (IA) possa essere applicata nelle diverse fasi e in diversi modi nell’apprendimento dei professionisti della salute. Le tecnologie digitali consentono di valutare l’esecuzione dei compiti durante la simulazione del colloquio clinico e di restituire feedback mirati. Il nostro gruppo ha sviluppato una checklist per misurare la frequenza dei comportamenti empatici nelle simulazioni di televisita e stiamo lavorando a un’app basata su IA capace di analizzare automaticamente le frasi con contenuto empatico. Sebbene al momento si tratti di un prototipo, prevediamo che una versione beta possa essere disponibile entro un anno. L’obiettivo non è creare una scala, ma uno strumento che permetta di valutare variazioni nella frequenza dei comportamenti empatici prima e dopo un training mirato ad aumentare l’empatia.
Sfide e potenzialità dell’IA nel colloquio clinico
L’elemento più critico riguarda l’accettazione di questi strumenti da parte dei discenti e dei professionisti. Dopo ogni simulazione individuale di colloquio clinico, forniamo un feedback individuale, modalità riconosciuta dalla letteratura come efficace per l’apprendimento. Se, in teoria, una simulazione gestita dall’IA e un feedback elaborato da un agente virtuale potrebbero risultare altrettanto efficaci, è però difficile far accettare a un medico con anni di esperienza e abitudini comunicative radicate, una valutazione proveniente da una macchina. A giudizio di chi scrive, il limite principale all’uso dell’IA nell’apprendimento della comunicazione risiederà più nella fiducia dei discenti che nelle potenzialità effettive della tecnologia.
Sul medio termine è prevedibile che l’intelligenza artificiale diventi progressivamente più affidabile: gli errori commessi dall’IA diminuiranno al punto da essere meno probabili di quelli commessi da un essere umano.
Quando ciò accadrà, il ricorso all’IA nella pratica clinica sarà inevitabile. Secondo alcuni docenti di comunicazione, questo permetterà ai medici di ridurre il tempo necessario per la diagnosi e la pianificazione terapeutica, riservando una quota maggiore della visita alla relazione umana, considerata insostituibile. Ciò nonostante, è difficile immaginare che l’IA possa sostituire completamente il medico nel colloquio clinico nel breve periodo, proprio per la sfiducia residua nei confronti di tali strumenti. Più realistico è ritenere che l’IA possa integrarsi in alcune fasi del colloquio come ausilio comunicativo, al pari dei video informativi, dei dépliant o degli schemi didattici già utilizzati per facilitare la comprensione del paziente.
La IA nei simulatori per il colloquio clinico
Con riferimento al dialogo clinico e al colloquio con il paziente, sempre più simulatori in sanità stanno integrando l’IA per gestire le interazioni formative. La letteratura degli ultimi anni testimonia una crescita costante di queste applicazioni, sebbene gli studi disponibili presentino ancora una marcata eterogeneità per disegno, tecnologie impiegate e contesti clinici. Il corpus delle evidenze resta composto in prevalenza da studi pilota e osservazionali, con pochi trial controllati, segno di un settore in rapido sviluppo ma ancora agli esordi dal punto di vista della solidità metodologica.
L’architettura tecnica dei sistemi di IA si è trasformata significativamente nel tempo. I primi lavori, come quello di Rizzo e colleghi (2010), erano orientati alla creazione di agenti virtuali dotati di linguaggio naturale, capaci di sostenere un dialogo faccia a faccia e di riprodurre reazioni emotive verosimili. Le soluzioni più recenti sfruttano invece i grandi modelli linguistici: piattaforme come MedSimAI integrano sistemi come GPT-4o per le interazioni testuali e API in tempo reale per la comunicazione vocale. In diversi studi, tali sistemi hanno mostrato non solo la capacità di rispondere a enunciati empatici, ma anche di gestire sfumature conversazionali complesse, fino a includere elementi di umorismo.
Affidabilità, modelli su misura e accettazione dell’IA nella simulazione del colloquio clinico
Rimane tuttavia centrale il tema dell’affidabilità. Il rischio di generazione di informazioni scorrette o non contestualizzate è ancora molto alto: la revisione di Stamer et al. (2022), ad esempio, richiama tra le principali criticità la mancanza di autenticità e la limitata fluidità del dialogo, fattori che possono compromettere l’efficacia formativa. Nonostante i progressi tecnici, l’IA conversazionale non è immune da errori, soprattutto in condizioni cliniche complesse.
L’emergere di sistemi di IA “su misura”, progettati specificamente per la simulazione clinica, sta però mostrando risultati promettenti. Queste piattaforme, addestrate su scenari educativi e dati contestualizzati alla pratica sanitaria, sembrano in grado di offrire prestazioni più affidabili rispetto ai modelli linguistici generalisti. Il caso più significativo è quello di SimConverse: in un recente pubblicazione (Ting et al, 2025), questa piattaforma dedicata ha fornito ai discenti un’esperienza di apprendimento equivalente a quella ottenuta con attori umani, mentre l’uso diretto di un modello generico come ChatGPT ha prodotto risultati nettamente inferiori. Tale evidenza rafforza l’idea che, in ambito formativo, la qualità dell’interazione non dipenda solo dalla potenza del modello linguistico, ma soprattutto dal suo grado di specializzazione e dal modo in cui viene integrato nell’ecosistema educativo.
Un aspetto interessante riguarda la percezione e l’accettazione da parte degli utenti. Da un lato, come discusso in precedenza, risulta ancora difficile immaginare che l’IA possa sostituire completamente il medico nel colloquio clinico nel breve periodo, proprio per la sfiducia residua nei confronti di tali strumenti. Dall’altro lato, l’esperienza internazionale mostra segnali in apparente contrasto: l’elevato volume, oltre 45.000 consultazioni, registrato sulla piattaforma Geeky Medics evidenzia come, quando resi facilmente accessibili, i pazienti virtuali basati su IA generino una partecipazione spontanea e massiccia (Potter L & Jefferies, 2024). Ciò suggerisce che le resistenze potrebbero essere più marcate tra i professionisti rispetto agli studenti o ai discenti più giovani, e che l’usabilità gioca un ruolo determinante nell’accettazione di queste tecnologie.
Conclusioni
Come per la pratica clinica, la letteratura considera ancora l’IA un complemento alla simulazione tradizionale, non un suo sostituto. I vantaggi principali risiedono nella scalabilità: costi ridotti, possibilità di esercitarsi senza vincoli di disponibilità degli attori e opportunità di allenarsi anche da casa. È plausibile che tali strumenti diventino parte integrante della formazione clinica, offrendo ambienti di pratica sicuri e accessibili, mentre la relazione autentica con il paziente continuerà a rappresentare il cuore insostituibile della competenza comunicativa.
Bibliografia
Potter L & Jefferies C. Enhancing Communication and Clinical Reasoning in Medical Education: Building Virtual Patients with Generative AI. Future Healthcare Journal, 2024.
Rizzo A, et al. A New Generation of Intelligent Virtual Patients for Clinical Training, 2010.
Stamer T, et al. Artificial Intelligence Supporting the Training of Communication Skills in the Education of Health Care Professions: Scoping Review. Journal of Medical Internet Research, 2022.
Ting pw & Wolffsohn JS. Artificial Intelligence-Driven Patient History and Symptoms Combined with Slit-Lamp Eye Simulation for Enhancing the Clinical Training of Students. Clinical and Experimental Optometry, 2025.
Ardis, S. (2022). Modelli comunicativi. In M. Marinelli (Ed.), Dizionario di medicina narrativa. Parole e pratiche. Scolè – Morcelliana.
Makoul, G. (2001). Essential elements of communication in medical encounters: the Kalamazoo consensus statement. Academic medicine, 76(4), 390-393.
LEGGI ANCHE
