Niente navigazione libera sul web, calcoli scientifici fatti prima dell’intervento del modello, fonti sempre visibili e ultima parola al professionista. Come una startup italiana ha costruito un vero copilota analitico per la salute.
Il rischio principale dell’intelligenza artificiale generativa applicata alla salute ha un nome tecnico: allucinazione. Un modello linguistico lasciato libero di attingere a qualsiasi fonte, davanti a una grande quantità di dati clinici, tende a fare le proprie deduzioni e talvolta a inventare. Omnia-X Health Professional, startup innovativa e Società Benefit, ha scelto di partire dal problema opposto: quanto limitare l’AI perché diventi affidabile.
«Se metti tutti i dati dentro una chat e lasci fare all’intelligenza artificiale, ottieni un pappone.», sintetizza il fondatore e presidente Ottaviano Leardi. «Guidare la lettura e impostare il modello secondo una conoscenza scientifica precisa è tutta un’altra cosa.»
Prima i calcoli, poi il modello
La piattaforma integra tra 400 e 450 parametri per persona: valori ematici, bioimpedenziometria, antropometria, alimentazione, sonno, recupero, attività fisica, a cui si aggiungono le metriche dei dispositivi indossabili. La prima scelta architetturale è che gran parte dell’elaborazione avvenga senza intelligenza artificiale.
I dati grezzi passano attraverso formule derivate dalla letteratura scientifica e generano indici di primo livello, come l’efficienza di recupero o l’affaticamento. Questi alimentano a loro volta circa 107 indici trasversali (che sono in fase di integrazione nel sistema), che descrivono le interazioni tra i sistemi corporei: per esempio il rapporto tra profilo lipidico e rischio cardiovascolare, o tra metabolismo glucidico e insulina. Il modello linguistico interviene solo dopo, su una base già strutturata e costante nel tempo. «Non deve ricostruire tutto da capo ogni volta.», spiega Leardi. «Ha sempre gli stessi riferimenti da monitorare.»
La differenza, secondo Leardi, è la stessa che passa tra una montagna di dati e una cartella clinica ragionata. Dai dati partono gli indici, dagli indici altri indici, in una catena di rapporti trasversali che nessun modello generalista ricostruirebbe in modo coerente a ogni richiesta. Fissare quei calcoli a monte significa che due letture fatte a distanza di mesi parlano la stessa lingua, e che le variazioni nel tempo diventano confrontabili.
Una conoscenza a livelli
La seconda scelta riguarda invece le fonti. Omnia-X sta sviluppando e integrando per il proprio assistente un sistema RAG (Retrieval-Augmented Generation), organizzato per livelli di validazione. Il primo livello comprenderà solo fonti accademiche riconosciute, italiane e internazionali, cioè la base su cui si formano i professionisti sanitari, della nutrizione e dello sport. A questa base si affiancherà un aggiornamento continuo attraverso i principali archivi della ricerca biomedica, tra cui PubMed, Europe PMC, OpenAlex, Crossref e ClinicalTrials.gov.
Il sistema RAG e gli indici trasversali esistono già, ma oggi lavorano su un motore parallelo, separato dalla piattaforma in uso. «È una scelta precisa», spiega Leardi. «Prima di applicarli al software vogliamo validarli in un contesto ben controllato. Entreranno nella piattaforma in una seconda fase, solo dopo la validazione.»
Anche quando saranno attivi, gli studi più recenti non diventeranno automaticamente indicazioni operative. «Se uno studio non è ancora consolidato, il sistema non ti dirà di seguirlo», chiarisce Leardi. «Lo metterà davanti al professionista, che decide.» Ogni risposta riporterà le fonti usate per generarla.
La chat interna si appoggia a modelli linguistici di primari provider internazionali, scelti per funzione: rapidità nella generazione dei protocolli e capacità di analisi su grandi moli di dati strutturati nel dialogo. Il team corregge ed educa il modello attraverso un ambiente di amministrazione dedicato, sezione per sezione: interpretazione dei file, ricerca, linguaggio.
Due modi di dialogare
L’interazione con l’assistente è divisa in due modalità. La prima è operativa e risponde a comandi precisi: analizza l’utente, genera un consiglio, proponi un protocollo. Chiedendo l’analisi di un cliente, il professionista riceve per esempio una sintesi dell’andamento delle ultime tre settimane e una fotografia dell’ultima: come dorme, come recupera, come si alimenta, quali valori si stanno spostando. La seconda modalità è discorsiva e consente richieste più aperte e complesse, come confrontare mesi di dati sul sonno con le variazioni della frequenza cardiaca.
Più la richiesta è circoscritta, più la risposta è affidabile. Per questo le richieste complesse sono accompagnate da avvertenze esplicite, oltre a quelle già contenute nell’informativa e nelle condizioni d’uso. Quando l’assistente propone un protocollo, il professionista può contestarlo punto per punto: perché questa scelta, sostituisci questo con quello, io farei diversamente. Solo dopo l’approvazione il protocollo viene registrato e reso leggibile al cliente.
Il modello non è statico. Impara dalle correzioni del team e, nel tempo, dalle interazioni con ciascun utente, adattando il linguaggio a chi ha davanti: una persona anziana o poco scolarizzata riceve spiegazioni diverse da quelle di un atleta agonista. Non per regole scritte a priori, ma per apprendimento.
Copilota, non pilota
L’AI di Omnia-X analizza, sintetizza e propone. Non diagnostica e non prescrive. Il professionista può discutere la proposta con il sistema, chiedere perché una scelta sia stata fatta, modificarla. È un confronto che, secondo il fondatore, forma entrambi.
Leardi rifiuta la retorica dell’infallibilità. «L’intelligenza artificiale può sbagliare, e lo diciamo in modo esplicito. Se non sbagliasse mai, staremmo costruendo un sostituto del professionista. Noi costruiamo il suo strumento.»
Governance e AI Act
Il perimetro di responsabilità segue il ruolo effettivo di ciascuno. Il professionista risponde delle valutazioni che valida e prescrive; la piattaforma risponde dell’organizzazione del servizio, della qualità e della tracciabilità dei dati e delle fonti.
Per questo Omnia-X ha predisposto un audit trail completo su accessi, modifiche, avvisi e approvazioni, consultabile nei limiti di legge in caso di richiesta delle autorità. Le informazioni anagrafiche sono pseudonimizzate e tenute separate dai dati sanitari in due archivi distinti, entrambi su server nazionali. Il modello non conosce nome, data di nascita o email dell’utente: vede un codice e le sue caratteristiche. Il consiglio di amministrazione ha inoltre deliberato un Modello 231 con una sezione dedicata all’intelligenza artificiale, nella prospettiva dei requisiti di trasparenza e tracciabilità previsti dall’AI Act europeo.
Il controllo umano entra anche a monte. Ogni professionista che si registra deve caricare i propri titoli abilitativi, verificati uno per uno dal team, non da un algoritmo; senza quella verifica il profilo non si attiva. Le funzioni accessibili dipendono dalla professione: diagnosi, terapie e piani dietetici restano riservati a chi è abilitato. Il consenso informato, specifico e dettagliato, è richiesto all’iscrizione.
«In sanità la fiducia non si chiede, si dimostra», conclude Leardi. «Ogni dato deve poter dire da dove viene e chi lo ha letto.»