Mentre i sistemi di intelligenza artificiale entrano sempre più nelle corsie degli ospedali, nelle cartelle cliniche elettroniche e nei software di supporto alla diagnosi, la regolamentazione dell’intelligenza artificiale in sanità negli Stati Uniti si trova al centro di una tensione strutturale difficile da ignorare: da un lato, agenzie federali come FDA e CMS cercano di definire standard comuni; dall’altro, i singoli stati avanzano con proprie normative, creando un mosaico regolatorio che rischia di frammentare l’adozione clinica dell’IA proprio nel momento in cui questa tecnologia potrebbe fare la differenza per milioni di pazienti.
Un vuoto legislativo federale che pesa sul sistema sanitario
Il punto di partenza di qualsiasi analisi sul tema è un dato difficilmente contestabile: negli Stati Uniti non esiste ancora una legge organica federale approvata dal Congresso che regoli in modo sistematico l’intelligenza artificiale. Questa assenza non è una svista, ma il riflesso di un sistema politico in cui la produzione normativa su temi emergenti è storicamente lenta e frammentata, soprattutto quando la tecnologia evolve più rapidamente del ciclo legislativo.
L’amministrazione Biden-Harris aveva considerato diverse proposte legislative per colmare questo vuoto, ma nessuna di queste è diventata legge organica. Il risultato è che, in ambito sanitario, la regolamentazione dell’IA si regge su un insieme eterogeneo di strumenti: linee guida della FDA per i dispositivi medici con componenti algoritmiche, regole di rimborso e requisiti di trasparenza gestiti dal CMS, e un numero crescente di iniziative statali che si muovono in autonomia.
Questo non significa che il sistema sia privo di regole: la FDA ha una lunga esperienza nella supervisione dei Software as a Medical Device (SaMD) e ha pubblicato documenti di orientamento per i sistemi di IA e machine learning in ambito clinico. Il CMS, dal canto suo, interviene attraverso i criteri di rimborso, che possono di fatto incentivare o disincentivare l’adozione di specifiche tecnologie. Ma la mancanza di un quadro legislativo unitario lascia aperte molte questioni: chi è responsabile quando un algoritmo sbaglia una diagnosi? Quali standard di trasparenza deve rispettare un sistema di supporto decisionale clinico? Come si gestisce la protezione dei dati sanitari usati per addestrare i modelli?
Il ruolo di FDA e CMS: competenze parallele, rischi di sovrapposizione
La FDA e il CMS operano su piani diversi ma spesso interconnessi quando si tratta di IA clinica. La FDA si occupa principalmente della sicurezza e dell’efficacia dei dispositivi medici, inclusi quelli software: un algoritmo che analizza immagini radiologiche per identificare lesioni sospette rientra nella sua giurisdizione. Il CMS, invece, gestisce i programmi Medicare e Medicaid e definisce le condizioni di rimborso, influenzando indirettamente quali tecnologie entrano nella pratica clinica quotidiana.
→ Leggi anche: I chatbot IA possono scatenare deliri e alimentare la psicosi: i rischi secondo la ricerca
Il problema è che le due agenzie non sempre si muovono in modo coordinato, e i criteri di approvazione FDA non coincidono necessariamente con le condizioni di rimborso CMS. Un sistema di IA può ottenere l’autorizzazione della FDA ma restare di fatto inaccessibile se il CMS non prevede un codice di rimborso adeguato. Questa asimmetria crea incertezza per i produttori di tecnologia, per gli ospedali e, in ultima analisi, per i pazienti.
Sul piano della trasparenza, entrambe le agenzie stanno spingendo verso requisiti più stringenti: la FDA ha promosso il concetto di predetermined change control plan, che consente agli sviluppatori di aggiornare gli algoritmi entro limiti predefiniti senza dover richiedere ogni volta una nuova autorizzazione. Il CMS, invece, ha iniziato a richiedere maggiore documentazione sulle performance dei sistemi algoritmici usati nelle strutture che ricevono fondi federali. Ma si tratta ancora di approcci parziali, non di un sistema coerente.
La spinta degli stati: innovazione o frammentazione?
In assenza di una legge federale organica, diversi stati americani hanno iniziato a legiferare autonomamente sull’IA, anche in ambito sanitario. Questo fenomeno è coerente con la tradizione del federalismo americano, in cui gli stati fungono da laboratori della democrazia, sperimentando soluzioni normative che possono poi ispirare il livello federale. Ma in un settore come la sanità, dove la mobilità dei pazienti, l’interoperabilità dei sistemi e la standardizzazione dei dati sono essenziali, la proliferazione di regole diverse da stato a stato pone sfide concrete.
Un ospedale che opera in più stati, o una piattaforma di telemedicina con utenti distribuiti su tutto il territorio nazionale, si trova a dover rispettare requisiti potenzialmente contraddittori: obblighi di trasparenza algoritmica in uno stato, restrizioni sull’uso di dati sanitari in un altro, standard di certificazione diversi in un terzo. Il rischio non è teorico: è che la complessità normativa diventi un ostacolo all’adozione di tecnologie che, in contesti ben regolamentati, potrebbero migliorare la qualità delle cure.
Al tempo stesso, sarebbe sbagliato leggere l’attivismo degli stati solo come un problema. In alcuni casi, le normative statali hanno anticipato esigenze reali: la protezione contro i bias algoritmici in ambito clinico, la garanzia che i sistemi di IA non amplifichino disuguaglianze già esistenti nell’accesso alle cure, la necessità di audit periodici sui modelli in uso. Questi sono temi su cui la regolamentazione federale è ancora indietro.
→ Leggi anche: FDA pubblica le nuove linee guida per le app correlate a farmaci: come cambiano gli standard dell'industria
Il contesto internazionale: cosa insegna il confronto con l’Unione Europea
Nel 2024 l’Unione Europea e gli Stati Uniti si sono trovati ad affrontare sviluppi cruciali nella regolamentazione dell’IA, con particolare attenzione al settore sanitario. L’approccio europeo, fondato sull’AI Act, classifica i sistemi di IA per livello di rischio e impone obblighi stringenti per quelli ad alto rischio — categoria in cui rientrano molte applicazioni cliniche. È un modello basato su norme ex ante, cioè requisiti da soddisfare prima che il sistema venga immesso sul mercato.
Il modello americano è tradizionalmente più orientato all’innovazione e alla regolamentazione ex post: si interviene quando emergono problemi, piuttosto che definire requisiti preventivi rigidi. Entrambi gli approcci hanno pregi e limiti. Il modello europeo offre maggiore certezza giuridica e protezione preventiva, ma rischia di rallentare l’innovazione. Quello americano favorisce la sperimentazione, ma può lasciare spazi di rischio non coperti, soprattutto in un settore delicato come la medicina.
L’Organizzazione Mondiale della Sanità, nel documento pubblicato il 19 ottobre 2023, ha proposto considerazioni regolatorie specifiche per l’IA applicata alla salute, sottolineando la necessità di standard internazionali condivisi. Si tratta di un riferimento importante, disponibile sul sito ufficiale dell’OMS, che molti paesi stanno usando come punto di orientamento nel disegnare le proprie normative nazionali.
Le implicazioni per l’adozione clinica: tra opportunità e cautela
Per chi lavora in ambito clinico — medici, infermieri, responsabili di strutture sanitarie — il panorama normativo attuale genera incertezza su più livelli. Quali sistemi di IA possono essere usati in sicurezza? Chi risponde degli errori algoritmici? Come si documenta l’uso di un sistema di supporto decisionale nella cartella clinica? Sono domande legittime che oggi non hanno risposte uniformi.
La mancanza di chiarezza normativa può rallentare l’adozione di tecnologie che hanno dimostrato, in studi clinici e contesti controllati, un potenziale reale: sistemi di analisi delle immagini diagnostiche, algoritmi di stratificazione del rischio, strumenti di supporto alla prescrizione farmacologica. Il paradosso è che l’incertezza regolatoria rischia di penalizzare proprio le strutture più attente alla compliance, mentre chi opera in aree grigie continua ad adottare tecnologie senza le necessarie garanzie.
Un quadro normativo chiaro, coordinato tra livello federale e statale, non è un ostacolo all’innovazione: è la condizione perché l’innovazione sia sostenibile e fidata. La regolamentazione dell’intelligenza artificiale in sanità non può essere lasciata a un patchwork di regole locali e linee guida non vincolanti. Serve un framework che definisca responsabilità, standard di trasparenza, meccanismi di sorveglianza post-market e criteri di equità algoritmica — e che lo faccia in modo coerente su tutto il territorio nazionale. Fino a quando quel framework non esisterà, ogni implementazione clinica di IA resterà un esercizio di navigazione nell’incertezza, con tutto ciò che questo comporta per la sicurezza dei pazienti e la fiducia nel sistema sanitario.
Questo articolo è stato realizzato con il supporto dell'AI e sottoposto a revisione editoriale.
