Siamo ormai abituati a chiedere di tutto all’intelligenza artificiale. Dalle curiosità più banali alle questioni più complesse, basta scrivere una domanda per ricevere una risposta in pochi secondi. Ma cosa succede quando a essere in gioco è la nostra salute? E soprattutto, quanto possiamo fidarci dei consigli che riceviamo? A sollevare qualche dubbio è uno studio pubblicato sulla rivista scientifica Nature Health, secondo il quale sistemi come ChatGPT e Claude tendono a suggerire soprattutto i farmaci più conosciuti e presenti su Internet, privilegiando spesso quelli di grandi marchi rispetto alle alternative disponibili, meno costose.
La ricerca è stata condotta da un gruppo di studiosi guidato dal professor Daiju Ueda dell’Università Metropolitana di Osaka, in collaborazione con alcuni ricercatori dell’MD Anderson Cancer Center dell’Università del Texas. Sono stati analizzati cinque modelli di intelligenza artificiale: GPT-5.4, Claude Sonnet 4.6, Gemini 3.1 Flash, Llama 4 e MedGemma, ai quali è stato chiesto di consigliare fino a tre medicinali approvati dalla Food and Drug Administration (FDA), l’agenzia statunitense che si occupa della regolamentazione dei farmaci. Per farlo, i ricercatori hanno creato oltre 177mila situazioni cliniche simulate, ottenendo circa 883mila risposte. I risultati hanno mostrato una tendenza piuttosto evidente: nonostante fossero disponibili in media più di cinque medicinali per ogni combinazione di malattia e principio attivo, i sistemi finivano per suggerire quasi sempre lo stesso prodotto. Il farmaco più consigliato rappresentava infatti, in media, il 97,5% delle prime scelte.
Ma perché proprio quei medicinali? Secondo i ricercatori, una delle possibili spiegazioni riguarda la loro visibilità online. I prodotti suggeriti più frequentemente erano spesso quelli di marca, che comparivano maggiormente nelle ricerche di Google e dunque godevano di maggiore visibilità. Al contrario, medicinali approvati più recentemente o molto utilizzati dai medici nella pratica quotidiana venivano consigliati meno frequentemente. In sostanza, sembra che anche l’intelligenza artificiale finisca per dare più spazio a ciò di cui si parla maggiormente. Un meccanismo che conosciamo bene nel mondo dell’informazione e dei social network, dove quanto è più visibile non è necessariamente ciò che è più importante o affidabile.
La ricerca ha evidenziato anche alcune incongruenze nelle risposte. In certi casi, infatti, i modelli hanno suggerito farmaci che erano stati approvati in passato ma che non risultavano più in commercio. Un dettaglio tutt’altro che trascurabile, soprattutto quando si parla di medicinali. C’è poi la questione economica: gli studiosi hanno provato a simulare cosa accadrebbe se gli acquisti dei farmaci seguissero le indicazioni dell’intelligenza artificiale anziché le prescrizioni mediche reali. Per il gruppo di medicinali preso in esame, i costi annuali potrebbero aumentare di circa 55,6 milioni di dollari, con un incremento del 1.019%.
Naturalmente si tratta soltanto di una simulazione, non di un aumento già registrato nella spesa dei pazienti. Il risultato, però, fa riflettere sulle possibili conseguenze di un utilizzo sempre più diffuso di questi strumenti anche in ambito sanitario. I ricercatori hanno cercato di capire se fosse possibile correggere questa tendenza chiedendo esplicitamente ai sistemi di suggerire farmaci generici o meno costosi. Le risposte sono effettivamente cambiate, ma il problema non è scomparso del tutto: anche in questo caso, l’intelligenza artificiale ha continuato a concentrarsi su un numero piuttosto ristretto di prodotti.
Lo studio porta quindi a interrogarsi non soltanto sull’utilizzo dell’intelligenza artificiale in medicina, ma anche sul modo in cui tali sistemi costruiscono le risposte. Avere accesso a una grande quantità di informazioni non significa necessariamente saper individuare quella più adatta, così come essere molto presenti su Internet non rende automaticamente un prodotto migliore di un altro. Il professor Ueda ha sottolineato proprio la necessità di controllare le possibili distorsioni nelle raccomandazioni dei modelli, affiancando all’intelligenza artificiale fonti affidabili e alla supervisione umana.
