L’intelligenza artificiale che “fa il medico” potrebbe avere un problema inatteso: diventando più attenta a non tralasciare ciò che, in tribunale, sarebbe considerato necessario, tende anche a moltiplicare esami, procedure e consulenze. È il risultato di uno studio pubblicato l’8 agosto 2026 su Communications Medicine, rivista di Nature Portfolio, che ha costruito un banco di prova molto diverso dai classici quiz clinici. Gli autori hanno raccolto 198 vere cause statunitensi per malpractice, nelle quali era possibile ricostruire quale comportamento fosse stato considerato coerente con lo standard di cura, e hanno sottoposto i casi a 15 large language model, per un totale di 3.072 consultazioni simulate. Il punto non era stabilire quale IA “indovinasse la diagnosi”, ma quanto le sue raccomandazioni fossero giuridicamente difendibili rispetto alle azioni ritenute necessarie nei casi reali.
Ed è qui che emerge il paradosso. GPT-5.2 ha ottenuto un punteggio medio di “difendibilità” di 0,71, con circa il 70% delle consultazioni considerate difendibili secondo il criterio dello studio, contro 0,34 per GPT-4o, pari a circa il 32%. Ma il modello più allineato allo standard individuato dai tribunali ha anche suggerito, in media, 9,3 procedure per consultazione, contro 1,3 di GPT-4o. Tradotte in costi stimati sulla base delle tariffe Medicare, le raccomandazioni valevano circa 1.118 dollari per caso contro 221: più di cinque volte tanto. Tra i 15 modelli, la correlazione tra maggiore difendibilità e maggiore costo è risultata fortissima: ρ di Spearman pari a 0,95. In altre parole, nella simulazione i sistemi che coprivano meglio ciò che non doveva essere dimenticato tendevano anche a “coprire” il paziente con molte più prestazioni.
La spiegazione più semplice sarebbe pensare che i modelli più avanzati siano soltanto più prolissi. Gli autori hanno provato a verificarlo imponendo risposte concise: la lunghezza del testo è scesa del 59%, mentre i costi delle procedure raccomandate si sono ridotti appena del 5%. Il fenomeno, quindi, non sembra dipendere semplicemente da risposte più lunghe. Inoltre il legame tra difendibilità e spesa è rimasto anche separando i casi per gravità e non è sembrato spiegato da una possibile contaminazione dei dati di addestramento. Lo stesso schema è comparso in un set indipendente di cause britanniche, dove la correlazione tra i due indicatori è stata ancora molto alta, ρ = 0,94. L’ipotesi più interessante è che i modelli più evoluti abbiano sviluppato una sorta di “avversione all’omissione”: quando esiste una possibilità rilevante, preferiscono aggiungere un test, una procedura o un invio specialistico piuttosto che rischiare di lasciarlo fuori. Gli autori, tuttavia, sottolineano che non è ancora chiaro se ciò dipenda da un migliore ragionamento clinico, dall’addestramento che penalizza le omissioni o da entrambe le cose.
È importante, però, non leggere questi risultati come la prova che l’IA provocherà automaticamente una valanga di esami inutili. Lo studio è una simulazione costruita su controversie giudiziarie, quindi su casi già selezionati perché qualcosa era andato storto, e non misura ciò che accadrebbe in un ospedale reale, dove entrano in gioco anamnesi completa, linee guida, disponibilità delle risorse, giudizio del medico e conseguenze concrete sul paziente. Il fenomeno ricorda, senza essere necessariamente la stessa cosa, la medicina difensiva già osservata tra i professionisti sanitari, dove il timore della responsabilità può contribuire al ricorso a prestazioni aggiuntive e aumentare i costi. Il messaggio dello studio è che valutare un’IA sanitaria soltanto per accuratezza o sicurezza potrebbe non bastare: bisognerà misurare anche quante risorse induce a utilizzare. Se questi sistemi diventeranno assistenti quotidiani dei medici, il loro vero valore dipenderà anche dalla capacità di distinguere la prudenza utile dalla medicina difensiva automatizzata.
⸻
Aran D., Perry R., Shelly S., “Clinical liability cases reveal a coupling between legal defensibility and medical procedure escalation in large language models”, Communications Medicine, Nature Portfolio, pubblicato l’8 agosto 2026. DOI: 10.1038/s43856-026-01839-5.