Gli assistenti di documentazione al pronto soccorso non cambiano lo status quo

Il pronto soccorso del Brigham and Women's Hospital di Boston ha aperto nel 2022. Nel 2025 era già troppo piccolo. Una sera all'inizio di settembre nel reparto c'erano 59 pazienti, 152 contando anche quelli in sala d'attesa. Christopher Baugh, medico di quel reparto, non usa giri di parole: „Per la sala di terapia intensiva ne abbiamo 61. Non si possono accogliere 152 pazienti in 61 stanze”. I letti finivano in ogni spazio possibile e alcuni pazienti restavano nei corridoi.

Proprio qui, nel caos del pronto soccorso, si vedono meglio i limiti di ciò che l'AI cambia davvero in medicina. La tecnologia più avanzata presente in reparto sono i cosiddetti assistenti di documentazione: programmi che ascoltano la conversazione tra medico e paziente e aiutano a trascriverla nella cartella clinica. Il reportage di STAT del 9 settembre 2026 riassume il loro impatto in poche parole: non hanno cambiato lo status quo.

Non significa che siano inutili. Negli ospedali che li hanno adottati ricorrono vantaggi concreti: meno ore di lavoro sulla documentazione, meno carico amministrativo per l'équipe e una comunicazione migliore con il paziente. Il problema è che il sollievo per le persone non si traduce automaticamente in maggiore capacità di smaltimento del reparto. Continuano a mancare stanze, letti e personale, e la coda si forma in un altro punto del processo: sulle risorse, non sulla tastiera.

I numeri di quella sera vanno messi accanto a ciò che l'AI può cambiare. Un modello linguistico può trasformare la registrazione di una conversazione in una voce di cartella clinica; non può aprire una nuova stanza né assumere un infermiere. Perciò il miglioramento in uscita dal sistema, cioè nella capacità di smaltimento, richiede cambiamenti nelle risorse, non solo nello strato software. Questa distinzione è decisiva in ogni decisione di acquisto di un nuovo strumento per il pronto soccorso.

Dove mancano davvero le prove

Lo stesso problema, lo scarto tra promessa e prova, è descritto in un commento pubblicato il 17 settembre 2026 su npj Digital Medicine, firmato da Arjun Mahajan, Nigam H. Shah e Dylan Powell. Gli autori osservano che il rapido sviluppo dei grandi modelli linguistici in medicina rende difficile l'approccio classico alla produzione e alla valutazione delle prove. Il ritmo dei cambiamenti dei modelli è più rapido di quello degli studi. I disegni e i modi di rendicontare gli studi clinici prospettici sono troppo eterogenei per valutare in fretta e in modo affidabile l'efficacia e la sicurezza dei modelli clinici.

La conclusione pratica per gli ospedali è questa. Le adozioni che accorciano il tempo di lavoro sulla documentazione hanno basi solide e si possono rendicontare. Le promesse sulla capacità di smaltimento dei reparti, sui costi o sugli esiti delle cure richiedono invece studi separati, progettati apposta. Senza questo è facile trovarsi nella situazione in cui l'assistente AI fa felici i medici e i pazienti continuano ad aspettare in corridoio.