Approfondimenti tecnici

Dentro la corsa della FDA ad approvare l’IA che legge le tue radiografie

La designazione Breakthrough Device per First Read di Aidoc e Cognita CXR segna la svolta del 2026: dall’IA che segnala le anomalie all’IA che redige il referto, costringendo la FDA a stabilire dove finisce il supporto alle decisioni e dove

AI.info Team · 2026-09-09

Il confine appena superato dall’IA in radiologia

Per quasi un decennio, l’IA in radiologia ha svolto bene un compito: indicare. Un riquadro rosso attorno a un nodulo. Una segnalazione nell’elenco degli esami da refertare. Un punteggio di sensibilità confrontato con la lettura di un radiologo. Lo strumento suggeriva; il medico decideva. Questa divisione dei compiti — supporto alle decisioni, non decisione autonoma — è stata il punto di riferimento della FDA nella regolamentazione di centinaia di algoritmi per la diagnostica per immagini.

Nel 2026, quel punto di riferimento ha vacillato. A quattro mesi l’una dall’altra, due aziende hanno ottenuto dalla FDA la designazione Breakthrough Device per software che non si limitano a indicare le anomalie: scrivono il referto radiologico, in forma discorsiva, pronto per essere esaminato e firmato da un medico. Sulla carta, il passaggio dalla segnalazione alla stesura sembra graduale. Autorità di regolamentazione, radiologi e aziende che sviluppano questi strumenti concordano che non lo è.

È cambiato anche il motore alla base di questi sistemi. La precedente IA radiologica utilizzava classificatori specializzati, addestrati a rispondere a una sola domanda: nodulo sì o no, frattura sì o no. La nuova generazione utilizza modelli visivo-linguistici che esaminano un’immagine come fa uno specializzando durante il giro di visite: metodicamente, regione per regione, descrivendo ciò che vedono prima di arrivare a una conclusione. È questo cambiamento architetturale a rendere possibile la stesura dei referti, ed è per questo che l’elenco dei dispositivi basati sull’IA della stessa FDA, gli studi sui benchmark del settore e le soglie di accuratezza fissate dalle autorizzazioni di dispositivi affini sono tutti importanti per valutare se la tecnologia sia pronta.

First Read di Aidoc: la designazione Breakthrough Device per un’IA che scrive il referto

Il 25 giugno 2026, Aidoc ha annunciato che la FDA aveva concesso la designazione Breakthrough Device a First Read, un software sviluppato per analizzare le radiografie del torace e generare il testo di un referto radiologico preliminare, anziché segnalare un singolo reperto. La designazione (Q260882) riguarda specificamente quattro reperti potenzialmente letali nelle radiografie del torace, anche se Aidoc afferma che il prodotto finale è progettato per redigere testi di referti relativi a più di 100 reperti predefiniti: un elenco che l’azienda ha scelto di non rendere pubblico nel dettaglio prima dell’arrivo del prodotto sul mercato.

La designazione Breakthrough Device non equivale a un’autorizzazione. Accelera l’esame della FDA e intensifica il confronto tra l’agenzia e l’azienda durante lo sviluppo; First Read resta sperimentale e Aidoc ha dichiarato esplicitamente che ogni referto prodotto dal sistema deve comunque essere firmato da un radiologo.

Elad Walach, amministratore delegato di Aidoc, ha presentato la designazione come una svolta per la specialità: «La radiologia sta entrando in una nuova era. Per decenni, i radiologi hanno sostenuto carichi di lavoro crescenti con strumenti che non sono mai stati progettati per l’attuale volume della domanda di diagnostica per immagini. First Read rappresenta un passo importante verso un futuro in cui un’IA sicura e validata clinicamente possa contribuire ad assorbire una parte maggiore del carico operativo, permettendo ai radiologi di dedicare più tempo all’interpretazione, al giudizio clinico e alla cura dei pazienti».

L’urgenza di cui parla è sostenuta dai numeri. Aidoc cita dati del Neiman Health Policy Institute secondo cui, tra il 2014 e il 2023, i tempi di refertazione degli esami di diagnostica per immagini eseguiti in ambulatori e nei servizi ambulatoriali ospedalieri sono più che raddoppiati, e osserva che i ritardi nella lettura delle sole TC possono aggiungere fino a 150 minuti alla permanenza di un paziente in ospedale. Robert Lookstein, professore di radiologia e chirurgia presso Mount Sinai Health System, ha posto una condizione che ricorre in tutta questa vicenda: «La refertazione assistita dall’IA ha il potenziale per sostenere flussi di lavoro più sostenibili, ma solo se viene introdotta in modo clinicamente affidabile e integrata con attenzione nella pratica».

First Read è il secondo prodotto di Aidoc a ottenere la designazione Breakthrough Device in meno di un anno — il prodotto CARE Triage aveva ricevuto la stessa designazione nel settembre 2025 — e si basa sull’architettura del modello fondazionale CARE che l’azienda già utilizza nella sua linea autorizzata di prodotti per il triage. Aidoc, presente in quasi 2.000 ospedali e che dichiara di aver analizzato finora più di 120 milioni di casi di pazienti, ha raccolto 150 milioni di dollari in un round di finanziamento Series E nell’aprile 2026 per contribuire a finanziare il progetto.

Il modello generativo di Cognita e la scommessa di Radiology Partners

Sedici settimane prima, il 5 marzo 2026, un altro fornitore aveva seguito la stessa idea. Mosaic Clinical Technologies — una controllata di Radiology Partners, il gruppo di studi radiologici i cui oltre 4.000 radiologi leggono più di 55 milioni di esami all’anno — ha annunciato che la sua unità dedicata all’IA, Cognita, aveva ottenuto la designazione Breakthrough Device per Cognita CXR, un modello visivo-linguistico generativo per le radiografie del torace.

Mentre l’IA radiologica convenzionale isola i singoli reperti, Cognita CXR analizza un intero esame e produce una descrizione preliminare integrata dei reperti, pensata per inserirsi direttamente nel flusso di lavoro con cui il radiologo redige i referti. Nella validazione interna di Mosaic, i radiologi partecipanti che usavano lo strumento hanno mostrato un miglioramento nell’individuazione di determinati reperti significativi compreso tra il 16% e il 65%, insieme a un potenziale aumento del 18% nell’efficienza media dell’interpretazione: dati comunicati dall’azienda e ottenuti da test precedenti alla commercializzazione, non ancora replicati in modo indipendente in uno studio sottoposto a revisione paritaria.

Nina Kottler, responsabile medico per l’IA di Mosaic, ha collegato la designazione alla stessa pressione sulla capacità operativa citata da Aidoc: «La designazione Breakthrough Device segna una tappa importante per Cognita CXR. Rispecchia l’urgenza della crisi di capacità della radiologia e offre l’opportunità di lavorare a stretto contatto con la FDA mentre avanziamo nel percorso regolatorio». Louis Blankemeier, cofondatore e amministratore delegato di Cognita, è stato più diretto sulla sfida ingegneristica: «Realizzare un’IA generativa capace di interpretare immagini mediche è una delle sfide più complesse dell’IA applicata».

Il fatto che due concorrenti — uno un fornitore di IA finanziato da capitali di rischio, l’altro la divisione interna per l’IA del più grande gruppo di studi radiologici del paese — abbiano raggiunto la stessa tappa regolatoria a sedici settimane di distanza è di per sé un segnale. L’IA radiologica generativa che redige referti ha smesso di essere una dimostrazione di ricerca ed è diventata una corsa.

L’IA sa leggere le radiografie meglio dei medici? Che cosa mostrano davvero le prove

Nessuna delle due aziende sostiene che il proprio software legga le radiografie meglio di un radiologo. La risposta onesta è più articolata di quanto possa dire un titolo: in compiti ben circoscritti, alcuni sistemi di IA eguagliano o superano ormai le prestazioni medie degli esseri umani; nel compito aperto di redigere un referto completo, con le giuste priorità, per l’intera gamma delle patologie toraciche, nessun modello generativo ha raggiunto quel livello con una certificazione della FDA.

Il parametro indipendente più vicino viene da un ambito diverso dalla radiografia toracica. Una meta-analisi pubblicata su npj Digital Medicine il 19 dicembre 2025 ha riunito 82 studi relativi a 887.244 esami, condotti in 28 paesi con 25 dispositivi basati sul deep learning approvati dalle autorità di regolamentazione per lo screening della retinopatia diabetica. Per paziente, la sensibilità complessiva era del 93% e la specificità del 90%; per occhio, la sensibilità era del 92% e la specificità del 93%. Gli autori descrivono queste prestazioni come nel complesso paragonabili a quelle di valutatori umani esperti, per un unico compito diagnostico ben circoscritto e con un riferimento certo.

La stesura dei referti delle radiografie toraciche è un problema più difficile e meno circoscritto. Il programma Breakthrough Devices della FDA accelera lo sviluppo, la valutazione e l’esame finalizzati all’approvazione precommercializzazione, all’autorizzazione 510(k) e all’autorizzazione alla commercializzazione De Novo. Per ottenere l’autorizzazione alla commercializzazione, i dispositivi Breakthrough Devices devono soddisfare i rigorosi standard della FDA in materia di sicurezza ed efficacia.

Clara Reason e il ragionamento visivo passo dopo passo

Il cambiamento tecnico che rende possibile l’IA per la stesura dei referti è il passaggio dai classificatori a etichetta unica ai modelli visivo-linguistici che ragionano su un’immagine come la esamina un radiologo: sistematicamente, regione per regione, fino a formulare una diagnosi differenziale. La dimostrazione pubblica più chiara di NVIDIA è Clara Reason, basato su NV-Reason-CXR-3B, un modello di ricerca non commerciale da 3 miliardi di parametri, rilasciato nell’ottobre 2025 e sottoposto a fine-tuning a partire da Qwen2.5-VL-3B-Instruct, prima con fine-tuning supervisionato e poi con apprendimento per rinforzo su dataset di radiografie toraciche tra cui MIMIC-CXR, ChestX-ray14 e CheXpert.

Anziché produrre un semplice punteggio di probabilità, NV-Reason-CXR-3B genera una traccia esplicita del ragionamento: esame delle strutture anatomiche, riscontri normali e anomali e una diagnosi differenziale proposta. È la stessa struttura che un radiologo espone mentre detta un referto. In uno studio di lettura descritto nel paper di ricerca sul modello, le tracce complete del ragionamento hanno aumentato la fiducia dei radiologi, facilitato la verifica degli errori e ridotto il tempo necessario per completare i referti.

NVIDIA ha dichiarato che i National Institutes of Health stanno integrando i modelli Clara Reason nei flussi di lavoro radiologici per aiutare nella stesura dei referti e nella formazione dei medici. Il modello e il suo codice sono disponibili gratuitamente su Hugging Face e GitHub. NVIDIA li presenta esplicitamente come strumenti di ricerca e per la spiegabilità, non come un prodotto clinico autorizzato: un promemoria del fatto che il passaggio da un modello di ricerca aperto a un dispositivo autorizzato dalla FDA è, di per sé, un processo lungo.

Dentro il crescente elenco dei dispositivi di IA della FDA

È facile sottovalutare la portata di ciò che le autorità di regolamentazione devono gestire. Al 30 giugno 2026, l’elenco pubblico della FDA dei dispositivi medici basati sull’IA autorizzati, pubblicato per la prima volta nel 2021, contava 1.614 dispositivi: il 5,9% in più rispetto ai 1.524 registrati alla fine del primo trimestre, e in aumento dai 1.451 di fine 2025 e dai 1.356 della rilevazione dell’autunno precedente. Alla radiologia fanno capo 1.230 di queste autorizzazioni, circa il 76% dell’intero elenco: una quota rimasta tra il 73% e l’80% negli ultimi tre anni.

All’interno di quel totale relativo alla radiologia, le quote sono concentrate: GE HealthCare è in testa con 134 autorizzazioni, comprese quelle derivanti da acquisizioni come Bay Labs e Caption Health; seguono Siemens Healthineers con 101, Philips con 62, Canon con 51, United Imaging con 45, Aidoc con 34 e DeepHealth con 32. Quasi tutte queste autorizzazioni ottenute nel corso degli anni riguardano il rilevamento o il triage: una segnalazione, una misurazione, una modifica delle priorità nell’elenco degli esami da esaminare. First Read e Cognita CXR sarebbero, se autorizzati, tra i primi dispositivi autorizzati a generare direttamente il testo di un referto, anziché annotare quello scritto da altri.

L’elenco si è ampliato per tre decenni e il ritmo si mantiene, anziché rallentare: nel secondo trimestre del 2026 la FDA ha autorizzato 89 dispositivi basati sull’IA, appena meno dei 92 autorizzati nel primo; 66 degli 89, pari al 74%, erano dispositivi radiologici, una quota vicina al 75% del primo trimestre. Quasi per nulla, finora, questa crescita recente riguarda la stesura generativa dei referti: continuano a prevalere gli strumenti più circoscritti di rilevamento e triage che hanno portato la radiologia alla sua quota del 76%. Per ora First Read e Cognita CXR restano del tutto fuori da quel conteggio: figurano soltanto come dispositivi Breakthrough Devices, non come prodotti autorizzati che un ospedale può acquistare.

Supporto alle decisioni o autonomia? Dove la FDA traccia davvero il confine

Il programma Breakthrough Device non richiede la prova di un’accuratezza sovrumana: richiede che un dispositivo consenta una diagnosi o un trattamento più efficaci per una patologia potenzialmente letale o irreversibilmente invalidante e soddisfi almeno un ulteriore criterio, per esempio offrire vantaggi significativi rispetto alle alternative già approvate o autorizzate. È una soglia meno elevata di quella necessaria per l’autorizzazione definitiva, e sia Aidoc sia Cognita precisano che i loro strumenti restano nell’ambito del supporto alle decisioni: un radiologo esamina, modifica e firma ogni bozza prima che entri a far parte della cartella clinica.

Ma redigere il testo completo di un referto è un tipo di assistenza qualitativamente diverso dal segnalare un nodulo. Una segnalazione chiede al radiologo di esaminare più attentamente una regione; una bozza di referto gli chiede di verificare, correggere o respingere, in un’unica passata, decine di osservazioni formulate e il significato clinico che implicano: un compito più vicino alla revisione di un testo che all’interpretazione delle immagini. La precisazione di Lookstein sulla necessità di un impiego clinicamente affidabile e integrato con attenzione è un riconoscimento implicito, da parte del settore, del fatto che il confine tra supporto alle decisioni e autonomia si assottiglia ogni volta che l’output di un’IA somiglia più a un documento clinico finito e meno a un’annotazione sull’immagine di qualcun altro.

La soglia di accuratezza che l’autonomia richiederà

L’autorizzazione ottenuta da Aidoc nel gennaio 2026 per il triage delle TC del corpo offre finora il benchmark pubblico più chiaro di ciò che le autorità di regolamentazione sono disposte ad accettare per l’interpretazione automatizzata in situazioni ad alto rischio. Il 7 gennaio 2026, la FDA ha autorizzato lo strumento di triage di Aidoc basato sul modello fondazionale CARE a segnalare 14 patologie acute, tra cui dissezione aortica, appendicite, occlusione intestinale, lesione della milza, lesione renale e frattura pelvica, a partire da un’unica TC del corpo e in un unico flusso di lavoro, combinando 11 indicazioni appena autorizzate con tre per le quali l’azienda aveva già ottenuto l’autorizzazione.

Lo studio cardine alla base dell’autorizzazione ha riportato una sensibilità media del 97% e una specificità media del 98% nelle 11 indicazioni valutate. Aidoc la descrive come la prima autorizzazione della FDA per un insieme completo di indicazioni acute a due cifre basato su un unico modello fondazionale.

È un’autorizzazione per il triage, non per la redazione dei referti: lo strumento per le TC continua a segnalare i casi da sottoporre a esame urgente, anziché formulare il testo dei rilievi. Ma stabilisce la soglia minima di accuratezza in base alla quale sarà valutato il settore, man mano che gli strumenti generativi per la redazione delle bozze dei referti passeranno dallo status di Breakthrough Device alle vere e proprie domande di autorizzazione.

Uno strumento di segnalazione ha ottenuto il via libera della FDA per rilievi relativi a patologie potenzialmente letali con medie riportate nello studio cardine del 97% per la sensibilità e del 98% per la specificità; uno strumento che redige un intero referto che un radiologo potrebbe firmare con poche modifiche avrà bisogno di evidenze almeno altrettanto solide, replicate al di fuori del set di validazione del fornitore, prima che la FDA consideri la redazione generativa qualcosa di più di un esperimento sottoposto a un iter accelerato. Aidoc e Mosaic Clinical Technologies hanno entrambe dichiarato di voler presentare domande di autorizzazione definitiva per i loro strumenti generativi, e a metà settembre 2026 nessuna delle due aveva comunicato una data per la presentazione.