Approfondimenti tecnici

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

Lo status di Breakthrough Device ottenuto da First Read di Aidoc e Cognita CXR segna nel 2026 il passaggio dall’IA che segnala le anomalie all’IA che redige il referto, costringendo la FDA a definire dove finisce il supporto alle decisioni

Gabriele Masetti · 2026-09-09

Il confine che l’IA in radiologia ha appena superato

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 decisioni autonome — è stata il punto fermo della regolamentazione della FDA per centinaia di algoritmi di analisi delle immagini.

Nel 2026, quel punto fermo ha vacillato. A distanza di tre 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 del referto sembra graduale. Le autorità di regolamentazione, i radiologi e le aziende che sviluppano questi strumenti concordano che non lo è.

È cambiato anche il motore alla base di questi sistemi. La precedente generazione di IA radiologica usava classificatori specializzati, addestrati a rispondere a una sola domanda: c’è un nodulo o no, c’è una frattura o no. La nuova generazione usa modelli visione-linguaggio che esaminano un’immagine come fa uno specializzando durante il giro di visite: con metodo, 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, per valutare se la tecnologia sia pronta, contano tutti e tre: l’inventario dei dispositivi basati sull’IA della stessa FDA, gli studi di benchmark del settore e le soglie di accuratezza fissate dalle autorizzazioni di prodotti affini.

First Read di Aidoc: un Breakthrough Device per l’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 progettato 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 prestabiliti: un elenco che l’azienda ha rifiutato di rendere pubblico prima dell’arrivo del prodotto sul mercato.

Lo status di Breakthrough Device non equivale a un’autorizzazione. Accelera la valutazione della FDA e amplia il confronto tra l’agenzia e l’azienda durante lo sviluppo; First Read resta in fase sperimentale e Aidoc ha chiarito che un radiologo dovrà comunque firmare ogni referto prodotto dal sistema.

L’amministratore delegato di Aidoc, Elad Walach, 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 mai progettati per l’attuale volume della domanda di esami diagnostici 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, consentendo ai radiologi di dedicare più tempo all’interpretazione, al giudizio clinico e alla cura dei pazienti».

L’urgenza evocata da Walach è sostenuta dai numeri. Aidoc cita dati del Neiman Health Policy Institute secondo cui i tempi necessari per completare l’interpretazione degli esami diagnostici per immagini sono più che raddoppiati tra il 2014 e il 2023, e osserva che i ritardi nella sola lettura delle tomografie computerizzate possono prolungare la permanenza in ospedale di un paziente fino a 150 minuti. Robert Lookstein, professore di radiologia e chirurgia al Mount Sinai Health System, ha posto una condizione che ricorre in tutta questa vicenda: «La refertazione assistita dall’IA può contribuire a rendere i flussi di lavoro più sostenibili, ma solo se viene adottata 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 — CARE Triage aveva ricevuto lo stesso status nel settembre 2025 — e si basa sull’architettura dei modelli di base CARE che l’azienda utilizza già nella sua gamma di prodotti di triage autorizzati. Aidoc, presente in quasi 2.000 ospedali e che dichiara di aver analizzato finora più di 120 milioni di casi clinici, ha raccolto 150 milioni di dollari in un round di finanziamento di Serie E nell’aprile 2026 per contribuire a finanziare questo lavoro.

Il modello generativo di Cognita e la scommessa di Radiology Partners

Dieci settimane prima, il 5 marzo 2026, un altro fornitore aveva puntato sulla 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 generativo visione-linguaggio 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 e integrata dei reperti, pensata per inserirsi direttamente nel flusso di lavoro con cui il radiologo redige il referto. Nella validazione interna di Mosaic, i radiologi partecipanti che hanno usato lo strumento hanno mostrato un miglioramento nel rilevamento compreso tra il 16% e il 65% per alcuni reperti significativi, oltre a un potenziale aumento del 18% nell’efficienza media dell’interpretazione. Sono dati comunicati dall’azienda e ottenuti in test precedenti all’immissione sul mercato, non ancora replicati in modo indipendente in uno studio sottoposto a revisione paritaria.

Nina Kottler, direttrice medica per l’IA di Mosaic, ha collegato la designazione alla stessa pressione sulla capacità operativa citata da Aidoc: «La designazione Breakthrough Device segna un traguardo importante per Cognita CXR. Riflette l’urgenza della crisi di capacità in radiologia e ci offre l’opportunità di lavorare a stretto contatto con la FDA mentre procediamo nell’iter regolatorio». Louis Blankemeier, cofondatore e amministratore delegato di Cognita, è stato più diretto riguardo alla sfida ingegneristica: «Costruire un’IA generativa capace di interpretare le 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 IA interna del più grande gruppo di studi radiologici del paese — abbiano raggiunto lo stesso traguardo regolatorio a dieci settimane di distanza è di per sé un segnale. L’IA radiologica generativa che redige i 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 più onesta è più precisa di quanto possa esserlo un titolo: in compiti circoscritti, alcuni sistemi di IA eguagliano o superano ormai le prestazioni medie umane; nel compito aperto di redigere un referto completo, assegnando le giuste priorità all’intera gamma delle patologie toraciche, nessun modello generativo ha superato quella soglia in un modo certificato dalla FDA.

Il parametro indipendente più vicino proviene da un ambito diverso dalla radiografia del torace. Una meta-analisi pubblicata su npj Digital Medicine il 19 dicembre 2025 ha riunito 82 studi relativi a 887.244 esami, condotti con 25 dispositivi di deep learning approvati dalle autorità di regolamentazione in 28 paesi per lo screening della retinopatia diabetica. Per paziente, la sensibilità aggregata era del 93% e la specificità del 90%; per occhio, la sensibilità era del 92% e la specificità del 93%: un’accuratezza che gli autori descrivono come sostanzialmente paragonabile a quella degli specialisti umani, per un singolo compito diagnostico ben delimitato e con un riferimento diagnostico chiaro.

La stesura dei referti delle radiografie del torace è un problema più difficile e meno circoscritto. È proprio per questo che la FDA tratta First Read e Cognita CXR come Breakthrough Devices, anziché come dispositivi soggetti alle ordinarie autorizzazioni 510(k): i requisiti di validazione crescono con la portata delle prestazioni dichiarate.

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 che assegnano una singola etichetta ai modelli visivo-linguistici che ragionano su un’immagine come la esamina un radiologo: in modo sistematico, 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 open source da 3 miliardi di parametri rilasciato nell’ottobre 2025 e ottenuto tramite fine-tuning di Qwen2.5-VL-3B: prima con fine-tuning supervisionato, poi con apprendimento per rinforzo su dataset di radiografie del torace, tra cui MIMIC-CXR, ChestX-ray14 e CheXpert.

Invece di restituire soltanto un punteggio di probabilità, NV-Reason-CXR-3B genera una traccia esplicita del ragionamento: esame anatomico, osservazioni normali e anomale e una proposta di diagnosi differenziale. È la stessa struttura che un radiologo espone quando detta un referto. In uno studio condotto con radiologi e descritto nell’articolo di ricerca sul modello, le tracce complete del ragionamento hanno aumentato la fiducia dei radiologi, agevolato 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 a redigere i referti e a formare i clinici. Il modello e il suo codice sono disponibili gratuitamente su Hugging Face e GitHub. NVIDIA li presenta esplicitamente come strumenti di ricerca e di 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.

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 contava 1.614 dispositivi medici dotati di IA autorizzati, censiti da quando l’agenzia ha iniziato a compilare l’elenco nel 1995: il 5,9% in più rispetto ai 1.524 registrati alla fine del primo trimestre, contro i 1.451 della fine del 2025 e i 1.356 della precedente rilevazione autunnale. Alla radiologia si riferiscono 1.230 di quelle autorizzazioni, circa il 76% dell’intero elenco: una quota rimasta tra il 73% e l’80% negli ultimi tre anni.

Le autorizzazioni in radiologia sono concentrate tra pochi operatori: GE HealthCare è in testa con 134, comprese quelle relative ad acquisizioni come Bay Labs e Caption Health, seguita da 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 riguardano il rilevamento o il triage: una segnalazione, una misurazione, una modifica delle priorità nella lista di lavoro. Se autorizzati, First Read e Cognita CXR sarebbero tra i primi dispositivi a generare il testo stesso di un referto, anziché aggiungere annotazioni a quello redatto da qualcun altro.

L’elenco cresce da tre decenni e il ritmo tiene, anziché rallentare: la FDA ha autorizzato 89 dispositivi dotati di IA nel secondo trimestre del 2026, poco meno dei 92 autorizzati nel primo. Dei 89 dispositivi, 66 — il 74% — erano destinati alla radiologia, una quota vicina al 75% del primo trimestre. Quasi nulla di questa recente crescita riguarda ancora la generazione dei referti: continuano a prevalere gli strumenti più circoscritti di rilevamento e triage che hanno portato la radiologia a rappresentare il 76% dell’elenco. First Read e Cognita CXR, per ora, non rientrano affatto in quel conteggio: figurano soltanto come Breakthrough Devices, non come prodotti autorizzati che un ospedale possa acquistare.

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

Il programma Breakthrough Device non richiede di dimostrare una precisione superiore a quella umana: richiede che un dispositivo risponda a un’esigenza medica non soddisfatta relativa a una patologia grave e che vi sia una ragionevole aspettativa di una diagnosi o di un trattamento più efficaci. È una soglia meno alta di quella prevista 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 nella cartella clinica.

Redigere il testo completo di un referto, però, è una forma di assistenza qualitativamente diversa dal segnalare un nodulo. Una segnalazione chiede al radiologo di osservare più attentamente una regione; una bozza di referto gli chiede di verificare, correggere o smentire in un’unica passata decine di rilievi già formulati e la rilevanza clinica che sottintendono: 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 equivale a riconoscere implicitamente, da parte del settore, che il confine tra supporto alle decisioni e autonomia si assottiglia ogni volta che il risultato prodotto dall’IA assomiglia più a un documento clinico finito che a un’annotazione sull’immagine di qualcun altro.

La soglia di accuratezza che l’autonomia richiederà

L’autorizzazione ottenuta dalla stessa Aidoc nel gennaio 2026 per il triage delle TC corporee offre finora il parametro pubblico più chiaro di ciò che le autorità di regolamentazione sono disposte ad accettare nell’interpretazione automatizzata ad alto rischio. Il 21 gennaio 2026, la FDA ha autorizzato lo strumento di triage di Aidoc basato sul modello fondazionale CARE a segnalare 14 condizioni acute — tra cui dissezione aortica, appendicite, occlusione intestinale, lesione della milza, lesione renale e frattura pelvica — a partire da un’unica TC corporea, in un flusso di lavoro unificato. L’autorizzazione riunisce 11 nuove indicazioni e tre già ottenute dall’azienda.

Lo studio cardine su cui si è basata l’autorizzazione ha rilevato, per le 14 condizioni, una sensibilità media del 97% e una specificità media del 98%. Aidoc la descrive come la prima autorizzazione della FDA per un insieme completo di indicazioni relative a condizioni acute, in numero a due cifre, basato su un unico modello fondazionale.

Si tratta di un’autorizzazione per il triage, non per la redazione di referti: lo strumento per le TC continua a segnalare i casi da esaminare con urgenza, anziché formulare il testo dei rilievi. Fissa però la soglia di accuratezza rispetto alla quale sarà valutato il settore, man mano che gli strumenti generativi per la stesura dei referti passeranno dallo status di Breakthrough Device alla presentazione di vere e proprie domande di autorizzazione.

Per ottenere il via libera della FDA alla segnalazione di condizioni potenzialmente letali, uno strumento ha avuto bisogno di una sensibilità del 97% e di una specificità del 98%; uno strumento che redige un intero referto, che un radiologo potrebbe firmare dopo modifiche minime, avrà bisogno di prove almeno altrettanto solide, replicate al di fuori del set di validazione del fornitore, prima che la FDA consideri la stesura generativa qualcosa di più di un esperimento a iter accelerato. Aidoc e Mosaic Clinical Technologies hanno entrambe dichiarato di voler presentare domande di autorizzazione definitiva per i loro strumenti generativi; a metà settembre 2026 nessuna delle due aveva comunicato una data per la presentazione.