Nel lessico della medicina contemporanea esiste un’espressione che pesa più di molte diagnosi: “paziente senza diagnosi”. Dietro questa formula si nasconde un limbo clinico e umano che riguarda milioni di persone nel mondo, sospese tra sintomi, esami, consulti specialistici e attese che possono durare anni. In questo scenario si inserisce DeepRare, un sistema di intelligenza artificiale sviluppato da un team della Shanghai Jiao Tong University e pubblicato su Nature, che promette di ridurre drasticamente i tempi e gli errori nella diagnosi delle malattie rare.

Le malattie rare rappresentano uno dei terreni più complessi della medicina clinica. Secondo le stime, nel mondo circa 350 milioni di persone convivono con una patologia rara, spesso di origine genetica. Le sindromi conosciute sono oltre 7.000, ma coprono meno della metà dei casi osservati. I National Institutes of Health stimano che circa il 6% dei pazienti resti senza una diagnosi definitiva. In Italia, su circa due milioni di persone affette da malattie rare, oltre 100.000 non hanno ancora un nome per la propria condizione e ogni anno si aggiungono circa 6.000 nuovi casi senza diagnosi. Numeri che spiegano perché la questione non sia solo clinica ma sistemica.

DeepRare si inserisce in questo contesto come una piattaforma integrata che utilizza quaranta strumenti digitali specializzati, coordinati da un “cervello” centrale capace di incrociare analisi del Dna, sintomi clinici, cartelle elettroniche e database medici ufficiali. L’elemento innovativo non è soltanto la potenza computazionale, ma la capacità di integrare fonti eterogenee in un modello decisionale coerente. In altre parole, non un semplice algoritmo predittivo, ma un ecosistema di analisi multilivello che ragiona come un team virtuale di specialisti.

Le performance sono state valutate su 6.401 casi clinici con diagnosi già nota. Inserendo tutti i dati disponibili, DeepRare è stato in grado di identificare correttamente la patologia in tempi molto più rapidi rispetto ai percorsi tradizionali. In una seconda fase di test, su 163 casi particolarmente complessi, il sistema è stato confrontato con cinque medici con oltre dieci anni di esperienza. Il risultato ha inevitabilmente acceso il dibattito: DeepRare ha individuato la diagnosi corretta al primo tentativo nel 64,4% dei casi, contro il 54,6% dei clinici. E, dettaglio non trascurabile, la risposta esatta rientrava quasi sempre tra le prime tre ipotesi suggerite dal sistema.

Definire questo risultato come una “sfida ai medici” sarebbe però una lettura superficiale. Il punto non è stabilire una graduatoria tra intelligenza artificiale e competenza umana, ma comprendere come l’AI possa funzionare da acceleratore cognitivo in un ambito dove la complessità biologica supera spesso la memoria individuale, anche la più allenata. Le malattie rare, per definizione, sono poco frequenti; nessun clinico può avere esperienza diretta di migliaia di varianti genetiche e fenotipiche. Un sistema come DeepRare può invece analizzare in pochi minuti ciò che per un’équipe richiederebbe settimane di consultazioni e revisioni bibliografiche.

Il vero valore, sottolineato anche nell’articolo pubblicato su Nature, risiede nel fatto che DeepRare rappresenta uno dei primi modelli computazionali a superare le prestazioni diagnostiche di medici esperti in un compito così complesso. Non si tratta soltanto di velocità, ma di accuratezza in un contesto ad alta incertezza. Ridurre il tempo medio di diagnosi significa anticipare l’accesso alle terapie disponibili, evitare esami inutili, contenere costi sanitari e, soprattutto, alleviare l’impatto psicologico dell’incertezza.

Dal punto di vista tecnologico, DeepRare conferma una tendenza ormai evidente nella medicina di precisione: l’intelligenza artificiale non è più confinata all’analisi di immagini radiologiche o alla gestione amministrativa dei dati sanitari, ma entra nel cuore del processo decisionale clinico. L’integrazione tra genomica, fenotipizzazione e dati longitudinali apre la strada a modelli diagnostici che apprendono continuamente, migliorando con l’aumentare dei casi analizzati.

Naturalmente restano aperti interrogativi cruciali. La qualità dei dati in ingresso, la trasparenza degli algoritmi, la protezione delle informazioni genetiche e la validazione in contesti clinici diversi saranno determinanti per un’adozione su larga scala. Inoltre, l’equità di accesso a questi strumenti dovrà essere garantita per evitare che l’AI diventi un privilegio di pochi centri d’eccellenza.

L’odissea diagnostica delle malattie rare potrebbe però essere a un punto di svolta. Se sistemi come DeepRare riusciranno a integrarsi nei percorsi clinici nazionali e internazionali, la categoria dei “senza diagnosi” potrebbe finalmente ridursi. In un’epoca in cui l’intelligenza artificiale viene spesso raccontata in termini di automazione e produttività, qui l’innovazione assume un volto più concreto e umano: quello di una risposta che arriva prima e che può cambiare radicalmente la traiettoria di una vita.