Intelligenza artificiale in pediatria: garantire l’impatto attraverso l’innovazione, superare i limiti di accesso ai dati e le sfide etiche

Ospedale Pediatrico Bambino Gesù IRCCS, Roma

 

Riassunto

L’IA promette grandi benefici, ma richiede un approccio critico e sperimentale per adattarsi alla pediatria. I modelli attuali, spesso basati su dati di popolazioni adulte, risultano poco adeguati per le diverse fasi dello sviluppo infantile, caratterizzate da variabilità fisiologica e scarsità di dati clinici, e sono spesso del tutto insufficienti per le malattie rare. La prospettiva attuale è integrare fonti eterogenee per alimentare modelli multimodali, superando problemi di interoperabilità e disuguaglianze nella disponibilità dei dati. L’IA può avere un forte impatto in diversi ambiti pediatrici: dallo sviluppo di nuovi farmaci, alla diagnosi precoce delle malattie rare, alla gestione delle patologie croniche tramite monitoraggio continuo, alla riduzione delle procedure invasive e alla prevenzione. Alcune applicazioni sono già realtà, come i modelli predittivi in terapia intensiva, o i supporti diagnostici per le immagini e i sistemi automatizzati per la gestione del diabete tipo 1. I Large Language Models offrono nuove possibilità nella comunicazione medico-paziente e nel supporto decisionale, ma vanno considerati i limiti intrinseci legati alla validazione clinica. Nell’applicazione dell’IA rimangono importanti questioni etiche: i bias, la responsabilità clinica, il rischio di eccessiva dipendenza dalla tecnologia e l’impatto sulla relazione medico-famiglia. È fondamentale inoltre mantenere la supervisione umana e garantire formazione continua dei pediatri. In sintesi, l’IA rappresenta un’opportunità trasformativa per la pediatria, ma richiede sviluppo responsabile, validazione scientifica e integrazione nei processi di cura per avere un impatto misurabile sulla salute dei bambini.

Parole chiave: intelligenza artificiale, applicazioni, dati, Large Language Models, formazione

 

Summary

AI promises significant benefits but requires a critical and experimental approach to be adapted to pediatrics. Current models, often based on data from adult populations, are poorly suited to the different stages of child development, which are characterized by physiological variability and limited clinical data, and are often entirely insufficient for rare diseases. The current perspective is to integrate heterogeneous data sources to feed multimodal models, overcoming issues of interoperability and inequalities in data availability.

AI can have a strong impact across several pediatric domains: from the development of new drugs, to early diagnosis of rare diseases, to the management of chronic conditions through continuous monitoring, to the reduction of invasive procedures and prevention. Some applications are already in use, such as predictive models in intensive care, imaging-based diagnostic support tools, and automated systems for the management of type 1 diabetes.

Large Language Models offer new opportunities in doctor-family communication and clinical decision support, but their intrinsic limitations related to clinical validation must be considered. Important ethical issues remain in the application of AI: bias, clinical responsibility, the risk of excessive reliance on technology, and the impact on the doctor-family relationship.

It is also essential to maintain human oversight and ensure continuous training of pediatricians. In summary, AI represents a transformative opportunity for pediatrics, but it requires responsible development, scientific validation, and integration into care processes to achieve a measurable impact on children’s health.

Key words: artificial intelligence, applications, data, Large Language Models, training