L’articolo affronta una domanda molto concreta e attuale: se gli studenti di medicina usano strumenti di intelligenza artificiale per arrivare a una diagnosi, rischiano di ragionare meno con la propria testa oppure possono imparare a ragionare meglio?

Questa domanda è importante perché l’IA sta entrando sempre di più negli ospedali e nella formazione medica. Oggi esistono sistemi che aiutano a interpretare immagini radiologiche, suggeriscono possibili diagnosi e indicano quali informazioni cliniche potrebbero essere rilevanti. Per uno studente di medicina, questi strumenti possono sembrare molto utili: offrono risposte rapide, indicano percorsi diagnostici e possono aiutare a orientarsi in casi complessi. Ma proprio per questo nasce un rischio: lo studente potrebbe fidarsi troppo della macchina, accettando il risultato senza discuterlo.

Gli autori hanno seguito 372 studenti di medicina per 12 mesi, con tre rilevazioni: inizio, 6 mesi e 12 mesi e hanno analizzato la relazione fra tre variabili principali: diagnosi assistita da AI, AI literacy (alfabetizzazione all’IA, cioè capacità di capire, valutare e integrare criticamente gli output algoritmici) e pensiero critico.

Il risultato principale è che una maggiore partecipazione ad attività diagnostiche con IA è associata a un aumento sia della AI literacy sia del pensiero critico. In particolare, l’alfabetizzazione all’IA funziona da mediatore: gli studenti che usano di più l’IA, se guidati da supervisori, sviluppano maggiore capacità di comprenderla e valutarla e questa competenza, a sua volta, è associata a un miglioramento del pensiero critico.

L’articolo sottolinea però che il beneficio non è automatico. Gli effetti sono più marcati negli studenti con maggiore familiarità tecnologica precedente e con un orientamento all’apprendimento centrato sul capire e migliorare. Sono invece più deboli negli studenti orientati alla performance, cioè quelli che tendono a usare l’IA per ottenere rapidamente la risposta finale corretta più che per interrogare il processo diagnostico nel suo complesso.

Un punto importante è che lo studio riguarda l’uso supervisionato dell’IA. Gli autori insistono sul fatto che la presenza di docenti e clinici esperti è essenziale: senza supervisione, gli studenti potrebbero non distinguere tra un proprio errore diagnostico e un limite intrinseco dell’algoritmo.

Riflessioni e conclusioni

L’articolo è interessante perché evita due estremi: non demonizza l’IA come causa inevitabile di “atrofia cognitiva”, ma neppure la presenta come soluzione magica. Il messaggio più convincente è che l’IA può rafforzare il ragionamento clinico solo se diventa oggetto di riflessione, non semplice scorciatoia diagnostica.

La distinzione tra uso dell’IA e competenza nell’usarla criticamente è il contributo più forte. Non basta esporre gli studenti a strumenti algoritmici: bisogna insegnare loro a esplorare alternative, leggere probabilità, valutare incertezze, riconoscere bias, errori e “allucinazioni” del sistema. In questo senso, la AI literacy diventa una competenza medica, non solo informatica, per capire quando una risposta è utile, quando è incompleta, quando può essere sbagliata.

Ci sono però limiti metodologici importanti. Lo studio è osservazionale e usa misure auto-riferite: quindi non può dimostrare con certezza che l’IA causi un miglioramento del pensiero critico. È possibile che studenti già più motivati, competenti o curiosi usino di più l’IA e migliorino comunque. Gli autori riconoscono questo limite e parlano correttamente di associazione, non di causalità. Un altro limite è il contesto: studenti cinesi, tre università, uno specifico ambiente clinico e strumenti integrati in ospedali ad alto volume. I risultati potrebbero non trasferirsi automaticamente ad altri sistemi sanitari, specialità o contesti formativi.

La conclusione pratica è forte: l’IA nella formazione medica va introdotta con supervisione, curriculum esplicito di AI literacy e valutazioni che premiano il ragionamento, non solo la correttezza della diagnosi. In altre parole, il problema non è semplicemente “usare o non usare l’IA” in medicina. Il vero problema è come la si usa. Se l’IA viene presentata come un’autorità da seguire, può creare dipendenza e ridurre l’autonomia del futuro medico. Se invece viene usata come uno strumento da interrogare, verificare e discutere, può diventare una palestra di ragionamento.

Questo ha conseguenze importanti per la formazione dei medici. Le università e gli ospedali non dovrebbero limitarsi a mettere a disposizione strumenti di IA, ma dovrebbero insegnare agli studenti a usarli criticamente. Un buon esercizio non è solo chiedere “qual è la diagnosi?”, ma anche “perché accetti il suggerimento dell’IA?” oppure “perché lo rifiuti?”. In questo modo, la responsabilità resta umana: l’IA fornisce un supporto, ma il medico deve continuare a valutare, decidere e rispondere delle proprie scelte.

In conclusione, l’articolo suggerisce che l’intelligenza artificiale può essere utile nella formazione medica non perché sostituisce il ragionamento umano, ma perché, se ben guidata, lo mette alla prova. L’IA non deve diventare il pilota automatico della diagnosi, ma un secondo parere da controllare attentamente. Il futuro medico non deve imparare a fidarsi ciecamente della macchina, ma a dialogare con essa in modo critico, consapevole e responsabile. L’IA può essere una palestra per il pensiero critico, ma solo se usata come interlocutore da mettere alla prova, non come autorità da seguire passivamente.

Riferimento bibliografico

Xin, Y., Yan, D., Shuren, L. et al. AI literacy mediates AI assisted diagnosis participation and critical thinking among medical students under supervision. npj Digit. Med. 9, 344 (2026).