Sei medico di medicina generale o internista, ti arriva una signora di 42 anni con artralgie migranti, eritema cutaneo atipico, fatigue cronica, qualche linea di febbre serotina, esami di base nella norma. Hai escluso reumatologiche comuni, screening tumorale negativo. Ti resta il dubbio: malattia rara? E se sì, quale tra le sette-mila possibili?
Le malattie rare colpiscono il 6-8% della popolazione. Orphanet è il database europeo di riferimento, finanziato dalla Commissione Europea e da INSERM. Ha schede dettagliate su più di seimila malattie. È pubblico, è in italiano per molte voci, ed è serio. Il problema non è il database, è il filtro: tu non puoi sfogliare settemila voci a partire da "artralgie più eritema". Ti serve qualcuno che faccia il primo screening.
Quello che si può fare bene
Esistono modelli di intelligenza artificiale che girano in locale, in Europa, sul tuo server, e che lavorano sul fenotipo che tu costruisci. La regola è strutturare i dati: sintomi, segni, esami alterati, età di esordio, familiarità, etnia (alcune malattie rare sono più frequenti in popolazioni specifiche). Quando possibile, usa terminologia HPO (Human Phenotype Ontology): "rash a farfalla" diventa HP:0025060 (malar rash). HPO è il linguaggio di Orphanet, ed è il modo in cui i sistemi seri lavorano.
Passi il fenotipo strutturato e pseudonimizzato al sistema. Il modello ti restituisce le dieci-quindici malattie rare più compatibili, ordinate per probabilità e prevalenza italiana, con codice Orphanet. Per ognuna chiedi: criteri diagnostici, test specifici (genetici, metabolici, istologici), centri di riferimento italiani, eventuale registro nazionale. Verifichi su Orphanet ufficiale ogni candidata. L'IA può sbagliare un dettaglio, Orphanet è la fonte.
Se il sospetto regge, indirizzi al Centro di Coordinamento del Registro Nazionale Malattie Rare dell'ISS o al centro di riferimento regionale per quella specifica patologia. La signora viaggia, ma viaggia con un'ipotesi seria, non con il "non si sa".
Cosa non delegare, mai
La diagnosi finale non si delega. L'IA suggerisce, tu valuti la probabilità clinica, lo specialista conferma con i test mirati. La Cassazione 28985/2019 sulla responsabilità del medico per informazioni mal trasmesse vale anche qui.
L'anchoring bias è un rischio serio sulle malattie rare: una volta che il sistema dice "considerare amiloidosi familiare", il tuo cervello la considera anche se non ha senso. Il rischio è chiedere esami inutili e costosi (RMN dedicate, biopsie, test genetici di seconda generazione) per escludere zebre improbabili mentre il cavallo (artrite reumatoide sieronegativa, lupus iniziale, vasculite di piccolo vaso) ti scappa.
I modelli generalisti hanno tassi di allucinazione del 15-25% su scenari clinici complessi. Sulle malattie rare il dato è anche peggiore, perché il training set è meno rappresentato. Sempre con Orphanet o GeneReviews accanto.
Le cose che davvero non puoi fare
Inserire i dati identificabili della signora in ChatGPT è violazione GDPR art. 9 più art. 622 c.p. segreto professionale. E sulle malattie rare il rischio di re-identificazione è altissimo: una donna di 42 anni di Frosinone con sclerodermia diagnosticata nel 2019 è identificabile in trenta secondi. Il Considerando 26 GDPR è chiaro: pseudonimizzazione non è anonimizzazione.
Il Garante italiano sul caso Synlab 2024 ha sanzionato 2,5 milioni per gestione discutibile di dati sanitari. Su un caso di malattia rara, la specificità rende ancora più sensibile la gestione.
I paletti privacy che non si toccano
Server in Europa, modello in casa, log accessibili al titolare, cancellazione automatica delle interrogazioni dopo qualche giorno. Pseudonimizzazione spinta del paziente prima dell'invio al modello: età come fascia di dieci anni, regione invece di città, condizioni rare descritte con i codici HPO senza nomi propri. Nell'informativa al paziente la voce "supporto IA per orientamento diagnostico" dichiarata.
Workflow tipico
La signora di 42 anni torna alla terza visita, esami negativi per le cose comuni. Tu apri il sistema, costruisci il fenotipo strutturato pseudonimizzato. Esce una shortlist: malattia di Behçet, sindrome di Sjögren, lupus a esordio insolito, malattia di Still dell'adulto, qualche vasculite rara. Per ognuna il sistema ti dà criteri diagnostici e centri di riferimento. Tu apri Orphanet, verifichi, scegli i tre test mirati che valgono la pena (specifici autoanticorpi, biopsia mirata, ecografia capillaroscopica). Indirizzi al centro reumatologico del policlinico universitario regionale. La diagnosi non è ancora fatta, ma il viaggio della paziente è iniziato sulla strada giusta.
Sembra complicato, e in effetti non è banale: il sistema va calibrato sui database (Orphanet, OMIM, HPO), sulle prevalenze italiane, sulla rete di centri di riferimento del tuo territorio. Non è un'app che scarichi e funziona uguale per tutti.
Una nota personale
Io di mestiere costruisco roba così — sistemi IA privati per medici, studi associati, piccole imprese italiane. Non vendo corsi, non vendo abbonamenti, non vendo formule magiche. Mi occupo di gente che ha cose serie da proteggere e poco tempo per smanettare. Se ti capita di avere domande, sul gruppo Telegram di Super Squalo (t.me/Squalogruppo) si discute di queste cose ogni giorno, e si risponde gratis.
La signora delle artralgie migranti dopo tre mesi ha una diagnosi (sindrome di Behçet, presa al centro reumatologico) e una terapia. Senza il primo screening, sarebbe ancora in giro per visite a vuoto. È esattamente il tipo di caso in cui l'IA, usata bene, fa la differenza concreta.