ReportAId, startup specializzata nell’elaborazione automatica di documenti clinici che nel maggio 2025 ha raccolto un round da 2,2 milioni di euro, ha condotto una indagine su un campione di circa 1,6 milioni di referti prodotti da strutture sanitarie private e accreditate del territorio nazionale scoprendo un quadro che sfida le percezioni del settore: il 70% dei pazienti non torna nella stessa struttura per eseguire i follow-up prescritti dal medico, quando non riceve un supporto attivo post-referto. Al contempo, ogni 100 referti analizzati emergono in media 75 prescrizioni di esami o visite successive che, nella quasi totalità dei casi, restano lettera morta.
L’80% dei dati clinici prodotti dalle strutture sanitarie è in formato non strutturato: testo libero contenuto in referti, lettere di dimissione, diari clinici. Informazioni di altissimo valore, diagnosi, prescrizioni, indicazioni temporali di follow-up, che i sistemi gestionali tradizionali non sono in grado di leggere, interpretare né trasformare in azioni.
Il risultato è quello che ReportAId definisce operational void: un vuoto operativo sistematico tra la produzione del dato clinico e la sua capacità di generare continuità di cura. L’indicazione del medico esiste, è scritta nel referto, ma non raggiunge il paziente sotto forma di comunicazione e non si traduce mai in una prenotazione.
Le cause sono tre: barriere logistiche come agende non disponibili al momento della richiesta, barriere informative, il paziente non sa che la prestazione è erogabile nella stessa struttura e barriere comunicative, l’indicazione di follow-up resta sepolta nel referto, senza mai diventare un messaggio diretto al paziente. Nessuna delle tre dipende dalla volontà della struttura, tutte derivano da un sistema che non è stato progettato per trasformare l’informazione clinica in azione.
La risposta tecnologica a questo problema non proviene dall’IA generativa, ma da una sua declinazione meno nota e più matura per l’uso clinico: l’IA estrattiva. Si tratta di sistemi basati su large language model (LLM) addestrati per leggere e comprendere i documenti clinici con una profondità paragonabile a quella di un medico esperto, estraendo in automatico diagnosi, prescrizioni, esami strumentali e indicazioni temporali di follow-up.
Lo stesso esame può comparire in un referto con denominazioni diverse, ECG cardiaco, ECG delle 24 h, ECG secondo Holter, a seconda del medico, della specialità o della consuetudine della struttura. Un sistema di IA estrattiva è in grado di ricondurre queste varianti a un codice univoco e tradurle in un’unica azione verso il paziente.
La ricerca scientifica recente conferma questa direzione: uno studio pubblicato su Scientific Reports (Nature, 2025) ha dimostrato che i modelli linguistici addestrati su dati clinici raggiungono livelli di
accuratezza paragonabili a quelli degli operatori umani nell’estrazione di informazioni da testi non strutturati.
Le strutture che hanno adottato il sistema ReportAId – secondo quanto rilevato sempre dall’indagine dell’azienda stessa – piattaforma ibrida edge-cloud che si integra con i sistemi informativi esistenti e opera in tempo reale, registrano risultati misurabili: un incremento medio del 21% dei pazienti che tornano per i follow-up prescritti nei mesi successivi all’attivazione e un tasso di apertura del 70% sulle comunicazioni cliniche automatizzate inviate ai pazienti. Il dato sull’engagement è particolarmente significativo se confrontato con le medie del settore sanitario, dove i tassi di apertura delle comunicazioni istituzionali si attestano tipicamente tra il 20% e il 30%. La differenza, secondo l’azienda, risiede nella personalizzazione clinica: il paziente non riceve un promemoria generico, ma un messaggio specifico legato alla propria prescrizione, nel momento temporalmente corretto, con un linguaggio comprensibile.
L’analisi solleva una questione strategica per l’intero comparto della sanità privata italiana. Le strutture investono risorse crescenti per acquisire nuovi pazienti, marketing, portali di prenotazione, convenzioni, mentre lasciano che una quota significativa di quelli già acquisiti si disperda per ragioni puramente operative. Il costo di questa dispersione non è solo economico: è anche clinico, perché un follow-up non eseguito è un percorso di cura interrotto. La piattaforma interviene anche sul piano della business intelligence clinica: aggregando le prescrizioni estratte dai referti, restituisce alle direzioni sanitarie una mappa della domanda futura basata su dati certi anziché su stime storiche. Un reparto di ortopedia che prescrive sistematicamente risonanze magnetiche al rachide lombare genera, nei propri referti, un indicatore anticipatorio di domanda per il servizio di imaging, un’informazione che oggi si perde e che potrebbe guidare decisioni di investimento più consapevoli.
Sul piano della protezione dei dati, tema particolarmente sensibile in ambito sanitario, la startup dichiara un’architettura in cui i dati clinici vengono elaborati localmente, all’interno dell’infrastruttura della struttura, e sincronizzati in modalità sicura, garantendo che le informazioni sensibili non escano dal perimetro istituzionale, nel rispetto delle normative GDPR. La piattaforma è operativa in modalità plug-and-play in poche settimane, senza richiedere migrazioni di sistema. (foto di National Cancer Institute su Unsplash)
© RIPRODUZIONE RISERVATA