AI sanitaria
Sistemi di intelligenza artificiale applicati a processi, dati e servizi della salute. Il valore non coincide con l’automazione: dipende da scopo, qualità dei dati, supervisione e responsabilità.
A—ZGLOSSARIO CRITICO
Le parole creano il futuro.
Prima devono significare qualcosa.
Definizioni operative su AI sanitaria, longevità, dati e governance. Scritte per chiarire, non per impressionare.
AI literacy
Insieme di conoscenze e capacità necessarie per comprendere opportunità, limiti e rischi dell’AI nel proprio ruolo. Non è un corso uguale per tutti, ma una competenza proporzionata all’uso.
Supervisione umana
Capacità concreta di una persona competente di comprendere il sistema, riconoscere anomalie, contestare il risultato e intervenire prima che l’automazione diventi una decisione incontrollata.
Governance dell’AI
Regole, ruoli, controlli e responsabilità che accompagnano un sistema durante scelta, introduzione, utilizzo, monitoraggio e dismissione.
Caso d’uso
Descrizione circoscritta del problema, degli utenti, dei dati, dell’output e della decisione supportata. Senza un caso d’uso preciso, “usiamo l’AI” non significa quasi nulla.
Deriva del modello
Perdita progressiva di adeguatezza dovuta al cambiamento di dati, popolazioni, processi o contesto rispetto a quelli per cui il sistema era stato verificato.
Bias
Distorsione sistematica capace di produrre risultati non equi o poco rappresentativi. Può nascere dai dati, dalle etichette, dal disegno del processo o dal modo in cui l’output viene usato.
Spiegabilità
Possibilità di comprendere elementi rilevanti del funzionamento o delle ragioni di un risultato. Non equivale sempre a una spiegazione clinicamente utile.
Dati longitudinali
Osservazioni raccolte nel tempo sulla stessa persona o sullo stesso sistema. Consentono di leggere traiettorie e cambiamenti, non soltanto fotografie isolate.
Tecnologia per la longevità
Insieme di strumenti che supportano prevenzione, consapevolezza, autonomia, attività fisica e continuità informativa lungo il corso della vita.
Capacità intrinseca
Concetto dell’OMS che considera l’insieme delle capacità fisiche e mentali di una persona. È una lente sul funzionamento, non un singolo numero magico.
Wearable
Dispositivo indossabile che raccoglie segnali o informazioni contestuali. Precisione del sensore, aderenza d’uso e interpretazione sono problemi distinti.
Segnale debole
Informazione inizialmente marginale che può anticipare un cambiamento rilevante. Separarlo dal rumore richiede contesto, serie storiche e giudizio.
Interoperabilità
Capacità di sistemi diversi di scambiare dati mantenendone significato, provenienza e utilizzabilità. Collegare due API non garantisce comprensione reciproca.
Human-in-the-loop
Disegno nel quale il contributo umano è parte esplicita del processo. Non basta aggiungere una firma finale: servono autorità, tempo e competenza per intervenire.
Cybersecurity sanitaria
Protezione di dati, dispositivi e continuità operativa. In sanità la sicurezza non tutela soltanto informazioni: tutela la possibilità stessa di lavorare.
Digital twin
Rappresentazione digitale aggiornata di un oggetto, processo o sistema. In ambito umano il termine richiede cautela: una persona non può essere ridotta al proprio flusso di dati.
Evidence gap
Distanza tra ciò che una tecnologia promette e ciò che è stato dimostrato nel contesto in cui verrà davvero utilizzata.
Adozione
Processo con cui persone e organizzazioni incorporano una tecnologia nel lavoro reale. Installazione e adozione non sono sinonimi.
Responsabilità algoritmica
Possibilità di attribuire decisioni, controlli, errori e correzioni a ruoli identificabili. Un algoritmo non può diventare il luogo in cui la responsabilità scompare.
Una conversazione, non un modulo