Intelligenza artificiale agentica: in oncologia nuovi sistemi a supporto delle decisioni cliniche

L’intelligenza artificiale in oncologia sta attraversando una transizione concettuale decisiva. Dopo una prima fase in cui è stata impiegata come strumento di supporto per singoli compiti ben definiti, sta emergendo oggi un nuovo paradigma: quello dei sistemi agentici, progettati per affiancare il clinico lungo l’intero processo decisionale.

In ambito informatico, un agente è un sistema di intelligenza artificiale capace di percepire il contesto, prendere decisioni, utilizzare strumenti specifici e agire in modo autonomo. Trasposto in medicina, questo concetto assume un significato particolarmente rilevante: un agente non si limita a fornire un output isolato su richiesta del medico, ma integra informazioni eterogenee e restituisce raccomandazioni strutturate, corredate da un razionale clinico esplicito.
Alla base di questi sistemi vi sono i modelli di linguaggio di grandi dimensioni (Large Language Models, LLM). Oggi tali modelli non si limitano alla generazione di testo, ma sono in grado di ragionare su informazioni complesse, seguire catene logiche, interagire con strumenti esterni e recuperare conoscenze aggiornate da banche dati e documentazione clinica. È proprio questa capacità di comprendere il linguaggio medico, integrare fonti diverse e coordinare azioni multiple che consente loro di evolvere da semplici modelli predittivi a veri e propri agenti intelligenti.

Come sottolineato da una recente Perspective pubblicata su The Lancet, l’IA tradizionale è stata finora impiegata prevalentemente come strumento passivo, limitato a scopi circoscritti, quali i modelli diagnostici o predittivi/prognostici. Gli agenti intelligenti, al contrario, sono concepiti per operare in modo proattivo, mantenere memoria di una conoscenza clinica che si arricchisce nel tempo e orchestrare più strumenti e fonti di dati all’interno di sistemi sanitari sempre più complessi.

Un esempio concreto di questo approccio arriva dallo studio presentato all’ESMO AI & Digital Oncology Congress 2025, che ha valutato un sistema multi-agente per il supporto alle decisioni di immunoterapia di prima linea nel carcinoma polmonare non a piccole cellule. Il progetto, coordinato dall’ Ingegnere Federica Corso presso il laboratorio di intelligenza artificiale diretto dalla Dott.ssa Arsela Prelaj all’Istituto Nazionale dei Tumori di Milano, ha coinvolto 58 pazienti con NSCLC metastatico, trattati con immunoterapia da sola o in combinazione con chemioterapia.

Il sistema è composto da più agenti specializzati, ciascuno con accesso a strumenti dedicati: modelli predittivi della risposta all’immunoterapia, modelli vision-language per l’analisi istologica e radiologica, e moduli di retrieval augmented generation per l’accesso a documentazione clinica e letteratura scientifica. Un agente orchestratore integra questi contributi, producendo una raccomandazione terapeutica accompagnata da un razionale clinico, dai punti di forza dell’opzione proposta e dalle eventuali ambiguità.

Valutate da oncologi esperti, le raccomandazioni sono risultate corrette nel 72% dei casi, complete nel 91% e potenzialmente dannose solo nel 6%. Un dato particolarmente significativo se si considera che, nella pratica attuale, la scelta dell’immunoterapia si basa prevalentemente sull’espressione di PD-L1, biomarcatore noto per i suoi limiti predittivi. Il sistema ha inoltre dimostrato un’elevata capacità di recuperare informazioni clinicamente rilevanti, confermando il valore dell’approccio multi-agente rispetto ai modelli monofunzionali.

Nel loro insieme, questi risultati suggeriscono che l’IA agentica possa evolvere in uno strumento avanzato di supporto decisionale, in grado di rendere il processo clinico più trasparente, coerente e personalizzato. Restano tuttavia aperte sfide cruciali: la validazione su coorti più ampie, la definizione dei confini di autonomia, le implicazioni medico-legali e l’integrazione sistematica di modelli human-in-the-loop.

Per l’oncologo del prossimo futuro, la sfida non sarà decidere se utilizzare l’intelligenza artificiale, ma imparare a collaborare con sistemi intelligenti sempre più sofisticati, mantenendo il controllo clinico e preservando la centralità del rapporto con il paziente.

Bibliografia
https://www.esmorwd.org/article/S2949-8201(25)00159-6/fulltext 

https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(25)00202-8/abstract 

Arsela Prelaj
Medical Oncologist, Istituto Nazionale dei Tumori di Milano

Federica Corso
Bioengineer, PhD