Introduzione
Negli ultimi anni, l’integrazione dell’intelligenza artificiale (AI) nei dispositivi medici ha trasformato diagnosi, terapia e gestione dei percorsi clinici. La marcatura CE, obbligatoria per l’immissione sul mercato europeo, certifica che il prodotto rispetta i requisiti essenziali di sicurezza e performance al momento della valutazione. Tuttavia, a differenza di un dispositivo tradizionale, un algoritmo di AI è dinamico: evolve con i dati, si adatta a nuovi workflow e può subire modifiche software anche dopo la commercializzazione.
Perché la marcatura CE non basta
La certificazione CE si basa su una valutazione statica, tipicamente effettuata su un set di dati di addestramento e su test di validazione controllati. Una volta rilasciato, il dispositivo è considerato conforme, ma la normativa MDR (Medical Device Regulation) prevede obblighi di vigilanza post‑market che non sono coperti dalla sola marcatura. In pratica, la conformità diventa un processo continuo, non un risultato finale.
Il problema del drift dei dati
Il drift dei dati si verifica quando la distribuzione statistica delle informazioni su cui l’AI opera cambia nel tempo. Questo fenomeno può derivare da:
- mutamenti demografici nella popolazione di pazienti (es. invecchiamento della popolazione);
- nuove linee guida cliniche che modificano le pratiche diagnostiche;
- introduzione di nuovi dispositivi di imaging con parametri diversi.
Un algoritmo di classificazione di lesioni cutanee, ad esempio, addestrato su immagini di pazienti di origine europea potrebbe perdere accuratezza quando viene utilizzato in una popolazione asiatica, dove le caratteristiche cutanee differiscono. Senza un monitoraggio continuo, questi errori passano inosservati fino a quando non si verificano conseguenze cliniche.
Aggiornamenti software e gestione del cambiamento
Le case produttrici spesso rilasciano aggiornamenti per migliorare le performance o correggere bug. Tali modifiche, se non gestite correttamente, possono introdurre nuovi rischi. La normativa richiede:
- una valutazione d’impatto del cambiamento (risk assessment) prima dell’implementazione;
- una documentazione dettagliata delle versioni e delle motivazioni dell’aggiornamento;
- una comunicazione trasparente ai distributori e agli utilizzatori finali.
Un caso emblematico è quello di un sistema di supporto decisionale per la terapia anticoagulante, che ha introdotto una nuova soglia di dosaggio senza adeguata validazione clinica, causando un aumento delle complicanze emorragiche in alcuni ospedali.
Monitoraggio post‑market e segnalazione
Il post‑market surveillance (PMS) è obbligatorio per tutti i dispositivi medici, ma assume una rilevanza critica per l’AI. Le attività chiave includono:
- raccolta sistematica di dati di utilizzo real‑world (RWD);
- analisi statistica per identificare variazioni di performance;
- segnalazione tempestiva di eventi avversi alle autorità competenti (Notifica 2022/123).
Le aziende possono implementare sistemi di “feedback loop” integrati nel software, che inviano automaticamente metriche di accuratezza e tassi di falsi positivi/negativi al centro di monitoraggio.
Buone pratiche per fabbricanti, distributori e operatori sanitari
Per garantire una conformità continua, è consigliabile adottare le seguenti linee guida:
Per i fabbricanti
- stabilire un AI lifecycle management plan che includa fasi di sviluppo, validazione, aggiornamento e dismissione;
- creare un repository di versioni con changelog accessibile a tutti gli stakeholder;
- effettuare test di regressione ad ogni aggiornamento per verificare che le performance non peggiorino.
Per i distributori
- verificare la conformità delle versioni software prima della distribuzione;
- fornire formazione periodica agli utenti finali sui cambiamenti introdotti;
- mantenere un canale di comunicazione dedicato per la segnalazione di anomalie.
Per gli operatori sanitari
- monitorare i risultati clinici ottenuti con il dispositivo e confrontarli con le metriche di riferimento;
- partecipare a programmi di registri clinici o studi osservazionali che raccolgono dati di performance;
- segnalare prontamente eventuali discrepanze o eventi avversi tramite i sistemi di vigilanza nazionale.
Conclusioni
La marcatura CE rappresenta solo il primo passo verso la conformità di un dispositivo medico con AI. La natura evolutiva degli algoritmi richiede un impegno costante di tutti gli attori coinvolti: fabbricanti, distributori e operatori sanitari devono instaurare un ecosistema di monitoraggio, aggiornamento e comunicazione efficace. Solo attraverso un approccio di vigilanza continua è possibile garantire che i benefici dell’intelligenza artificiale si traducano in sicurezza e valore reale per i pazienti.