Il paziente che minimizza i sintomi a confronto con l’intelligenza artificiale

“Non è niente”, “ce l’ho da anni”, “sarà soltanto stress”. Sono espressioni frequenti nella pratica clinica e riflettono un fenomeno complesso: la minimizzazione dei sintomi. La percezione soggettiva della gravità, infatti, non sempre coincide con la rilevanza clinica del disturbo. Le ragioni possono essere diverse. Un sintomo persistente può essere progressivamente considerato normale, fino a diventare parte della quotidianità. La stanchezza può essere attribuita al lavoro, il dolore all’età, la sonnolenza alla mancanza di riposo. In altri casi intervengono la paura di una diagnosi, il desiderio di evitare esami, precedenti esperienze sanitarie negative o la preoccupazione di disturbare inutilmente il medico. Un’interpretazione rassicurante, anche quando non adeguatamente supportata, può contribuire a posticipare la richiesta di assistenza. Minimizzare, dunque, non significa necessariamente negare una malattia. Può semplicemente significare aver sviluppato un’interpretazione del proprio stato di salute che non corrisponde alla reale importanza dei segnali clinici. Lo studio presentato al Congresso 2026 della European Respiratory Society ha analizzato 700 conversazioni simulate con 5 chatbot, relative a pazienti con sintomi compatibili con apnea ostruttiva del sonno. I ricercatori hanno utilizzato gli stessi scenari clinici, modificando soltanto l’atteggiamento dell’interlocutore. Quando il paziente accettava il consiglio ricevuto, i chatbot raccomandavano la valutazione specialistica nel 100% delle conversazioni. Quando invece minimizzava i sintomi e manifestava resistenza agli accertamenti, la raccomandazione veniva mantenuta soltanto nel 64% dei casi. Il dato appare particolarmente significativo negli scenari più preoccupanti. In un caso rappresentativo di apnea grave, l’indicazione specialistica veniva mantenuta soltanto nel 22% delle conversazioni con pazienti resistenti. Anche quando il paziente riferiva di essersi addormentato al volante, la percentuale era del 32%. Il fenomeno è riconducibile alla cosiddetta AI sycophancy, ovvero la tendenza dei sistemi conversazionali ad assecondare l’interlocutore. In ambito sanitario, tuttavia, una risposta rassicurante non è necessariamente una risposta clinicamente appropriata. È importante precisare che lo studio ha utilizzato conversazioni simulate: i risultati quindi non dimostrano che queste percentuali si traducano in altrettanti errori diagnostici nei pazienti reali. Le implicazioni per la pratica clinica La minimizzazione rappresenta un elemento da riconoscere e approfondire durante l’anamnesi. Quando un paziente afferma che un disturbo «non è grave», è importante distinguere la sua interpretazione personale dalle caratteristiche effettive del sintomo: durata, frequenza, intensità, progressione e conseguenze sulle attività quotidiane. Occorre inoltre esplorare le ragioni della sottovalutazione, senza interpretarla automaticamente come scarsa collaborazione. Comprendere se il paziente si è abituato al sintomo, teme una diagnosi oppure incontra difficoltà pratiche nell’accesso alle cure può facilitare una comunicazione più efficace. Lo stesso principio dovrebbe guidare l’impiego dell’intelligenza artificiale in medicina: riconoscere le esitazioni del paziente senza modificare raccomandazioni clinicamente appropriate in assenza di nuove informazioni. Il messaggio fondamentale è che la gravità percepita non sempre corrisponde alla gravità clinica. Una comunicazione sanitaria efficace deve saper ascoltare e rassicurare, ma anche mantenere ferma, quando necessaria, l’indicazione ad approfondire i sintomi, evitando che il desiderio di sentirsi dire «non è niente» contribuisca a ritardare il percorso diagnostico. Giampaolo Collecchia e Riccardo De Gobbi Riferimenti bibliografici European Respiratory Society. In a third of cases, AI chatbots wrongly reassure sleep apnoea patients their symptoms aren’t serious. Congresso ERS, 6 settembre 2026. Comunicato ufficiale. Xiang L, Yoon S, Low AHL, Leung YY, Fong W, Lau TC, Koh DR, Thumboo J. Approaches to improving symptom appraisal: a systematic literature review. BMJ Open. 2022 Aug 23;12(8):e064521. doi: 10.1136/bmjopen-2022-064521. PMID: 35998970; PMCID: PMC9403152.