In Europa non manca il dato sanitario. Manca il dato accessibile, governato e interoperabile. Sembra una sfumatura e invece è la linea che separa i progetti AI che arrivano in produzione da quelli che restano pilot.
Con l’EHDS in vigore il problema si sposta. Gli 11 miliardi di risparmi attesi dal riuso dei dati clinici nel prossimo decennio presuppongono una cosa che oggi quasi nessuno ha: una catena del dato che regge dall’inizio alla fine.
Perché l’accesso non è un punto di partenza, è una sequenza: accesso, standardizzazione, governance, validazione, deploy, riuso. Se cede un anello, cede tutto il resto. Un ospedale non esita sulla tua architettura, esita sulla tua governance. Un investitore non sconta la tua accuracy, sconta l’assenza di un percorso di evidenza riutilizzabile.
Ed è qui che salta l’idea più comoda, cioè che basti un buon modello. L’accuratezza di un sistema clinico non si misura in astratto su un dataset congelato: si misura su dati che continuano ad arrivare, tracciati e verificabili. Un modello che non può essere rialimentato con dati governati non è affidabile, è una fotografia che invecchia.
La domanda utile per chi costruisce AI sanitaria non è quale modello usare. È se la catena del dato tiene dall’accesso al riuso. L’EHDS non premia chi possiede i dati. Premia chi li ha resi riutilizzabili.
