LLM e agenti AI per neurologi: il mio intervento al 56° Congresso SIN
Sabato 24 ottobre 2026 ho tenuto la prima relazione del corso d’aggiornamento “La rivoluzione digitale in neurologia” al 56° Congresso della Società Italiana di Neurologia, alla Fortezza da Basso di Firenze (24-27 ottobre). Sala 1 del Padiglione Spadolini, ore 11.10, titolo: “Large Language Models: che cosa sono e come possono aiutare il neurologo”.
La sessione, moderata da A. Conte, L. Lavorgna e V.A. Sansone, è proseguita con televisita, teleconsulto e telemonitoraggio (E. Maida), i digital biomarkers nei decadimenti cognitivi (A. Arighi) e big data e AI nello stroke (G. Reale). Un bel contesto: il mio compito era fare da “manuale d’istruzioni” per lo strumento che oggi tutti hanno in tasca.
A settembre, negli incontri regionali del Digital Neuro Hub, avevo già raccontato dieci applicazioni dell’AI per neurologi e tre idee da provare subito. Qui non le ripeto: mi concentro su due cose nuove emerse a Firenze. Il paziente che arriva in ambulatorio dopo aver chiesto a un chatbot. E il passaggio dal chatbot che risponde all’agente che agisce.
Il paziente ha già chiesto a ChatGPT
Ho mostrato un articolo di TrendSanità, “Dal Dr Google a ChatGPT Health”, che riporta un dato diffuso da OpenAI e Axios: oltre 40 milioni di persone nel mondo usano ChatGPT ogni giorno per questioni di salute. Poi ho proiettato la schermata che vedo io quando provo ad aprire la sezione Salute di ChatGPT.

“Salute non è disponibile per questo account”: sul mio profilo è così. Ma la funzione esiste, e i pazienti non aspettano la sezione dedicata per incollare un referto nella chat. Per il neurologo questo ha conseguenze pratiche:
- chiedere apertamente al paziente se ha consultato un chatbot e che cosa gli ha risposto, senza giudicarlo: è un’informazione anamnestica come un’altra;
- usare l’AI dal lato giusto: preparare spiegazioni chiare validate dal medico, così il paziente ha meno bisogno di cercarle altrove;
- ricordare il limite: una risposta plausibile non è una diagnosi.
Dal chatbot all’agente: che cosa cambia
In una slide ho messo in fila i gradini: chatbot (risposte semplici e predefinite), LLM (comprensione del linguaggio e generazione di contenuti), agenti (azioni autonome e obiettivi specifici). Più in là, AGI e superintelligenza, che per ora restano un cartello sul sentiero.
Il salto vero, oggi, è il terzo. Un LLM ti scrive una risposta; un agente usa strumenti, apre file, compila moduli, partecipa a una riunione. Ho citato lo studio pubblicato su Nature “Towards autonomous medical artificial intelligence agents”: MIRA, un agente che lavora dentro una cartella clinica elettronica simulata, su 574 casi reali di pronto soccorso del dataset MIMIC-IV (8 diagnosi), ha raggiunto un’accuratezza diagnostica dell’88,9% contro l’87,8% dei medici esperti. Raccoglie l’anamnesi, richiede e interpreta esami, formula diagnosi differenziali, prescrive. Ma attenzione: ambiente sandbox, pazienti simulati, e gli stessi autori scrivono che servono studi prospettici nel mondo reale per generalizzazione, sicurezza e governance.
Il messaggio che ho lasciato in sala, sostenuto dalla legge 132/2025, è semplice: l’AI supporta, il medico decide. E il paziente ha diritto di essere informato sull’impiego di tecnologie di AI.
Come usare gli LLM: tre regole operative
1. Scrivi richieste con il metodo G.O.L. Guida, Obiettivo, Layout. Il prompt che ho mostrato su Consensus è un buon esempio:
- Guida: “Agisci come un ricercatore esperto in neurologia.”
- Obiettivo: “Cerca le pubblicazioni degli ultimi 5 anni riguardanti la gestione della malattia di Parkinson. Dai priorità a revisioni sistematiche, meta-analisi, linee guida e studi clinici randomizzati.”
- Layout: “Per ogni studio indica riferimento bibliografico, livello di evidenza, numero di pazienti, risultati principali, limiti dello studio. Concludi con una sintesi pratica per il neurologo.”
2. Metti i paletti dentro il prompt. Nell’esempio sul referto da spiegare a un paziente di 70 anni, la parte più importante è la coda: “senza omettere informazioni clinicamente rilevanti e senza aggiungere interpretazioni non supportate dal documento”. Dire alla macchina che cosa non fare riduce le invenzioni.
3. Torna sempre alla fonte. Riferimenti, numeri e citazioni si controllano sull’originale. Una bibliografia ben impaginata non è una bibliografia verificata.
Come usare gli agenti: deleghe piccole e controllabili
Nella seconda parte della relazione mi sono concentrato sul “lavoro attorno al lavoro”. Ho mostrato:
- un agente desktop a cui ho affidato la compilazione di un’autodichiarazione per la libera professione, partendo dal PDF;
- ChatGPT in modalità Work con la foto di una pila di ricevute, da trasformare in una rendicontazione;
- un assistente per le riunioni, MeetGeek, che entra nella videocall come partecipante e ne produce il resoconto, e un registratore AI come Plaud per le riunioni in presenza;
- un “assistente legale” a cui chiedere di analizzare un contratto o una convenzione, individuando rischi, clausole sfavorevoli e formulazioni poco chiare, con proposte di modifica.
Tutti esempi burocratici, non clinici. Ed è voluto: piani terapeutici, idoneità alla guida, pratiche L.104, convenzioni e note spese sono il terreno dove un neurologo può iniziare a delegare con rischio contenuto. Prima di affidare un compito a un agente mi faccio quattro domande:
- Il risultato è verificabile in pochi minuti? Un modulo compilato sì; una decisione clinica no.
- Di quali accessi ha bisogno? Il minimo indispensabile: una cartella, non tutto il disco; una casella dedicata, non la posta personale.
- Dove mi fermo io? Firma, invio e pagamento restano un passaggio umano: è la logica human-in-the-loop.
- Posso ricostruire che cosa ha fatto? Se non c’è traccia delle azioni, non lo uso per pratiche che contano.
Per chi vuole iniziare, ho raccolto 10 cose da sapere sugli agenti di ChatGPT.
Privacy e dati sanitari: i limiti da rispettare
Gli agenti amplificano un problema che con i chatbot era già evidente: i dati. Alcune attenzioni non negoziabili:
- niente dati identificabili dei pazienti in servizi consumer non autorizzati dalla struttura; per esercitarsi si usano casi sintetici o documenti anonimizzati;
- registrare una riunione di reparto o un consulto multidisciplinare richiede il consenso dei presenti e strumenti approvati dall’azienda sanitaria;
- un agente collegato alla posta può essere manipolato da contenuti malevoli: ne ho scritto parlando di mail injection;
- trasparenza verso il paziente: se l’AI entra nel percorso di cura, va detto.
Un ringraziamento
In apertura avevo mostrato un dato di willrobotstakemyjob.com: per i neurologi la stima del rischio di automazione è del 3%, “minimal risk”. Il medico non è sostituibile; molte delle ore che passa al computer, invece, sì. Ringrazio la Società Italiana di Neurologia, i moderatori e i colleghi di sessione per l’invito.
Se vuoi ricevere esempi pratici come questi, iscriviti alla mia newsletter su Substack. E se vuoi portare un corso sull’AI nel tuo reparto o nella tua società scientifica, scrivimi.
Vuoi un corso sull’AI per il tuo reparto o la tua società scientifica?
Per informazioni scrivimi a info@gianluigibonanomi.com, contattami su LinkedIn oppure compila il modulo qui sotto.









Lascia un Commento
Vuoi partecipare alla discussione?Sentitevi liberi di contribuire!