Stampa Sintesi e commento in italiano a cura della Dott.ssa Anna Perino
Giovanna Cilluffo, , Sakina Bajowala, , Tania Elliott, , Payel Gupta, Sofija Volertas, Giuliana Ferrante
J Allergy Clin Immunol Pract November 2025;13:2877–2889
Abstract
La gestione delle malattie allergiche sta attraversando una trasformazione profonda grazie ai progressi negli strumenti diagnostici, nella medicina di precisione e nelle tecnologie digitali applicate alla salute. I modelli predittivi basati sull’intelligenza artificiale (AI) consentono diagnosi più personalizzate e accurate. Inoltre, le soluzioni di digital health stanno migliorando il monitoraggio dei pazienti e l’aderenza ai protocolli terapeutici. L’integrazione di questi progressi nella pratica clinica richiede una collaborazione interdisciplinare e l’aggiornamento delle politiche sanitarie, al fine di garantire accessibilità ed equità. Sebbene queste innovazioni offrano opportunità promettenti, devono essere affrontate sfide rilevanti, quali la protezione dei dati, l’approvazione regolatoria e una distribuzione equa delle risorse sanitarie. Abbracciando gli sviluppi tecnologici e scientifici, il futuro della gestione delle malattie allergiche mira a migliorare gli esiti clinici, la qualità di vita dei pazienti e a ridurre il carico globale delle patologie allergiche.
Riassunto
L’articolo analizza in modo esteso il ruolo crescente dell’intelligenza artificiale (AI) nella gestione delle malattie allergiche, delineando un cambiamento di paradigma che coinvolge diagnosi, stratificazione dei pazienti, scelta terapeutica e follow-up. Partendo dall’elevata prevalenza globale di asma, rinite allergica, dermatite atopica e allergie alimentari, gli autori sottolineano i limiti degli approcci tradizionali, spesso basati su strategie “trial-and-error”, e introducono l’AI come strumento capace di integrare grandi volumi di dati clinici, immunologici, genetici e ambientali.
Un primo ambito di applicazione riguarda la diagnosi di precisione. Modelli di machine learning sono in grado di analizzare test cutanei, livelli di IgE specifiche, dati clinici e informazioni multi-omiche per identificare pattern nascosti e migliorare l’accuratezza diagnostica rispetto ai metodi convenzionali. Numerosi esempi vengono riportati nelle patologie respiratorie, nella dermatite atopica e nelle allergie alimentari, dove algoritmi supervisionati e le tecniche di ensemble mostrano buone performance nella classificazione delle malattie e nella definizione di fenotipi clinici complessi.
Un secondo punto centrale è l’uso dell’AI per l’endotipizzazione delle malattie allergiche, che rappresenta il ponte tra diagnosi e terapia personalizzata. Integrando dati clinici e biomolecolari, i modelli AI permettono di distinguere endotipi T2-high e T2-low, con ricadute dirette sulla scelta dei biologici e sulla previsione della risposta terapeutica, in particolare nell’asma, nella CRSwNP e nella dermatite atopica.
Ampio spazio è dedicato alla predizione della risposta ai trattamenti, inclusi biologici e immunoterapia allergene-specifica. L’AI viene proposta come strumento per identificare i pazienti più responsivi, prevedere l’aderenza, stimare il rischio di fallimento terapeutico o di recidiva dopo sospensione dei biologici, e supportare decisioni condivise tra medico e paziente.
L’articolo esplora inoltre le applicazioni dell’AI nella digital health, attraverso app, wearable e sistemi di monitoraggio remoto. Questi strumenti consentono una raccolta continua di dati su sintomi, esposizioni ambientali, uso dei farmaci e parametri fisiologici, favorendo una gestione più proattiva e personalizzata delle malattie allergiche. In parallelo, vengono discusse le potenzialità dell’AI nella previsione delle riacutizzazioni e nell’identificazione precoce dei soggetti a rischio, aprendo prospettive anche in ambito preventivo.
Infine, gli autori affrontano in modo critico le sfide etiche, regolatorie e pratiche legate all’implementazione dell’AI: bias nei dati, trasparenza degli algoritmi, protezione della privacy, rischio di over-dipendenza da sistemi automatizzati e disuguaglianze di accesso. La conclusione è prudente ma chiara: l’AI non sostituisce il clinico, ma può diventare uno strumento potente di supporto decisionale, a condizione che sia validata, regolata e integrata in modo responsabile nella pratica allergologica.
Commento
La review dedicata al ruolo dell’intelligenza artificiale nella gestione delle malattie allergiche si distingue per ampiezza di visione e chiarezza espositiva, offrendo una panoramica aggiornata delle possibili applicazioni dell’AI in un ambito in rapida evoluzione. Il lavoro ha il merito di mettere in luce come le tecnologie digitali e i modelli predittivi possano, almeno in prospettiva, contribuire a una medicina allergologica più personalizzata, integrando dati clinici, biologici e ambientali e superando approcci puramente empirici.
Al tempo stesso, l’articolo si colloca prevalentemente in una dimensione prospettica più che immediatamente operativa. Molti degli esempi riportati rappresentano infatti proof of concept, studi pilota o modelli teorici, non ancora trasferibili nella pratica allergologica quotidiana.
Letto con attenzione, il tono del lavoro appare meno trionfalistico di quanto possa sembrare a una prima impressione, poiché gli autori riconoscono implicitamente che l’efficacia dell’AI dipende da condizioni — qualità dei dati, validazione clinica, contesto assistenziale — che oggi sono raramente soddisfatte.
Un elemento centrale è il carattere fortemente data-dependent dell’intelligenza artificiale. Gli algoritmi richiedono grandi quantità di dati strutturati, affidabili e longitudinali per funzionare in modo efficace. Questo presupposto entra però in evidente contrasto con la realtà dell’allergologia ambulatoriale, che opera spesso in un setting “low-data”, caratterizzato da anamnesi discontinue, referti eterogenei, follow-up irregolari e invii specialistici non sempre accompagnati da una domanda clinica ben definita.
In questo contesto, prima ancora degli omics e dei modelli predittivi, il nodo cruciale resta la costruzione di una storia clinica sensata. L’anamnesi allergologica è di per sé complessa e time-consuming, e l’AI non è in grado di compensare informazioni frammentarie o incoerenti, né di distinguere automaticamente il rumore dal dato clinicamente rilevante.
In allergologia questo passaggio resta fortemente dipendente dall’esperienza clinica, dalla capacità di leggere le storie nel tempo e di ricostruire nessi causali spesso non immediati. Ne deriva il rischio di uno spostamento del carico cognitivo: se da un lato l’AI promette di semplificare il lavoro del clinico, dall’altro può richiedere un ulteriore sforzo di validazione critica degli input e degli output, inclusa la valutazione dei bias intrinseci ai dataset di partenza.
Alla luce di queste considerazioni, le applicazioni oggi più realistiche dell’intelligenza artificiale in allergologia sembrano collocarsi soprattutto nell’ambito del supporto organizzativo e gestionale: monitoraggio longitudinale dei sintomi, miglioramento dell’aderenza alle terapie (inclusa l’immunoterapia allergene-specifica e i biologici), standardizzazione di scoring clinici e integrazione di linee guida complesse. In tali contesti, l’AI può rappresentare uno strumento utile, senza sostituire il processo decisionale clinico.
Il ruolo dell’allergologo rimane quindi centrale e non riducibile. In una disciplina caratterizzata da fenotipi spesso sfumati e da una forte influenza del contesto ambientale, il clinico resta il filtro indispensabile che dà senso a dati spesso incompleti e disomogenei.
In questo senso, il merito implicito della review è quello di funzionare come uno specchio: mostra come il futuro dell’AI in allergologia dipenda meno dalla sofisticazione degli algoritmi e più dalla capacità dei sistemi sanitari di produrre dati clinici di qualità, raccolti e interpretati all’interno di una pratica clinica solida e consapevole.
La domanda chiave che emerge non è dunque cosa l’AI possa fare in allergologia, ma in quale allergologia reale essa possa funzionare davvero in modo utile e sostenibile.
Nota: questo numero di JACI in press è in gran parte dedicato a AI in allergologi
