I modelli di intelligenza artificiale generativa tendono a raccomandare i farmaci con maggiore visibilità online, privilegiando spesso i prodotti di marca rispetto alle alternative disponibili. La tendenza potrebbe contribuire ad aumentare i costi dei trattamenti, secondo uno studio pubblicato sulla rivista scientifica Nature Health.
La ricerca è stata guidata dal professor Daiju Ueda dell’Università Metropolitana di Osaka, in collaborazione con ricercatori dell’MD Anderson Cancer Center dell’Università del Texas. Il team ha esaminato cinque modelli linguistici: GPT-5.4, Claude Sonnet 4.6, Gemini 3.1 Flash, Llama 4 e MedGemma.
La concentrazione delle raccomandazioni
Ai sistemi è stato chiesto di indicare fino a tre medicinali approvati dalla Food and Drug Administration, l’agenzia statunitense per i farmaci, in scenari clinici simulati nei quali erano già specificati la patologia e il principio attivo.
L’analisi ha riguardato 177.120 scenari, costruiti a partire da 123 combinazioni di malattie e principi attivi e da 1.440 profili sociodemografici. Nel complesso sono state esaminate circa 883mila risposte. Per ogni combinazione erano disponibili in media 5,5 prodotti approvati dalla FDA, ma il farmaco indicato più spesso come prima scelta rappresentava mediamente il 97,5% delle raccomandazioni.
Secondo lo studio, i modelli suggerivano soprattutto farmaci di marca, prodotti più visibili nelle ricerche su Google e medicinali con una pagina dedicata su Wikipedia. Al contrario, indicavano meno frequentemente i prodotti approvati più di recente dalla FDA e quelli più utilizzati nella pratica prescrittiva reale.
Raccomandazioni non sempre allineate ai dati regolatori
I ricercatori hanno rilevato una forte concentrazione delle indicazioni su un numero ristretto di medicinali, con una distribuzione diversa da quella osservata nelle prescrizioni mediche reali. Sono emerse anche raccomandazioni non coerenti con le informazioni regolatorie, comprese indicazioni relative a farmaci approvati in passato ma non più commercializzati.
I risultati suggeriscono quindi che la frequenza con cui un medicinale viene raccomandato dall’intelligenza artificiale possa dipendere anche dalla sua storia commerciale e dalla sua presenza su Internet, non soltanto dalle caratteristiche del trattamento. Gli autori hanno inoltre valutato le possibili conseguenze economiche del fenomeno usando dati sul mercato farmaceutico statunitense.
