Un gruppo di grandi modelli linguistici tende a suggerire soprattutto farmaci di marca e prodotti con alta visibilità sul web, con possibili ripercussioni sui costi dei trattamenti. Lo segnala uno studio pubblicato su Nature Health condotto da ricercatori dell’Università Metropolitana di Osaka e del MD Anderson Cancer Center dell’Università del Texas.
La ricerca, guidata dal professor Daiju Ueda, ha valutato il comportamento di cinque modelli: GPT-5.4, Claude Sonnet 4.6, Gemini 3.1 Flash, Llama 4 e MedGemma. Ai sistemi è stato chiesto di raccomandare fino a tre medicinali approvati dalla Food and Drug Administration per scenari clinici simulati in cui erano già indicati la patologia e il principio attivo.
Gli autori hanno costruito 177.120 scenari a partire da 123 combinazioni di malattie e principi attivi e 1.440 profili sociodemografici, analizzando complessivamente circa 883.000 risposte dei cinque modelli. Nonostante fossero disponibili in media 5,5 prodotti approvati per ciascuna combinazione, il farmaco più spesso suggerito rappresentava in media il 97,5% delle raccomandazioni di prima scelta.
Lo studio rileva che le raccomandazioni erano orientate verso prodotti di marca, medicinali più visibili nelle ricerche su Google e con pagine dedicate su Wikipedia. I modelli suggerivano meno frequentemente prodotti approvati dalla FDA più di recente e quelli maggiormente usati nella pratica prescrittiva reale. Sono emerse anche raccomandazioni non coerenti con informazioni regolatorie, inclusi farmaci precedentemente approvati ma non più commercializzati.
Per valutare l’impatto economico, i ricercatori hanno simulato uno scenario in cui la distribuzione degli acquisti seguisse le raccomandazioni dei modelli, confrontandola con i dati delle prescrizioni reali del mercato statunitense. Per il gruppo di principi attivi con dati di prezzo completi, la stima indica un aumento dei costi annuali di acquisto di circa 55,6 milioni di dollari, pari a un incremento del 1.019%.
“Abbiamo scoperto che i costi di acquisizione annuali aumenterebbero di circa 55,6 milioni di dollari”, ha dichiarato Ueda, specificando che si tratta di una stima teorica basata su ipotesi di simulazione e non di un aumento già verificato nella spesa reale dei pazienti.
Quando ai modelli è stato chiesto di privilegiare farmaci generici o a basso costo, le risposte si sono spostate verso opzioni meno costose, ma la concentrazione delle raccomandazioni su un insieme relativamente ristretto di prodotti è rimasta evidente.
I ricercatori concludono sottolineando la necessità di valutare l’uso dell’intelligenza artificiale in ambito sanitario per identificare distorsioni nella selezione dei prodotti e nella gestione delle informazioni su costi e regolamentazione, suggerendo l’integrazione di fonti affidabili sui farmaci e la supervisione umana per favorire scelte terapeutiche più appropriate.
