L'uso dell'intelligenza artificiale (AI) nel monitoraggio dei pazienti con patologie croniche: revisione della letteratura

Introduction: Chronic diseases represent one of the leading causes of death in high- and middle-income countries, particularly among individuals under the age of 60. In this context, artificial intelligence (AI) may serve as a valuable tool for transforming the management and care of patients affected by chronic conditions. The need for a proactive, continuous, and personalized approach makes the use of AI-based technologies a significant contribution to improving both the quality of care and patients’ quality of life. Materials and Methods: The aim of this thesis is to analyze and identify, through a literature review, the main artificial intelligence tools employed for clinical monitoring, exploring the clinical and organizational outcomes associated with their use in patients with chronic diseases at the international level. The search was conducted in the databases PubMed, ScienceDirect, and Google Scholar, covering the period from 2020 to 2025. A total of 25 studies meeting the inclusion criteria were analyzed. The diseases most frequently investigated for the application of AI tools were type 1 and type 2 diabetes mellitus, cardiovascular, respiratory, oncological, neurodegenerative, and psychiatric disorders. Results: The most commonly used AI technologies were Machine Learning and Deep Learning, mainly applied to the analysis of large volumes of clinical and physiological data. Other identified tools included Natural Language Processing (NLP), chatbots, mobile health (mHealth) applications, wearable devices, and Internet of Things (IoT) sensors. According to the available evidence, the use of these technologies has led to improvements in vital signs monitoring, treatment adherence, and consequently, in the reduction of exacerbations and prevention of complications. Furthermore, the increased capacity for personalized treatment has promoted greater patient empowerment and self-care. However, significant limitations remain, primarily related to the limited external validation of algorithms, which are often tested on small or experimental samples, with methodological heterogeneity and a lack of large-scale clinical trials. Conclusions: AI appears to be a promising tool in nursing science for the monitoring and management of chronic diseases. Current evidence does not suggest that AI applications can replace nursing competencies, but rather that they act as a supportive instrument for enhancing clinical practice, improving the quality of care, decision-making, and the prioritization of interventions. Future perspectives call for targeted investment in digital education for healthcare professionals and the development of robust clinical studies to strengthen the evidence base, ensuring an ethical, equitable, and person-centered implementation of AI in healthcare. Keywords: chronic disease; artificial intelligence; telehealth; mobile health; wearable devices; remote monitoring; machine learning; monitoring; nurse; outcomes; hospital admission; preventable hospitalization.

Introduzione: le malattie croniche rappresentano una delle principali cause di morte nei paesi ad alto e medio reddito, in particolare nella popolazione di età inferiore ai 60 anni. In questo contesto, l’intelligenza artificiale (AI) può rappresentare uno strumento utile per modificare l’assistenza delle persone affette da patologie croniche. La necessità di un approccio proattivo, continuo e personalizzato rende l’impiego delle tecnologie basate su AI un contributo rilevante per il miglioramento della qualità dell’assistenza e della vita dei pazienti. Materiali e metodi: l’obiettivo della tesi è analizzare ed individuare, attraverso una revisione della letteratura, i principali strumenti di intelligenza artificiale utilizzati per il monitoraggio clinico, esplorando gli outcome clinici ed organizzativi correlati al loro impiego nei pazienti affetti da patologie croniche studiati a livello internazionale. La ricerca è avvenuta sulle banche dati PubMed, ScienceDirect e Google Scholar, con un arco temporale compreso tra il 2020 ed il 2025. Al termine della revisione, sono stati inclusi 25 studi pertinenti ai criteri di ricerca. Le patologie in cui è stato maggiormente studiato l’utilizzo di strumenti di AI sono state il diabete mellito tipo 1 e 2, le patologie cardiovascolari, respiratorie, oncologiche, neurodegenerative e psichiatriche. Risultati: le tecnologie di AI più utilizzate sono state il Machine Learning e il Deep Learning, applicate all’analisi di grandi quantità di dati clinici e fisiologici. Altri strumenti individuati includono il Natural Language Processing (NLP), i chatbot, le app mobile health (mHealth), i dispositivi indossabili (wearable devices) e i sensori Internet of Things (IoT). Secondo le evidenze disponibili l’utilizzo di queste tecnologie ha determinato miglioramenti nel monitoraggio dei parametri vitali, nell’aderenza terapeutica e, di conseguenza, nella riduzione delle riacutizzazioni e prevenzione delle complicanze. Inoltre, la maggiore possibilità di personalizzare i trattamenti ha favorito un maggiore empowerment e selfcare del paziente rispetto alla sua patologia. Permangono tuttavia attualmente limiti significativi nell’utilizzo di AI per scarsa validazione esterna degli algoritmi, che sono spesso testati su campioni ridotti o in contesti sperimentali, sono condotti con un’importante eterogeneità metodologica e con pochi studi organizzati su larga scala. Conclusioni: l’AI sembra rappresentare uno strumento importante anche per le scienze infermieristiche, per il monitoraggio e la gestione delle patologie croniche. Le evidenze attualmente disponibili sembrano non confermare che l’applicazione dell’AI possa sostituire le competenze del personale infermieristico, ma si configura come uno strumento di supporto alla pratica clinica per il miglioramento della qualità dell’assistenza, il processo decisionale e la prioritarizzazione degli interventi. Le prospettive future richiedono un investimento mirato nella formazione digitale dei professionisti sanitari e nello sviluppo di ulteriori studi clinici che ne consolidino l’efficacia, garantendo al contempo un utilizzo etico, equo e centrato sulla persona. Parole chiavi: chronic disease; artificial intelligence; telehealth; mobile health; wearable devices; remote monitoring; machine learning; monitoring; nurse; outcomes; hospital admission; preventable hospitalization.