Valutazione dell'Affidabilità e dell'Efficacia di un Assistente Virtuale Basato su Intelligenza Artificiale nel Supporto alla Dispensazione Farmaceutica

L’integrazione dell’intelligenza artificiale (AI) nel settore farmaceutico rappresenta un’opportunità emergente per supportare e migliorare la pratica professionale. Questo studio analizza il potenziale degli assistenti virtuali basati su AI come strumenti di supporto alla dispensazione di farmaci senza obbligo di prescrizione (OTC), valutandone l’affidabilità e l’efficacia nel contesto della farmacia territoriale italiana. L’obiettivo principale è confrontare la capacità degli assistenti virtuali di suggerire il prodotto OTC più appropriato con le decisioni del farmacista professionista. Gli obiettivi secondari includono la valutazione delle performance in relazione alla complessità clinica dei casi e l’analisi delle implicazioni per l’integrazione di tali tecnologie nella pratica farmaceutica. Lo studio ha incluso 100 casi clinici reali raccolti in collaborazione con farmacisti territoriali. Ogni caso comprendeva la conversazione farmacista-paziente, quattro opzioni terapeutiche plausibili e il prodotto effettivamente dispensato. I casi sono stati classificati in base alla complessità clinica (bassa, media, alta) e sottoposti a sei assistenti virtuali (ChatGPT, Gemini, Claude, DeepSeek, LeChat e Perplexity) nelle versioni gratuite disponibili. Un farmacista esperto indipendente ha effettuato la valutazione delle risposte assegnando un punteggio: 0 (concordanza), 1 (scelta del farmacista più appropriata), 2 (scelta dell’assistente virtuale più appropriata). In una seconda fase a carattere discriminativo, 60 casi selezionati casualmente (20 per ciascun livello di complessità) sono stati presentati con una sola opzione corretta e tre errate, al fine di valutare la capacità degli assistenti di identificare la scelta appropriata. L’analisi statistica ha incluso il test di McNemar, il coefficiente Kappa di Cohen, il test Chi-Quadrato, il test binomiale, il calcolo degli intervalli di confidenza al 95% e degli Odds Ratio. Nella prima fase, la concordanza tra assistenti virtuali e farmacista si è attestata tra il 49% e il 56%. I valori negativi del coefficiente Kappa di Cohen e i risultati non significativi del test di McNemar indicano che farmacista e AI tendono a commettere errori su casi differenti, suggerendo una logica decisionale complementare. L’analisi stratificata ha evidenziato una concordanza più elevata nei casi a bassa complessità (fino al 65%), una riduzione nei casi a complessità intermedia (40–50%) e un nuovo incremento nei casi ad alta complessità (fino al 65%). Nella fase discriminativa, tutti gli assistenti virtuali hanno mostrato performance significativamente superiori al caso (p < 0,001), con un’accuratezza complessiva compresa tra il 66,7% e il 76,7%. Nei casi a bassa complessità l’accuratezza ha raggiunto il 90%, mentre nei casi intermedi si è attestata intorno al 65–70%. Nei casi ad alta complessità, alcuni sistemi hanno mantenuto performance pari al 75%. Sono emersi profili operativi distinti tra i diversi assistenti virtuali. I risultati suggeriscono che gli assistenti virtuali possono fornire un supporto decisionale rilevante nella dispensazione dei farmaci OTC, in particolare come strumenti di validazione incrociata. Tuttavia, lo studio presenta alcune limitazioni, tra cui la dimensione del campione, la valutazione affidata a un singolo esperto, l’assenza di follow-up clinico e la limitata generalizzabilità dei risultati. Gli assistenti virtuali non devono sostituire il giudizio clinico del farmacista, ma supportarlo in un contesto etico, regolato e centrato sulla relazione professionale. Studi futuri più ampi e prospettici sono necessari per confermare questi risultati e valutarne l’impatto clinico reale.