Definizione di Application Programming Interface come middleware per l'uso di Large Language Model nei processi sanitari

Artificial intelligence (AI) is profoundly transforming the healthcare sector. In particular, the adoption of Large Language Models (LLMs) offers opportunities to improve the quality of patient care and reduce the operational burden on healthcare professionals. Among the most prominent models are GPT (developed by OpenAI), Gemini (developed by Google DeepMind), Claude (developed by Anthropic), and Copilot (developed by Microsoft). Each offers distinct features relevant to medical applications. Despite the revolutionary potential of these models, integrating LLMs into medical software poses significant interoperability challenges. Each model requires different parameters and interaction methods through its own Application Programming Interface (API), forcing developers to create model-specific requests. This fragmentation leads to operational inefficiencies and slows the widespread adoption of LLMs in healthcare. This thesis aims to define the specifications for an API to be integrated into medical applications, enabling interaction with multiple LLMs through a single request. It also proposes potential real-world use cases and analyzes the legislative framework governing the use of these technologies in the healthcare domain.

L’intelligenza artificiale (AI) sta trasformando profondamente il settore sanitario. In particolare, l’adozione di algoritmi di Large Language Model (LLM), basati sull’AI, può offrire opportunità per migliorare la qualità dell’assistenza ai pazienti e diminuire il carico operativo degli operatori sanitari. Tra i principali strumenti che suscitano interesse si distinguono attualmente: modello GPT (sviluppato da OpenAI), Gemini (sviluppato da Google DeepMind), Claude (sviluppato da Anthropic) e Copilot (sviluppato da Microsoft). Ciascuno presenta caratteristiche differenti ai fini dell’applicazione in ambito sanitario. Nonostante il potenziale rivoluzionario di questi strumenti, l’integrazione dei LLM negli applicativi medici presenta una sfida di interoperabilità: ogni modello richiede parametri e modalità di interazione differenti attraverso le proprie Application Programming Interface (API), costringendo a definire richieste specifiche per ciascun modello. Tale frammentazione genera inefficienze operative e rallenta l’adozione diffusa dei LLM in sanità. Questa tesi si propone di definire le specifiche di un’API da integrare in applicativi medici, che permetta di interfacciarsi con i quattro differenti modelli LLM tramite un’unica richiesta, suggerendo possibili casi d’uso dell’API in contesti reali. Vengono inoltre analizzati il contesto legislativo e le regolamentazioni riguardanti l’uso di queste tecnologie in ambito sanitario.