intelligenza artificiale e dietetica metabolica

Perché studiare l’intelligenza artificiale nella dietetica metabolica

L’intelligenza artificiale è entrata rapidamente nella vita quotidiana. Sempre più persone usano strumenti come ChatGPT, Gemini, Claude o Copilot per cercare spiegazioni, riassunti e risposte a domande complesse. Tra queste domande ci sono anche quelle sulla salute, sull’alimentazione e sulla gestione di patologie croniche o rare.

Questo scenario apre una questione importante: quanto possiamo fidarci delle risposte generate da un chatbot quando l’argomento riguarda la nutrizione clinica?

La domanda diventa ancora più delicata quando si parla di malattie metaboliche ereditarie, note anche come Inherited Metabolic Disorders o IMDs. Si tratta di condizioni rare, spesso complesse, nelle quali la dieta non è un semplice consiglio generico, ma una parte fondamentale della terapia. In molti casi servono restrizioni precise, supplementi specifici, controlli biochimici, adattamenti all’età, allo stato clinico e alla situazione individuale del paziente.

In questo contesto, una risposta apparentemente chiara ma imprecisa può diventare rischiosa. Proprio da questa esigenza nasce lo studio “How reliable are large language models in metabolic dietetics? A cross-sectional benchmarking evaluation”, pubblicato su JIM 2026; 3(3): e1211, con DOI 10.61012/JIM_202608_1211.

Ho avuto il piacere di essere coinvolto direttamente in questo progetto come coautore e come Independent AI Researcher. Come riportato nella sezione Authors’ Contributions del paper, ho partecipato alla concezione e al disegno dello studio e alla revisione del manoscritto. Il mio contributo si è inserito in un lavoro multidisciplinare che ha riunito competenze cliniche, dietetiche, metodologiche e tecnologiche per valutare gli LLM nelle condizioni reali di utilizzo delle versioni gratuite.

L’obiettivo non era demonizzare l’intelligenza artificiale, né promuoverla come sostituto dei professionisti sanitari. La ricerca ha cercato invece di rispondere a una domanda concreta: gli LLM gratuiti oggi disponibili sono abbastanza accurati, completi e coerenti per offrire indicazioni dietetiche nelle malattie metaboliche ereditarie?

Che cosa sono gli LLM e perché interessano la sanità

Gli LLM, cioè i Large Language Models, sono modelli linguistici di grandi dimensioni capaci di generare testo in modo fluido e naturale. Possono spiegare concetti, rispondere a domande, riformulare contenuti e produrre indicazioni apparentemente personalizzate.

La loro forza è anche il motivo per cui devono essere valutati con attenzione: spesso comunicano con grande sicurezza, anche quando il contenuto non è del tutto corretto. Nel linguaggio comune si parla di “allucinazioni” quando un sistema genera informazioni plausibili ma sbagliate, incomplete o non verificabili.

Nel campo della salute questo problema non è secondario. Un errore su una ricetta generica può essere fastidioso; un errore su una dieta per fenilchetonuria, acidemia metilmalonica, galattosemia, glicogenosi o difetti dell’ossidazione degli acidi grassi può avere conseguenze molto più serie.

Per questo il team di ricerca ha scelto di valutare gli LLM non in condizioni ideali, ma in condizioni realistiche: quelle di un normale utente che apre una versione gratuita del chatbot e fa una domanda.

Lo scopo dello studio

Lo studio aveva tre obiettivi principali:

1. Valutare l’accuratezza scientifica delle risposte, cioè quanto fossero coerenti con le linee guida e con le conoscenze cliniche attuali.
2. Valutare la completezza, cioè se la risposta affrontasse tutti gli aspetti necessari per essere davvero utile.
3. Valutare la consistenza, cioè se lo stesso modello producesse risposte simili quando riceveva la stessa domanda più volte.

Quest’ultimo punto è particolarmente importante. Nella pratica clinica non basta che un sistema risponda bene una volta. Deve essere stabile, prevedibile e affidabile. Se la stessa domanda genera risposte diverse, l’utente può ricevere indicazioni contrastanti senza sapere quale seguire.

Come è stata condotta la ricerca

Il lavoro è stato impostato come uno studio comparativo trasversale. Sono stati analizzati quattro strumenti gratuiti:

• ChatGPT
• GitHub Copilot Free
• Gemini
• Claude

I modelli sono stati testati tramite le interfacce pubbliche gratuite, senza abbonamenti, senza fine-tuning, senza sistemi di recupero da banche dati specialistiche e senza prompt engineering avanzato. Questa scelta è stata centrale: il team voleva osservare il comportamento reale degli strumenti così come vengono utilizzati dal pubblico.

Sono state preparate 30 domande cliniche in stile paziente, dedicate alla gestione dietetica delle malattie metaboliche ereditarie. Le domande coprivano quattro aree:

• fabbisogni nutrizionali e restrizioni alimentari;
• pianificazione dei pasti;
• supplementi dietetici;
• monitoraggio clinico e situazioni particolari.

Ogni domanda è stata inviata tre volte a ciascun modello. In teoria il dataset avrebbe dovuto contenere 360 risposte. Una risposta è stata esclusa per un errore di raccolta, portando il totale a 359 risposte uniche.

Le risposte sono state poi anonimizzate, randomizzate e valutate in cieco da dietiste metaboliche esperte. Questo passaggio ha permesso di ridurre il rischio di giudizi influenzati dal nome del modello.

Un lavoro multidisciplinare

Uno degli aspetti più interessanti dello studio è il carattere multidisciplinare. La ricerca ha coinvolto competenze cliniche, dietetiche, metodologiche e tecniche. Le domande sono state costruite da professioniste esperte di dietetica metabolica, la raccolta degli output è stata organizzata in modo standardizzato e la valutazione è stata affidata a valutatrici con esperienza specifica nel campo delle IMDs.

All’interno di questo lavoro di squadra, sono stato coinvolto, contribuendo alla concezione e al disegno dello studio e alla revisione del manoscritto, come riportato nella sezione Authors’ Contributions del paper. La presenza nel gruppo di competenze dedicate all’intelligenza artificiale ha contribuito a integrare la valutazione clinica con una lettura metodologica del comportamento degli LLM. Lo studio non si è limitato a considerare la qualità apparente delle risposte, ma ne ha analizzato accuratezza, completezza e consistenza attraverso interrogazioni ripetute e condizioni d’uso realistiche.

L’integrazione tra competenze cliniche, dietetiche e tecnologiche ha permesso di considerare gli LLM per ciò che sono realmente: sistemi dinamici e probabilistici, soggetti a variazioni nelle risposte, filtri di sicurezza, aggiornamenti silenziosi e versioni non sempre dichiarate agli utenti. La ricerca non si limita quindi a stabilire quale chatbot ottenga i punteggi migliori, ma valuta l’affidabilità complessiva degli strumenti considerando accuratezza, completezza, consistenza e comportamento dei filtri di sicurezza in un contesto sanitario altamente specialistico.

I risultati principali

I risultati mostrano un quadro sfumato. Gli LLM possono produrre risposte utili, comprensibili e in alcuni casi abbastanza accurate. Tuttavia, lo studio evidenzia anche limiti importanti.

In totale sono state raccolte 359 risposte uniche. In 66 casi su 359, pari al 18,4%, si sono attivati i filtri di sicurezza dei modelli. In molti casi questi filtri hanno bloccato completamente la risposta: 53 attivazioni su 66, cioè l’80,3%, hanno prodotto un blocco completo senza contenuto scientifico valutabile.

Dopo l’esclusione dei blocchi completi, l’analisi principale è stata condotta su 306 risposte.

Tra i modelli analizzati, ChatGPT ha ottenuto i migliori risultati complessivi per accuratezza scientifica e completezza, con una mediana di 4 su 5 per entrambe le dimensioni. Nel campione valutato non ha prodotto risposte classificate come gravemente inaccurate o gravemente incomplete.

Gli altri strumenti, cioè Copilot, Gemini e Claude, hanno mostrato prestazioni intermedie, con maggiore variabilità. Complessivamente sono state identificate:

• 14 risposte gravemente inaccurate su 306, pari al 4,6%;
• 5 risposte gravemente incomplete su 306, pari all’1,6%;
• 198 risposte su 306, pari al 64,7%, incoerenti o solo parzialmente coerenti tra ripetizioni identiche.

Il dato più rilevante non è quindi soltanto quale modello abbia ottenuto il punteggio migliore, ma il fatto che anche in presenza di buone mediane possono comparire errori rari ma potenzialmente pericolosi.

Perché la consistenza è così importante

La consistenza è uno dei punti chiave dello studio. Se un utente pone la stessa domanda tre volte e riceve risposte diverse, il problema non è solo tecnico: diventa un problema pratico e clinico.

Nella dietetica metabolica, la gestione di nutrienti, restrizioni, supplementi e monitoraggio richiede precisione. Una risposta può sembrare utile, ma se cambia troppo da una generazione all’altra non offre una base sicura per prendere decisioni.

Lo studio ha rilevato che soltanto il 35,3% delle risposte era pienamente consistente. Questo significa che nella maggioranza dei casi c’era una qualche forma di variabilità. A volte si trattava di differenze minori; altre volte di differenze più sostanziali nel contenuto o nelle raccomandazioni.

Questo risultato conferma un punto essenziale: gli LLM non funzionano come enciclopedie statiche. Generano risposte sulla base di meccanismi probabilistici, del contesto, delle configurazioni e di fattori non sempre visibili all’utente.

Il ruolo dei filtri di sicurezza

Un altro elemento emerso chiaramente riguarda i cosiddetti safety guardrails, cioè i filtri di sicurezza. Questi sistemi servono a impedire che il modello fornisca indicazioni mediche potenzialmente rischiose. In teoria sono una protezione utile; nella pratica, però, il loro comportamento può essere molto diverso tra piattaforme.

Nello studio, i filtri si sono attivati in modo non uniforme. Alcuni modelli hanno bloccato completamente le risposte, altri hanno prodotto risposte parziali o interrotte. Questa variabilità rende difficile per l’utente comprendere se l’assenza o la limitazione delle informazioni dipenda dall’attivazione di un filtro di sicurezza, dalle politiche della piattaforma o da altre configurazioni non visibili.

Nel paper finale i 53 blocchi completi, privi di contenuto scientifico valutabile, sono stati esclusi dall’analisi principale. Questa distinzione consente di separare le risposte clinicamente valutabili dagli output nei quali il sistema non ha fornito alcuna indicazione scientifica. Tuttavia, dal punto di vista dell’utente, anche un blocco o una risposta incompleta possono rappresentare un limite concreto, soprattutto se la persona cerca informazioni urgenti o molto specifiche.

Che cosa ci dice davvero lo studio

Il messaggio principale è chiaro: gli LLM gratuiti possono essere utili come strumenti di supporto informativo generale, ma non sono pronti per essere usati in autonomia nella dietetica delle malattie metaboliche ereditarie.

Questo non significa che l’intelligenza artificiale non abbia futuro nella nutrizione clinica. Al contrario, la ricerca mostra proprio dove bisogna lavorare per renderla più sicura:

• collegamento a linee guida validate;
• uso di banche dati nutrizionali strutturate;
• sistemi di citazione delle fonti;
• aggiornamento controllato dei contenuti;
• validazione clinica da parte di professionisti;
• distinzione chiara tra educazione generale e counseling personalizzato;
• supervisione specialistica nei casi complessi.

In altre parole, il problema non è usare o non usare l’IA. Il punto è come integrarla responsabilmente.

Il mio coinvolgimento nel progetto

Nel paper il mio contributo è indicato in due aree precise: study conception and design e manuscript editing. Questo documenta il mio coinvolgimento nella concezione e nel disegno dello studio e nella revisione del manoscritto.

Ho partecipato al progetto come Independent AI Researcher, affiancando le competenze cliniche e dietetiche presenti nel gruppo di ricerca. Lo studio è stato progettato per non misurare soltanto la qualità apparente delle risposte, ma anche la loro accuratezza, completezza e consistenza attraverso tre generazioni indipendenti per ogni domanda e modello.

• Dal punto di vista metodologico, lo studio è stato costruito intorno ad alcune scelte fondamentali:

  • valutare gli strumenti nelle versioni gratuite accessibili agli utenti;
  • escludere prompt engineering specialistico, fine-tuning e sistemi costruiti appositamente;
  • utilizzare account neutrali e sessioni indipendenti;
  • ripetere le stesse domande per verificare la consistenza delle risposte;
  • considerare il problema delle versioni e delle configurazioni non sempre dichiarate;
  • distinguere gli errori scientifici, le omissioni e gli interventi dei filtri di sicurezza;
  • interpretare i risultati tenendo conto della natura probabilistica degli LLM.

Questo contributo tecnico e metodologico si è affiancato al lavoro clinico delle dietiste e degli altri ricercatori. Il carattere multidisciplinare dello studio ha permesso di integrare la competenza specialistica nella dietetica metabolica con l’analisi del comportamento degli LLM quando vengono utilizzati attraverso le interfacce gratuite disponibili al pubblico.

Naturalmente il risultato è frutto del lavoro dell’intero team. Il mio contributo alla concezione e al disegno dello studio si è affiancato alle competenze cliniche e dietetiche degli altri autori, all’interno di un progetto costruito collegialmente.

Perché questa ricerca è importante per pazienti, professionisti e sviluppatori

Per i pazienti e le famiglie, lo studio offre un messaggio di prudenza: un chatbot può aiutare a comprendere meglio un tema, ma non deve sostituire il confronto con il centro metabolico, il medico o la dietista specializzata.

Per i professionisti sanitari, la ricerca fornisce dati utili per capire come i pazienti potrebbero usare questi strumenti e quali rischi comunicativi possono emergere. Sapere che un modello può produrre risposte plausibili ma non sempre stabili aiuta a impostare meglio l’educazione del paziente.

Per sviluppatori e ricercatori nel campo dell’AI sanitaria, lo studio indica una direzione precisa: servono sistemi più specializzati, tracciabili e validati. La semplice fluidità linguistica non basta. In ambito clinico contano fonti, controlli, aggiornamenti, audit e responsabilità.

Prospettive future dell’AI nella dietetica metabolica

La prossima evoluzione potrebbe arrivare da sistemi di intelligenza artificiale costruiti specificamente per la nutrizione clinica. Sistemi collegati a linee guida validate, database nutrizionali affidabili e ontologie biomediche potrebbero migliorare la tracciabilità, la specificità e la coerenza delle risposte.

Tecnologie come la Retrieval-Augmented Generation (RAG) potrebbero permettere al modello di recuperare informazioni da fonti validate prima di rispondere. Anche il fine-tuning su dataset clinici curati potrebbe migliorare le prestazioni in contesti molto specialistici.

Tuttavia, anche questi sistemi dovranno essere testati con attenzione. La validazione clinica non può essere sostituita da una buona impressione d’uso. Servono benchmark ripetuti, trasparenza sulle versioni dei modelli, controllo degli errori e supervisione umana.

Conclusione

La ricerca pubblicata su JIM rappresenta un contributo importante al dibattito sull’uso dell’intelligenza artificiale in sanità. Mostra che gli LLM gratuiti possono produrre risposte utili e apparentemente competenti, ma anche che presentano limiti significativi in termini di accuratezza, completezza e soprattutto consistenza.

Nella dietetica metabolica, dove le decisioni alimentari possono avere conseguenze cliniche rilevanti, questi strumenti non sono ancora adatti a un uso autonomo. Possono supportare l’informazione generale, ma devono restare sotto la guida di professionisti esperti.

Uno dei principali elementi di valore dello studio è l’aver analizzato quattro LLM nelle condizioni d’uso delle interfacce gratuite, utilizzando domande formulate in stile paziente e una valutazione indipendente condotta da dietiste metaboliche esperte. Sono orgoglioso di aver contribuito a questo percorso come Independent AI Researcher, partecipando alla concezione e al disegno dello studio e alla revisione del manoscritto insieme al resto del gruppo di ricerca. Il risultato è un messaggio equilibrato: l’intelligenza artificiale può diventare una risorsa preziosa, ma solo se progettata, validata e utilizzata con responsabilità.

FAQ

Gli LLM possono sostituire una dietista metabolica?

No. Lo studio conclude che gli LLM gratuiti non sono adatti all’uso autonomo nella gestione dietetica delle malattie metaboliche ereditarie. Possono aiutare nell’informazione generale, ma serve sempre supervisione specialistica.

Quali modelli sono stati valutati?

Sono stati valutati ChatGPT, GitHub Copilot Free, Gemini e Claude, nelle versioni gratuite disponibili al pubblico.

Qual è stato il risultato più importante?

Il risultato più importante è la variabilità delle risposte. Il 64,7% delle risposte valutabili era incoerente o solo parzialmente coerente quando la stessa domanda veniva ripetuta.

ChatGPT è risultato il migliore?

Nel campione analizzato ChatGPT ha ottenuto i punteggi complessivi più alti per accuratezza e completezza, senza risposte classificate come gravemente inaccurate o gravemente incomplete.Tuttavia, questo non significa che possa essere usato senza controllo clinico.

Perché le malattie metaboliche ereditarie sono un ambito così delicato?

Perché richiedono indicazioni dietetiche molto specifiche, spesso personalizzate, legate alla patologia, all’età, agli esami biochimici e alla situazione clinica del paziente.

Qual è stato il contributo di Andrea Belvedere?

Andrea Belvedere ha partecipato allo studio come coautore e Independent AI Researcher. Come riportato nella sezione Authors’ Contributions, ha contribuito alla concezione e al disegno dello studio e alla revisione del manoscritto.

Link e riferimento dello studio: https://jim.simmesn.org/article/1211