Public attitudes toward sharing health data for artificial intelligence: Differences by data type and sector in the Health in Central Denmark cohort

Uno studio su 38.740 partecipanti in Danimarca rivela che la volontà del pubblico di condividere dati sanitari per l'IA dipende dal tipo di dato e dal settore (pubblico o privato), con una maggiore propensione verso le istituzioni pubbliche e un livello significativo di incertezza che richiede una governance trasparente per mantenere la fiducia.

L'essenziale

🏥 Il Grande Esperimento: Chi può toccare i nostri "diari di salute"?

Immagina che la tua storia medica sia come un grande baule di ricordi che contiene:

1. Le pagine scritte del tuo diario (i cartelli clinici).
2. Le foto dei tuoi viaggi (le radiografie e le TAC).
3. Le registrazioni delle tue conversazioni con l'amico di fiducia (le visite dal dottore).
4. Il codice genetico che ti rende unico (il tuo DNA).

Oggi, le macchine intelligenti (l'AI) vogliono imparare a leggere questo baule per diventare più brave a curare le persone. Ma c'è un problema: chi deve avere la chiave per aprire il baule?

Uno studio enorme fatto in Danimarca (con quasi 40.000 persone) ha chiesto alla gente: "Se un computer intelligente dovesse analizzare i tuoi dati per migliorare la medicina, saresti d'accordo?".

Ecco cosa hanno scoperto, spiegato con delle metafore:

1. La "Fiducia" dipende dal "Vicino di Casa"

Gli scienziati hanno diviso le persone in due gruppi e hanno fatto la stessa domanda, ma cambiando solo chi usava i dati:

• Gruppo A: "I dati li usa un ospedale pubblico (il tuo vicino di casa affidabile)."
• Gruppo B: "I dati li usa un'azienda privata (un mercante di passaggio)."

Il risultato? La gente ha detto "Sì" molto più spesso al vicino di casa (il settore pubblico) che al mercante.

• L'analogia: È come se chiedessi a qualcuno di prestare la sua ricetta segreta. La maggior parte delle persone la darebbe volentieri alla nonna che cucina per la comunità, ma esiterebbe molto di più a darla a un ristorante che vuole venderla per fare profitti.
• I numeri: La disponibilità a condividere i dati con il settore pubblico era più alta del 12-16% rispetto al settore privato.

2. Cosa siamo disposti a condividere? (Non tutto è uguale)

Non tutti i dati sono visti allo stesso modo. Immagina di dover dare le chiavi di diverse stanze della tua casa:

• Le Foto (Le Radiografie): È la cosa che la gente accetta più volentieri (46%). È come mostrare le foto delle vacanze: non sembrano troppo intime, e sono utili per capire dove sei stato.
• Il Diario (I Cartelli Clinici): Accettato da circa il 39%. È come se qualcuno leggesse il tuo diario personale: un po' più intimo, ma ancora gestibile.
• Il DNA (Il Codice Genetico): Qui le cose si fanno serie (35%). È come dare a qualcuno le chiavi della tua identità biologica. C'è più paura che qualcuno possa usarle contro di te o venderle.
• Le Registrazioni (Le Visite): È la cosa che la gente odia di più (27%). È come se qualcuno mettesse un microfono nascosto mentre parli con il tuo medico. Sembra una violazione della privacy più profonda.

3. Il "Muro della Confusione" (Il "Non lo so")

C'è un dato molto importante: un terzo delle persone ha risposto "Non lo so".

• L'analogia: Immagina di essere in una stanza buia e qualcuno ti chiede di saltare in un buco. Non sai se è un buco pieno di acqua fresca o di spine. Non è che sei contro il salto, è che non sai cosa c'è sotto.
• Le persone sono confuse su come funziona l'AI. Non sanno se i loro dati saranno usati per salvarle la vita o per vendere loro assicurazioni costose. Questa incertezza è enorme, specialmente per i dati genetici e le registrazioni vocali.

4. Perché è importante?

Lo studio ci dice due cose fondamentali per il futuro:

1. La fiducia è tutto: Se le aziende private vogliono usare i nostri dati per creare AI, devono costruire un ponte di fiducia fortissimo, altrimenti la gente dirà di no.
2. La trasparenza è la chiave: Dobbiamo spiegare alle persone esattamente cosa succede ai loro dati. Non basta dire "è per la ricerca". Dobbiamo dire: "I tuoi dati resteranno in una cassaforte digitale, saranno usati solo per curare il diabete e nessuno li venderà".

In sintesi

Immagina l'AI in medicina come un nuovo motore per un'auto. Per farlo funzionare, abbiamo bisogno di carburante (i nostri dati).

• La gente è disposta a mettere il carburante nel serbatoio se sa che il motore è guidato da un autista di fiducia (lo Stato/Ospedale pubblico).
• La gente ha paura se l'autore è un sconosciuto (azienda privata).
• La gente ha ancora più paura se il carburante è molto speciale e delicato (DNA o registrazioni vocali).

Il messaggio finale è: Per far funzionare questa macchina del futuro, dobbiamo essere onesti, trasparenti e garantire che il "vicino di casa" (il settore pubblico) tenga sempre il controllo del volante.

Sommario tecnico

Titolo dello Studio

Atteggiamenti pubblici verso la condivisione dei dati sanitari per l'intelligenza artificiale: Differenze per tipo di dati e settore nel cohort "Health in Central Denmark"

1. Problema e Contesto

Lo sviluppo di applicazioni di Intelligenza Artificiale (AI) in ambito sanitario richiede l'accesso a grandi quantità di dati sanitari di alta qualità (cartelle cliniche elettroniche, immagini mediche, registrazioni audio, dati genetici). Tuttavia, la disponibilità di tali dati dipende dalla volontà dei cittadini di condividerli.
Il problema centrale affrontato dallo studio è la mancanza di comprensione delle percezioni pubbliche specifiche relative all'uso dei dati per l'AI, distinguendo tra:

• Tipi di dati: Variabilità nella sensibilità percepita (es. dati genetici vs. immagini mediche).
• Destinatari dei dati: La differenza di fiducia tra istituzioni del settore pubblico e organizzazioni del settore privato (commerciale).
  Sebbene la fiducia nelle istituzioni pubbliche sia generalmente alta nei paesi nordici, l'impatto specifico dell'AI e delle motivazioni commerciali sulla disponibilità a condividere i dati non era stato sufficientemente esplorato in precedenza.

2. Metodologia

Lo studio ha utilizzato un disegno di ricerca trasversale basato su un'indagine su larga scala condotta nel 2024.

• Fonte dei dati: Indagine "Health in Central Denmark" (HICD) condotta nella Regione della Danimarca Centrale.
• Campionamento:
  • Popolazione target: 136.229 residenti (18-92 anni).
  • Campione finale analizzato: 38.740 partecipanti (tasso di risposta del 29%).
  • I partecipanti sono stati randomizzati in due gruppi per rispondere a scenari identici, con una sola variabile modificata: il destinatario dei dati era un'organizzazione del settore pubblico o del settore privato.
• Variabili in esame:
  • Tipi di dati: 1) Cartelle cliniche elettroniche (testo e dati tabulari), 2) Immagini mediche (scansioni), 3) Registrazioni audio delle visite, 4) Informazioni genetiche.
  • Risposte possibili: "Sì", "No", "Non so".
• Analisi Statistica:
  • I risultati sono stati pesati (weighted) per rappresentare la popolazione di fondo di circa 1 milione di abitanti, correggendo per età, sesso, livello di istruzione e stato diabetico.
  • È stata utilizzata una regressione logistica multinomiale per analizzare l'associazione tra il gruppo di randomizzazione (settore pubblico vs. privato) e l'atteggiamento verso la condivisione, utilizzando "Non so" come categoria di riferimento.
  • Sono stati calcolati gli Odds Ratio (OR) per le risposte "Sì" e "No".

3. Contributi Chiave

• Scala e Design: Si tratta di uno dei più grandi studi basati sulla popolazione (n=38.740) focalizzato specificamente sulla condivisione dei dati per l'AI. L'uso della randomizzazione ha permesso di isolare l'effetto del "destinatario" (pubblico vs. privato) senza confondenti.
• Nuove Modalità di Dati: Lo studio include tipi di dati emergenti per l'AI, come le registrazioni audio delle consultazioni mediche, spesso trascurati negli studi precedenti.
• Analisi Comparativa: Fornisce un confronto diretto tra la percezione dei dati sensibili (genetici, audio) e quelli clinici standard, distinguendo chiaramente tra motivazioni pubbliche e private.

4. Risultati Principali

A. Disponibilità a condividere per tipo di dato (Totale):
La volontà di condividere i dati varia significativamente in base alla sensibilità percepita del dato:

1. Immagini mediche: 46% (più alta accettazione).
2. Testo dalle cartelle cliniche: 39%.
3. Informazioni genetiche: 35%.
4. Registrazioni audio: 27% (più bassa accettazione).

B. Impatto del Settore (Pubblico vs. Privato):

• Esiste una differenza sistematica del 12-16% a favore del settore pubblico.
• Immagini: 53% (Pubblico) vs 38% (Privato).
• Testo: 45% (Pubblico) vs 29% (Privato).
• Genetica: 41% (Pubblico) vs 29% (Privato).
• Audio: 33% (Pubblico) vs 21% (Privato).

C. Incertezza ("Non so"):

• Un livello elevato di incertezza è stato osservato per tutti i tipi di dati (tra il 29% e il 36%), indipendentemente dal destinatario.
• L'incertezza è particolarmente alta per i dati genetici (36%) e le registrazioni audio (34%).
• Non vi è stata differenza significativa nella proporzione di risposte "Non so" tra settore pubblico e privato.

D. Analisi Statistica (Odds Ratio - OR):
Rispetto al settore privato (riferimento), il settore pubblico aumenta significativamente la probabilità di rispondere "Sì" e riduce la probabilità di rispondere "No":

• OR per "Sì": Variabile da 1,37 (genetica) a 1,78 (cartelle cliniche).
• OR per "No": Variabile da 0,51 (cartelle cliniche) a 0,67 (audio), indicando una minore probabilità di rifiuto verso il settore pubblico.

5. Significato e Implicazioni

Fiducia Istituzionale e Governance:
I risultati confermano che la fiducia nelle istituzioni pubbliche è un fattore determinante per l'accettazione dell'AI sanitaria. La preoccupazione per i motivi commerciali (profitto) è una barriera significativa. Gli autori suggeriscono che lo sviluppo di soluzioni AI dovrebbe essere ancorato a infrastrutture governate pubblicamente o sottoposto a una rigorosa supervisione pubblica quando coinvolge partner privati.

Gestione della Sensibilità dei Dati:
La variabilità nell'accettazione suggerisce la necessità di modelli di governance "tiered" (a livelli). Dati come le registrazioni audio e le informazioni genetiche richiedono salvaguardie rafforzate, procedure di consenso più dettagliate e una comunicazione trasparente sui rischi e sui benefici.

Il Paradosso dell'Incertezza:
L'alto livello di incertezza ("Non so") indica una mancanza di conoscenza o di coinvolgimento del pubblico su questi temi, piuttosto che un semplice rifiuto. Questo sottolinea la necessità di:

• Migliorare l'alfabetizzazione digitale e sull'AI.
• Comunicare chiaramente come i dati vengono anonimizzati, archiviati e chi vi ha accesso.
• Coinvolgere i cittadini nella definizione delle politiche di consenso.

Conclusioni:
L'accettazione pubblica della condivisione dei dati per l'AI non è un dato assoluto, ma dipende dalla natura dei dati e dal contesto istituzionale. Per garantire uno sviluppo sostenibile e socialmente accettabile dell'AI in sanità, è fondamentale bilanciare l'innovazione con la protezione della privacy, la trasparenza e la garanzia che i dati siano utilizzati per il bene pubblico piuttosto che per interessi commerciali esclusivi.