Three Decades of FDA Authorizations of AI/ML Enabled Medical Devices: Persistent Specialty Concentration and the Care Delivery Gap (1995 to 2025)

Questa analisi trasversale di 1.430 autorizzazioni FDA dal 1995 al 2025 rivela che, sebbene le approvazioni di dispositivi medici abilitati all'IA/ML siano aumentate esponenzialmente, esse rimangono fortemente concentrate in specialità diagnostiche ricche di immagini come la radiologia, lasciando significative lacune nella rappresentanza per altri importanti campi clinici quali la patologia, l'ostetricia e la salute comportamentale.

L'essenziale

Immaginate la Food and Drug Administration (FDA) degli Stati Uniti come una biblioteca enorme e affollata. Negli ultimi 30 anni, questa biblioteca ha tenuto un libro degli ospiti pubblico per ogni nuovo strumento medico "intelligente" (dispositivi alimentati dall'Intelligenza Artificiale o AI) che ha ottenuto il permesso di essere utilizzato negli ospedali americani.

Questo documento è come un bibliotecario che finalmente si è seduto per leggere l'intero libro degli ospiti dal 1995 fino alla fine del 2025. Ha contato ogni voce, ha esaminato chi le ha scritte e ha cercato di capire che tipo di strumenti vengono aggiunti agli scaffali.

Ecco cosa hanno scoperto, spiegato in modo semplice:

1. La biblioteca sta esplodendo di dimensioni

Per molto tempo, la biblioteca è stata tranquilla. Tra il 1995 e il 2014, hanno aggiunto solo circa due nuovi strumenti AI all'anno. Ma recentemente, il ritmo è diventato come un idrante.

• L'analogia: Pensate a una lenta goccia d'acqua che si trasforma in un fiume in piena.
• I numeri: Negli ultimi tre anni (2023–2025), la FDA ha approvato circa 264 nuovi strumenti AI ogni singolo anno. Solo nel 2025, hanno aggiunto 331 nuovi strumenti. Il conteggio totale ha raggiunto 1.430 dispositivi autorizzati.

2. La sala "Radiologia" è piena; il resto è vuoto

Questa è la sorpresa più grande. La biblioteca ha molte sale diverse per diversi tipi di medici (specialità), ma quasi tutti si stanno accalando in una sola sala: Radiologia (medici che leggono radiografie, TAC e risonanze magnetiche).

• L'analogia: Immaginate una scuola con 30 aule diverse. Se entraste, trovereste il 76% di tutti gli studenti seduti nell'aula "Radiologia". Le aule "Cardiovascolare" (cuore) e "Neurologia" (cervello) hanno qualche studente, ma le aule "Patologia" (test di laboratorio), "Microbiologia" (germi) e "Ostetricia" (gravidanza) sono quasi vuote.
• La realtà:
  • Radiologia: 76,5% di tutti gli strumenti approvati (1.094 dispositivi).
  • Cuore e Cervello: Insieme, costituiscono circa il 14% in più.
  • Le sale mancanti: Non sono stati approvati quasi strumenti per la Psichiatria (salute mentale), anche se la salute mentale è una parte enorme dell'assistenza sanitaria. C'erano anche molto pochi per Patologia, Microbiologia o Ostetricia.
• La conclusione: Gli autori dicono che questo non è un errore temporaneo; è così da un decennio. La sala "Radiologia" continua a ingrandirsi, ma le altre sale non stanno tenendo il passo, anche se i medici in quelle altre specialità curano milioni di pazienti.

3. I "Super-autori" contro i "One-hit wonder"

Il documento ha anche esaminato le aziende che realizzano questi strumenti.

• L'analogia: Immaginate un concorso di composizione musicale. La maggior parte dei partecipanti (67,8%) ha scritto solo una canzone e l'ha presentata. Ma un piccolo gruppo di 13 aziende "superstar" ha scritto dozzine di canzoni ciascuna.
• La realtà:
  • La maggioranza: 502 aziende diverse hanno solo uno strumento AI approvato.
  • La minoranza: Solo 13 aziende (meno del 2% del totale) sono responsabili del 15% di tutti gli strumenti. Una singola azienda ha 51 strumenti diversi approvati.
• La conclusione: Il mercato è diviso tra un gran numero di piccoli attori una tantum e un piccolo gruppo di grandi aziende che continuano a creare sempre più strumenti.

4. Perché la Radiologia è così dominante?

Gli autori suggeriscono alcune ragioni per cui la sala "Radiologia" è così piena:

• I dati: La radiologia ha un modo molto organizzato per archiviare le immagini (chiamato DICOM). È come avere una biblioteca dove ogni libro è già ordinato, etichettato e sullo scaffale. Altri campi (come la salute mentale o il lavoro di laboratorio) non hanno dati che siano così facili da organizzare e fornire all'AI.
• Le regole: Le regole per approvare software che analizza immagini sono più chiare rispetto alle regole per altri tipi di AI medica.

Cosa questo documento non dice

È importante attenersi a ciò che gli autori hanno effettivamente scritto:

• Non dicono che questi strumenti siano cattivi o buoni per i pazienti.
• Non dicono che la FDA stia facendo un lavoro scadente.
• Non prevedono esattamente cosa accadrà dopo.
• Non affermano che l'AI non possa funzionare nella salute mentale o in altri campi; semplicemente sottolineano che, finora, la FDA non ha approvato molti strumenti per quelle aree.

La conclusione

Questo documento è un rapporto sullo "stato dell'Unione" per l'AI medica. Dice: "Abbiamo approvato 1.430 strumenti medici intelligenti. Stanno crescendo rapidamente, ma sono quasi tutti per la lettura di radiografie, realizzati da un mix di molte piccole aziende e poche grandi. Se vogliamo che l'AI aiuti in altre aree come la salute mentale o la gravidanza, dobbiamo capire come costruire i dati e le regole per ottenere l'approvazione di quegli strumenti".

Sommario tecnico

Riepilogo Tecnico: Tre Decenni di Autorizzazioni FDA per Dispositivi Medici Abilitati all'Intelligenza Artificiale e all'Apprendimento Automatico (1995–2025)

Enunciazione del Problema
Sebbene la Food and Drug Administration (FDA) degli Stati Uniti mantenga un registro pubblico dei dispositivi medici abilitati all'intelligenza artificiale e all'apprendimento automatico (AI/ML), le analisi precedenti di questo panorama normativo sono state limitate dalla portata temporale e dalla profondità della caratterizzazione. Studi precedenti, come quelli che hanno identificato 64 dispositivi fino al 2020 o 691 entro ottobre 2023, hanno costantemente notato una predominanza delle applicazioni di radiologia. Tuttavia, queste opere precedenti non hanno caratterizzato l'intero dataset cumulativo fino alla fine del 2025, né hanno quantificato sistematicamente la sottorappresentazione di altre specialità cliniche ad alto volume rispetto al loro carico clinico. Inoltre, la concentrazione delle autorizzazioni tra un piccolo sottoinsieme di produttori non era stata descritta sistematicamente, lasciando lacune nella comprensione della struttura di mercato e degli incentivi all'innovazione nell'ambito dell'AI medica.

Metodologia
Questo studio ha eseguito un'analisi trasversale dell'elenco pubblico mantenuto dalla FDA dei dispositivi medici abilitati all'AI/ML, accessibile in formato tabulare deidentificato. Il dataset comprendeva 1.430 autorizzazioni con date di decisione finale comprese tra il 29 settembre 1995 e il 30 dicembre 2025. Questi dispositivi sono stati autorizzati tramite le vie 510(k), De Novo o Approvazione Pre-Mercato (PMA).

L'analisi ha utilizzato Python 3.11 e la libreria pandas per calcolare:

• Crescita Temporale: Conteggi annuali e cumulativi di autorizzazioni stratificati per anno.
• Distribuzione per Specialità: La proporzione di autorizzazioni attribuibile a ciascun panel di revisione principale della FDA (corrispondente in senso ampio alle specialità mediche).
• Stabilità Temporale: La proporzione di autorizzazioni per il panel di Radiologia e per i primi tre panel combinati annualmente dal 2015 al 2025.
• Concentrazione dei Produttori: La distribuzione delle autorizzazioni tra produttori unici, distinguendo tra aziende con una sola autorizzazione ed entità con autorizzazioni multiple.

Lo studio è stato di natura descrittiva; non erano previsti test di ipotesi formali. Non è stata richiesta l'approvazione etica poiché l'analisi ha utilizzato un dataset normativo pubblicamente disponibile privo di informazioni a livello di paziente.

Risultati Chiave

• Crescita Esponenziale: Il tasso annuale di autorizzazioni è aumentato da una media di 1,8 all'anno (1995–2014) a 264,0 all'anno (2023–2025). Il conteggio cumulativo ha raggiunto 1.430 entro dicembre 2025, con un picco annuale di 331 autorizzazioni nel 2025.
• Concentrazione Persistente per Specialità: Il panel di Radiologia ha rappresentato 1.094 autorizzazioni (76,5%). I primi tre panel – Radiologia, Cardiovascolare e Neurologia – hanno collettivamente rappresentato il 90,6% di tutte le autorizzazioni.
• Disparità tra Specialità: Diverse grandi specialità cliniche hanno mostrato una rappresentazione minima. La Patologia ha avuto 9 autorizzazioni (0,6%), la Microbiologia 6 (0,4%) e l'Ostetricia e Ginecologia 4 (0,3%). Significativamente, non sono state registrate autorizzazioni sotto un panel di revisione per la psichiatria o la salute comportamentale.
• Stabilità Temporale: La quota di autorizzazioni annuali esaminate dal panel di Radiologia è rimasta stabile tra il 61,5% e l'86,8% dal 2018 al 2025, senza una tendenza al ribasso sostenuta nonostante il massiccio aumento del volume totale.
• Percorsi Normativi: La via 510(k) è stata il meccanismo predominante, autorizzando 1.376 dispositivi (96,2%). Le vie De Novo e PMA hanno rappresentato rispettivamente il 2,6% e l'1,2%.
• Concentrazione dei Produttori: Tra 740 produttori unici, 502 (67,8%) avevano un solo dispositivo autorizzato. Al contrario, 13 produttori (1,8%) hanno rappresentato 217 dispositivi (15,2%), con il produttore principale che deteneva 51 autorizzazioni.

Significato e Affermazioni
Il documento afferma che il registro normativo cumulativo dimostra una crescita rapida strutturalmente concentrata nelle specialità diagnostiche ricche di immagini, in particolare la radiologia. La stabilità di questa concentrazione nel corso di un decennio, nonostante un aumento di circa 50 volte dei tassi annuali di autorizzazione, suggerisce che i fattori trainanti sono strutturali – probabilmente legati alla disponibilità di grandi dataset di imaging etichettati e standardizzati (tramite l'infrastruttura DICOM), quadri normativi ben definiti per l'analisi delle immagini e flussi di lavoro commerciali consolidati – piuttosto che transitori.

Gli autori evidenziano il "divario nella fornitura di cure", notando che la sottorappresentazione di specialità con significativa attività clinica (ad esempio, psichiatria, patologia, ostetricia/ginecologia) contrasta nettamente con il volume di lavoro clinico svolto in quei settori. I risultati intendono informare le discussioni politiche su dove siano più necessari investimenti normativi, infrastrutturali e nei dataset per ampliare la portata clinica dell'AI medica, piuttosto che sostenere interventi politici specifici. Lo studio nota inoltre che aggregatori pubblici, come PhysicianAITools.com, possono supportare analisi più ampie del panorama collegando i record della FDA a metadati basati sulla scoperta.