ARTICOLI In questa sezione, gli articoli si concentreranno su medicina narrativa, medical humanities ed etica della cura. Analizzando studi pubblicati su riviste scientifiche autorevoli, si tenterà di offrire un punto di partenza per un dialogo interdisciplinare che coinvolga tutti i professionisti della salute. L’obiettivo è contribuire alla costruzione di una pratica clinica più completa e personalizzata, che valorizzi sia l’efficacia degli interventi che la dimensione umana dell’esperienza di malattia

Schwartz, D., & Lanphier, E. (2025). The new narrative medicine: ethical implications of artificial intelligence on healthcare narratives.

Premessa

Nel 2025, su Monash Bioethics Review, Danielle Schwartz ed Eric Lanphier propongono di leggere l’avvento dei modelli linguistici di grandi dimensioni (LLM) come l’avvio di una “nuova medicina narrativa”. L’idea di fondo è chiara: se l’IA generativa è addestrata su immense quantità di testi, molte volte narrativi, e se produce a sua volta testi in forma narrata, allora le trasformazioni portate dagli LLM non riguardano solo la tecnica, ma anche e soprattutto le narrazioni che attraversano la cura.

Questo post prova a fare due cose:

1. presentare i passaggi principali dell’articolo;
2. offrire alcune riflessioni critiche, dal punto di vista della medicina narrativa, su come parlare di “narrazione” quando al centro c’è un modello linguistico statistico.

1. L’articolo in breve

1.1. LLM come “progetto narrativo”

Schwartz e Lanphier assumono un punto di vista esplicitamente narratologico: gli LLM vengono descritti come sistemi che consumano storie (nei dati di training), producono storie (nei testi generati) e si interfacciano attraverso storie (nei prompt e nelle conversazioni). In questo senso, parlano di un “progetto profondamente narrativo”, che trasforma il modo in cui le storie di malattia circolano nei contesti clinici.

Questa trasformazione, per gli autori, non è solo quantitativa (più testi, più velocemente), ma qualitativa: l’introduzione sistematica di strumenti che generano e riscrivono narrazioni potrebbe incidere sulle forme retoriche delle cartelle cliniche, sulle voci che vengono ascoltate e su quelle che rischiano di essere normalizzate o silenziate.

1.2. Dati, storie e la “scomparsa” della loro linea di demarcazione

Un secondo asse del saggio riguarda la distinzione – classica per la medicina narrativa – fra dato e storia. In un contesto strutturato da LLM, dicono gli autori, questa distinzione tende a sfumare: le narrazioni diventano dati (materiale per il training, per il fine-tuning, per i sistemi di supporto alla documentazione) e, simmetricamente, i dati vengono riconfezionati in forma narrativa, per essere restituiti a pazienti e professionisti.

Da qui l’ipotesi che la “vecchia” opposizione fra medicina basata sulle evidenze (EBM) e medicina basata sulle narrazioni (NBM) non regga più così com’era formulata negli anni Novanta e Duemila: le storie sono ormai, letteralmente, parte dell’infrastruttura dei dati.

1.3. Dal clinico autore al clinico editor: il caso della documentazione automatizzata

Una delle parti più concrete dell’articolo è dedicata alle tecnologie che producono bozze automatizzate di documentazione clinica a partire da registrazioni audio o note frammentarie. Gli autori prendono come esempio il sistema DAX Copilot, che genera draft di note cliniche che il professionista può rivedere, correggere e firmare.

Qui emerge una figura nuova: quella del clinico come editor della narrazione generata dall’IA. Se prima il medico era autore diretto della nota, ora si trova sempre più spesso a revisionare testi proposti da un modello pre-addestrato, addestrato su milioni di note cliniche e conversazioni.

Schwartz e Lanphier vedono in questa trasformazione sia potenziali vantaggi (riduzione del carico burocratico, più tempo per il paziente) sia rischi: fra questi, la tendenza alla standardizzazione delle storie e la possibilità che alcune dimensioni dell’esperienza del paziente vengano espulse dalle narrazioni cliniche perché difficili da “scrivere bene” per il modello.

1.4. Verso una “collaborazione tecno-umanista”

Nella parte finale, gli autori propongono un orizzonte di collaborazione tecno-umanista. Da un lato, riconoscono la potenza degli strumenti LLM nel generare sintesi, adattare linguaggio e supportare la documentazione. Dall’altro, invitano a tenere al centro l’attenzione della medicina narrativa per le voci marginali, le asimmetrie di potere, la singolarità dei percorsi di malattia.

Il messaggio è, in sintesi, duplice: la medicina narrativa non può ignorare gli LLM, perché stanno già trasformando le narrazioni in sanità; ma allo stesso tempo è chiamata a vigilare criticamente sulle forme di questa trasformazione.

2. Un commento critico (costruttivo)

Nella seconda parte dell’articolo, Schwartz e Lanphier propongono talvolta formulazioni forti – ad esempio quando parlano degli LLM come “intrinsecamente e fondamentalmente narrativi”. Queste formule hanno una forza evocativa importante, ma sollevano alcune domande sul piano tecnico e concettuale. Qui di seguito raccolgo alcune riflessioni personali, che non intendono sminuire il valore del saggio, ma piuttosto precisare il lessico con cui, come comunità della medicina narrativa, ci riferiamo a queste tecnologie.

2.1. Che cosa vuol dire dire che un LLM è “narrativo”?

È certamente vero che gli LLM sono addestrati su corpora in gran parte testuali, spesso narrativi, e che molte delle interazioni con i sistemi generativi assumono la forma di uno scambio in prima persona (“raccontami”, “descrivi”, “spiega a un paziente…”). È altrettanto vero che gli output sono, integralmente, testi in forma discorsiva, spesso con struttura narrativa.

Tuttavia, dal punto di vista del funzionamento interno del modello, credo sia importante mantenere una distinzione netta:

• nel training, i testi vengono ridotti a token e a rappresentazioni vettoriali;
• il modello apprende pattern statistici di successione e co-occorrenza fra token, non mondi possibili, intrecci, punti di vista;
• durante l’inferenza, genera la sequenza più probabile (o una delle sequenze plausibili) dato un certo contesto.

Parlare di LLM come di entità “intrinsecamente narrative” rischia, a mio avviso, di rendere opaca questa differenza. Preferisco pensare gli LLM come ambienti di produzione di testi formattati narrativamente, perché questo è ciò che noi chiediamo loro e ciò che noi valutiamo.

In altre parole, la narratività che vediamo nell’output è, in larga misura, un riflesso della nostra narratività:

• dei generi discorsivi in cui li addestriamo;
• delle richieste che formuliamo;
• dei criteri con cui accettiamo o rifiutiamo una risposta.

Attribuire al modello una “intenzionalità narrativa” rischia di spostare indebitamente il fuoco dalla responsabilità umana (clinica, etica, organizzativa) alla tecnologia.

2.2. Narrazioni come dati: cosa resta della distinzione fra “dato” e “storia”?

Schwartz e Lanphier colgono un punto decisivo quando mostrano come, negli ecosistemi LLM, le narrazioni diventino dati: vengono spezzate, annotate, ricombinate, usate per addestrare sistemi o per affinare modelli specifici. Allo stesso tempo, i dati clinici strutturati vengono riscritti in forma narrativa per facilitare la comunicazione con pazienti e professionisti.

Da qui la loro affermazione: la linea di demarcazione fra dati e storie starebbe scomparendo.

Dal punto di vista della medicina narrativa, io tenderei a formulare la cosa in modo leggermente diverso. Nel momento in cui una storia di malattia viene trattata da un LLM, si producono almeno due livelli distinti:

1. una narrazione-dato: il testo viene ridotto a unità manipolabili (token), diventa materiale per il calcolo, può essere aggregato, ricombinato, riassunto;
2. una narrazione-storia: ciò che per quella persona, in quel contesto, costituisce la trama del proprio ammalarsi, curarsi, aspettare, sperare, temere.

Nel primo caso domina un tempo sincronico: il dato è collocato rispetto a una norma, a una distribuzione, a una soglia; viene “messo in riga” con altri dati. Nel secondo caso emerge un tempo diacronico: eventi che acquistano senso retrospettivo, rotture biografiche, continuità e discontinuità nella storia della persona e della sua rete di cura.

Dire che la linea fra dati e storie scompare descrive bene ciò che accade all’interno delle infrastrutture tecniche. Ma proprio per questo, nella pratica clinica e formativa, io credo che questa distinzione vada mantenuta con ancora maggiore attenzione:

• perché è su questo scarto che la medicina narrativa ha costruito gran parte della propria riflessione;
• perché confondere la manipolabilità computazionale di una narrazione con la sua verità biografica rischia di indebolire la capacità critica dei professionisti, invece di rafforzarla.

2.3. Il clinico-editor: opportunità e rischi concreti

La figura del clinico come editor dei testi generati dall’IA è uno degli elementi più stimolanti dell’articolo. Mi sembra una buona descrizione di ciò che sta accadendo in molti contesti: i professionisti si trovano sempre più spesso davanti a bozze precompilate, da controllare, correggere e validare.

Questa trasformazione apre possibilità interessanti: se l’editing è fatto con attenzione, può diventare un momento di riflessione critica sulla forma delle narrazioni cliniche, sulle parole che scegliamo e su quelle che sistematicamente lasciamo fuori.

Allo stesso tempo, vedo almeno due rischi concreti:

1. Passività narrativa. Quando i carichi di lavoro sono elevati, l’editing tende a ridursi a un controllo superficiale: si correggono alcuni dettagli, si firma, ma il grosso del lavoro narrativo è delegato al modello. In questo scenario, il clinico non è tanto editor quanto validatore formale.
2. Normalizzazione delle storie. I modelli addestrati su grandi corpora clinici tendono a convergere verso forme espressive standard. Questo può avere effetti positivi (chiarezza, coerenza), ma anche un effetto di appiattimento: più è forte l’egemonia strutturale del template linguistico proposto dal sistema, più diventa difficile riconoscere e preservare ciò che nella storia di quel paziente eccede la “media statistica”. Proprio per questo, una linea di lavoro possibile è chiedere che i template generati dall’IA siano progettati in modo più flessibile, con “finestre singolari di opportunità”: sezioni esplicitamente dedicate a ciò che non rientra nello schema, in cui il clinico è invitato a introdurre in prima persona elementi di contesto, vissuti, eccezioni.

Perché la figura del clinico-editor sia qualcosa di più di una finzione normativa, servono condizioni organizzative precise:

• tempo reale dedicato alla revisione;
• formazione specifica sui limiti e le possibilità dei testi generati da LLM;
• riconoscimento esplicito della responsabilità editoriale (e quindi etica) del professionista sulla forma finale delle narrazioni che entrano in cartella.

2.4. Una collaborazione tecno-umanista con asimmetrie dichiarate

Condivido l’orizzonte di collaborazione tecno-umanista proposto dagli autori, a patto che alcune asimmetrie restino ben visibili.

Almeno tre mi sembrano non negoziabili:

1. Tra chi vive la storia e chi la elabora. Il paziente e la sua rete di cura restano i portatori dell’esperienza. Il modello manipola rappresentazioni testuali di quell’esperienza, ma non ne fa mai esperienza in prima persona.
2. Tra chi risponde delle decisioni e il dispositivo che le rende più probabili. Gli LLM possono suggerire formulazioni, sintesi, piste interpretative; la responsabilità delle decisioni cliniche resta dei professionisti e delle istituzioni.
3. Tra tempo computazionale e tempo esistenziale. I millisecondi dell’inferenza di un modello non possono diventare la misura del tempo della cura. La storia di una malattia è fatta di attese, cambiamenti di prospettiva, mutamenti nei legami: un tempo lungo, discontinuo, spesso caotico.

Una “nuova medicina narrativa” che integri seriamente gli LLM dovrà, a mio avviso, tenere insieme questi tre livelli: potenza computazionale, responsabilità professionale, temporalità vissuta.

3. Perché leggere (e discutere) questo saggio nella comunità della medicina narrativa

Nonostante le riserve che ho provato a esplicitare, considero l’articolo  di Schwartz e Lanphier un contributo importante per almeno tre ragioni:

1. Sposta la discussione sull’IA generativa dal solo piano tecnico a quello delle forme narrative della cura, mostrando come gli LLM intervengano nel cuore della pratica documentale e comunicativa.
2. Offre una prima grammatica concettuale per pensare la figura del clinico-editor e la circolazione di narrazioni generate o riscritte da sistemi automatizzati.
3. Invita la medicina narrativa a non sottrarsi al confronto con queste tecnologie, ma a farlo a partire dal proprio lessico, dalle proprie categorie: voce, trama, tempo, responsabilità, giustizia narrativa.

Se prendiamo sul serio questa sfida, dovremo lavorare su più piani: ricerca empirica sugli usi reali degli LLM nelle pratiche di cura; elaborazione teorica sul rapporto fra dato e storia nell’epoca dei modelli generativi; progettazione di percorsi formativi che rendano i professionisti capaci di abitare criticamente questi nuovi ambienti narrativi.

In questo senso, il saggio di Schwartz e Lanphier può essere letto sia come un invito che come un avvertimento. L’invito è a riconoscere che l’IA generativa non è “altro” rispetto alla medicina narrativa, ma uno dei luoghi in cui oggi si giocano le forme delle storie di cura. L’avvertimento è che, se non manteniamo vigile la distinzione fra token e racconto, fra dato e storia, la retorica della “nuova medicina narrativa” rischia di diventare un’etichetta seducente per tecnologie che, in assenza di una vigilanza critica, potrebbero contribuire a indebolire proprio ciò che vorremmo proteggere: la singolarità delle vite che la medicina incontra.

Bibliografia

Schwartz, D., & Lanphier, E. (2025). The new narrative medicine: ethical implications of artificial intelligence on healthcare narratives. Monash Bioethics Review. https://doi.org/10.1007/s40592-025-00256-z