L’evoluzione recente delle tecnologie digitali ha progressivamente introdotto sistemi di intelligenza artificiale nei contesti sanitari, incidendo in modo significativo sull’organizzazione dei servizi, sui processi decisionali clinici e sulle modalità di erogazione dell’assistenza (Topol 2019; Davenport & Kalakota 2019). In ambito biomedico, il termine intelligenza artificiale (IA) fa riferimento a sistemi informatici in grado di elaborare grandi quantità di dati, apprendere da essi e supportare processi decisionali complessi attraverso tecniche di apprendimento automatico e riconoscimento di pattern (Russell & Norvig 2021). Nell’infermieristica, l’introduzione dell’IA interessa oggi diversi aspetti della pratica professionale, tra cui il monitoraggio clinico, la gestione informatizzata della terapia, l’organizzazione del lavoro e la prevenzione del rischio clinico, sollevando interrogativi di natura tecnica, etica, organizzativa e formativa e contribuendo a una progressiva ridefinizione del ruolo dell’infermiere (Rossi & Bagnasco, 2020; Raymond et al., 2022; Wang et al., 2024).

Metodologia della revisione

Il presente lavoro ha l’obiettivo di analizzare in modo critico e aggiornato l’impatto dell’IA sulla sicurezza delle cure, sull’organizzazione del lavoro e sulle competenze professionali infermieristiche. L’analisi è stata condotta attraverso una revisione narrativa della letteratura, strutturata secondo i principali riferimenti metodologici della dichiarazione PRISMA e supportata dall’utilizzo del modello PICO per la definizione della domanda di ricerca.

La domanda di ricerca è stata strutturata secondo il modello PICO:

Il presente lavoro non intende proporre un confronto sperimentale diretto tra pratica infermieristica tradizionale e pratica supportata da tecnologie di IA, ma offre una analisi esplorativa e narrativa degli impatti emergenti dell’IA, alla luce delle evidenze disponibili in letteratura.

Strategia di ricerca
La ricerca bibliografica è stata condotta sulle banche dati PubMed, MEDLINE e The Cochrane Library. La strategia di ricerca è stata sviluppata mediante l’utilizzo di parole chiave combinate con operatori booleani (AND, OR). La stringa di ricerca utilizzata è stata: (“artificial intelligence” AND nursing) AND (“clinical decision support” OR “nursing robotics” OR ethics). Le principali parole chiave (keywords) impiegate includono: artificial intelligence, nursing, clinical decision support systems, nursing robotics, ethics, healthcare.

I criteri di inclusione ed esclusione adottati per la selezione degli studi sono riportati nella Fig. 1.

La selezione degli studi è stata effettuata da due autori in modo indipendente, mediante una prima valutazione di titoli e abstract e una successiva analisi dei testi completi (full-text). Le eventuali discrepanze emerse durante il processo di selezione sono state risolte attraverso confronto e consenso collegiale, con il coinvolgimento degli altri membri del gruppo e supervisione metodologica.
La ricerca bibliografica ha prodotto inizialmente 1.320 record. Dopo la rimozione dei duplicati, gli articoli rimanenti sono stati sottoposti a screening per titolo e abstract. Gli studi non pertinenti agli obiettivi della ricerca sono stati esclusi in questa fase. I contributi ritenuti potenzialmente rilevanti sono stati valutati in full-text; gli articoli esclusi in questa fase lo sono stati per assenza di focus sulla pratica infermieristica, mancanza di dati rilevanti o disegno di studio non coerente con la domanda di ricerca. La selezione finale ha portato all’inclusione di cinque studi nella sintesi qualitativa. Il processo di selezione è rappresentato nel diagramma PRISMA (Fig. 2). Sono stati inclusi studi pubblicati nel periodo 2018–2025.
Gli studi inclusi sono stati sottoposti a una valutazione critica qualitativa (critical appraisal), tenendo conto del disegno di studio, della coerenza metodologica, della pertinenza rispetto agli obiettivi del lavoro e dei limiti dichiarati dagli autori. Considerata la natura narrativa della revisione e l’eterogeneità dei disegni degli studi inclusi, la valutazione è stata condotta in forma descrittiva, senza applicazione di strumenti quantitativi standardizzati per la stima del rischio di bias.

Le caratteristiche principali degli studi selezionati sono riportate in Tab. 2, mentre la sintesi comparativa dei risultati è illustrata in Tab. 3.

Le evidenze emerse dagli studi inclusi mostrano come l’IA trovi applicazione in diversi ambiti della pratica infermieristica, con ricadute rilevanti sulla sicurezza delle cure, sul monitoraggio clinico, sull’organizzazione del lavoro e sulla formazione professionale. In particolare, l’impiego della robotica per la preparazione dei farmaci antiblastici consente una riduzione significativa del rischio per gli operatori e un miglioramento della sicurezza e della standardizzazione dei processi, sebbene i costi elevati e la limitata trasferibilità rappresentino criticità rilevanti (Chefchaouni et al., 2023). Nel monitoraggio clinico, i sistemi di monitoraggio continuo della glicemia (CGM) favoriscono una maggiore tempestività dell’intervento e una potenziale riduzione del carico assistenziale, pur presentando limiti tecnologici quali il lag time e la necessità di calibrazione periodica (Olczuk & Priefer, 2018).
Sul piano organizzativo, l’adozione di sistemi basati sull’IA per la gestione dei turni infermieristici è associata a un miglior equilibrio tra vita lavorativa e privata e a una maggiore soddisfazione professionale, mentre la mancata integrazione delle condizioni cliniche dei pazienti nei modelli di pianificazione costituisce una limitazione significativa (Kang et al., 2025). In ambito formativo, gli studenti infermieri mostrano atteggiamenti prevalentemente positivi verso l’IA, a fronte di una riconosciuta esigenza di percorsi formativi strutturati per garantire un utilizzo consapevole, critico e sicuro delle tecnologie digitali (Labrague et al., 2023; Ng et al., 2023). Nel complesso, l’analisi degli studi evidenzia come l’ambito della sicurezza del paziente risulti particolarmente rilevante, seguito dall’organizzazione del lavoro, dal monitoraggio clinico e dalla formazione, mentre le dimensioni della governance e dell’etica riflettono una crescente attenzione alle implicazioni normative, deontologiche e di responsabilità professionale connesse all’uso dell’IA in sanità (Morley et al., 2020; WHO, 2021).

La classificazione degli ambiti applicativi dell’IA in ambito infermieristico è presentata in forma descrittiva e interpretativa nella Fig. 3, che sintetizza le principali aree di impiego emerse dalla letteratura analizzata, e nella Fig. 4, che ne propone una rappresentazione visiva di sintesi. Le figure non hanno finalità quantitative o comparative, ma intendono offrire una lettura orientativa delle tendenze applicative, tenendo conto dell’eterogeneità metodologica e qualitativa degli studi inclusi.

Sulla base delle evidenze cliniche, organizzative, formative ed etiche emerse dall’analisi della letteratura, è possibile formulare alcune raccomandazioni operative e strategiche per un’implementazione sicura, consapevole e sostenibile dell’IA nella pratica infermieristica, sinteticamente riassunte nella Fig. 5.

L’introduzione dell’IA nella pratica infermieristica comporta un cambiamento significativo del modo di concepire l’assistenza, ponendo nuove sfide etiche e professionali legate alla responsabilità decisionale, alla gestione dei dati, alla trasparenza degli algoritmi e alla tutela della relazione di cura (Morley et al., 2020; WHO, 2021). In questo contesto, il futuro della ricerca dovrà orientarsi verso studi sperimentali e quasi-sperimentali, in grado di valutare in modo più rigoroso le differenze tra pratica infermieristica tradizionale e pratica supportata dall’IA.
L’IA non si configura come un sostituto del professionista, ma come uno strumento avanzato di supporto, che contribuisce a ridefinire il ruolo dell’infermiere rafforzandone le funzioni di supervisione clinica, interpretazione dei dati e responsabilità decisionale all’interno di un processo che rimane fondamentalmente umano e relazionale (Topol, 2019; Ng et al., 2023).
Il confronto concettuale tra pratica infermieristica tradizionale e pratica supportata dall’IA, così come l’impatto multidimensionale dell’IA sulle principali dimensioni dell’agire infermieristico – supporto decisionale, organizzazione del lavoro, monitoraggio clinico, formazione e responsabilità etica – sono sintetizzati nelle Fig. 6 e Fig. 7. Tali rappresentazioni evidenziano la necessità di un governo integrato dell’IA, capace di considerare in modo congiunto le implicazioni cliniche, organizzative, formative ed etiche delle sue applicazioni.

CONCLUSIONI

L’intelligenza artificiale rappresenta una delle principali sfide e, al tempo stesso, una rilevante opportunità di sviluppo per la professione infermieristica. L’analisi critica della letteratura mostra come alcune applicazioni dell’IA siano già concretamente operative in ambito assistenziale e, in particolare nei settori della sicurezza delle cure, del monitoraggio clinico e dell’organizzazione del lavoro, con benefici documentati in termini di riduzione del rischio clinico, miglioramento dell’efficienza dei processi e maggiore equilibrio del carico assistenziale. Accanto a tali potenzialità, permangono criticità di natura tecnologica, formativa, organizzativa ed etico-normativa, che rendono imprescindibile un ruolo attivo dell’infermiere nell’integrazione dell’IA. Nel contesto assistenziale, l’IA non assume un ruolo sostitutivo del professionista, ma si inserisce come supporto ai processi decisionali e organizzativi che richiede supervisione clinica, responsabilità decisionale e mantenimento della centralità della relazione di cura. La collocazione dei principali setting assistenziali di applicazione dell’IA è rappresentata in forma descrittiva e concettuale nella Fig. 8, mentre le modalità applicative dell’IA nei diversi contesti assistenziali sono sintetizzate nella Fig. 9.

I setting individuati costituiscono contesti privilegiati per la progettazione di futuri studi sperimentali e quasi-sperimentali, finalizzati a valutare in modo più sistematico l’impatto dell’IA sugli esiti clinici, sulla sicurezza delle cure, sull’organizzazione del lavoro e sulla qualità dell’assistenza infermieristica.
In questo quadro, pur in assenza di evidenze sperimentali comparative definitive, il presente lavoro evidenzia come l’IA mostri potenzialità significative rispetto alla pratica infermieristica tradizionale, soprattutto in relazione agli outcome organizzativi, alla sicurezza delle cure e allo sviluppo delle competenze professionali, a condizione che la sua integrazione avvenga in modo controllato, trasparente e centrato sulla responsabilità professionale infermieristica.

BIBLIOGRAFIA (ICMJE)

• Chefchaouni A, Kaddouri S, Lamrini H, Berrada K, El M. Impact of robotic compounding of cytotoxic drugs on safety and quality in oncology pharmacy practice. Journal of Oncology Pharmacy Practice. 2023;29(6):1334–1342.
• Davenport TH, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthcare Journal. 2019;6(2):94–98.
• Kang HW, Lee JH, Kim SY, Park JS, Choi M. Development and evaluation of an artificial intelligence-based nurse scheduling system to improve work–life balance. BMC Nursing. 2025;24:792.
• Labrague LJ, De Los Santos JA, Fronda DC. Perceptions of artificial intelligence and digital health among nursing students. Nurse Education Today. 2023;124:105698.
• Morley J, Floridi L, Kinsey L, Elhalal A. From what to how: an overview of AI ethics tools, methods and research to translate principles into practices. Science and Engineering Ethics. 2020;26(4):2141–2168.
• Ng FYC, Li X, Cheung BMY. Artificial intelligence literacy among healthcare professionals: a scoping review. Cell Reports Medicine. 2023;4(10):101230.
• Olczuk D, Priefer R. A review of continuous glucose monitoring systems in diabetes management. Diabetes & Metabolic Syndrome: Clinical Research & Reviews. 2018;12(2):181–187.
• Park J, Lee H, Kim S. Artificial intelligence in nursing: current applications and future challenges. International Journal of Nursing Studies. 2024;151:104654.
• Raymond C, Shehadeh F, Kaur M. Clinical decision support systems and nursing practice: implications for patient safety. Journal of Advanced Nursing. 2022;78(6):1621–1632.
• Rossi P, Bagnasco A. Infermieristica e innovazione tecnologica: prospettive emergenti. Rivista Italiana di Infermieristica. 2020;39(2):85–92.
• Russell S, Norvig P. Artificial intelligence: a modern approach. 4th ed. London: Pearson; 2021.
• Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine. 2019;25(1):44–56.
• Tuckett A, Turner C, Phillips J. Nursing work and digital technologies: challenges and opportunities. Journal of Nursing Management. 2022;30(3):676–684.
• Wang X, Zhao L, Huang Y. Nurses’ perceptions of artificial intelligence in clinical practice. Journal of Advanced Nursing. 2024;80(5):1214–1222.
• World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: World Health Organization; 2021.