TY  -  JOUR
AU  -  Manes, Maria Teresa
AU  -  Ciliberti, Giuseppe
AU  -  Mannarini, Antonia
AU  -  Pavan, Daniela
AU  -  Di Fusco, Stefania Angela
AU  -  Khoury, Georgette
AU  -  Aschieri, Daniela
AU  -  Scardovi, Beatrice
AU  -  Bruno, Noemi
AU  -  Cocozza, Sara
AU  -  Geraci, Giovanna
AU  -  Gulizia, Michele Massimo
AU  -  Gabrielli, Domenico
AU  -  Colivicchi, Furio
AU  -  Grimaldi, Massimo
T1  -  Bias di genere e intelligenza artificiale in cardiologia: evidenze, implicazioni cliniche e prospettive future
PY  -  2026
Y1  -  2026-06-01
JO  -  Giornale Italiano di Cardiologia
JA  -  G Ital Cardiol
VL  -  27
IS  -  6
SP  -  398
EP  -  405
PB  -  Il Pensiero Scientifico Editore
SN  -  1972-6481
Y2  -  2026/05/25
N2  -  L’intelligenza artificiale è sempre più utilizzata in cardiologia, con applicazioni nella diagnosi, nella predizione del rischio e nel supporto alle decisioni cliniche. Tuttavia, evidenze recenti indicano che questi strumenti possono presentare differenze di performance tra uomini e donne, con il rischio di amplificare disuguaglianze già esistenti nella cura cardiovascolare. La presente revisione narrativa analizza il ruolo del sesso e del genere nei modelli di intelligenza artificiale applicati alla cardiologia, esaminando le principali evidenze nei diversi ambiti applicativi, tra cui elettrocardiografia, imaging cardiovascolare, predizione del rischio e sistemi di supporto decisionale clinico. In molti contesti, i modelli mostrano buone performance globali; tuttavia, analisi stratificate evidenziano una ridotta sensibilità e un aumento dei falsi negativi nelle donne. Queste differenze possono tradursi in sottodiagnosi, ritardi terapeutici e inadeguata stratificazione del rischio. Tra i principali determinanti si riconoscono la sottorappresentazione femminile nei dataset, la mancata inclusione di variabili sesso-specifiche e l’utilizzo di criteri diagnostici non differenziati. Una valutazione sistematica delle performance nei sottogruppi, insieme all’integrazione di variabili sesso- e genere-specifiche, rappresenta un elemento fondamentale per garantire un uso più equo e appropriato dell’intelligenza artificiale nella pratica clinica.
ER  -