Dal dato protetto al dato affidabile: la nuova grammatica europea dell’evidenza sanitaria

Gestione dati sanitari
Pubblicato il: 7 Ottobre 2026|

La costruzione dello Spazio europeo dei dati sanitari segna un passaggio destinato a incidere profondamente sul modo in cui la società produce conoscenza in ambito clinico e biomedico. Per lungo tempo il diritto dei dati è stato pensato prevalentemente come diritto della protezione: protezione dell’interessato, protezione della riservatezza, protezione dall’uso improprio di informazioni personali. Questa impostazione resta essenziale. Ma oggi non è più sufficiente.

Nel momento in cui i sistemi sanitari producono quantità crescenti di dati e l’intelligenza artificiale diventa uno strumento ordinario di analisi, predizione e supporto decisionale, la questione non è più soltanto come limitare l’accesso al dato. La questione rilevante diventa come rendere il dato utilizzabile senza intaccare le garanzie che ne fondano la legittimità.

Un documento con le linee guida

È in questa tensione che si colloca il documento TEHDAS2 D7.2, “Guideline for Health Data Access Bodies on data minimisation, pseudonymisation, anonymisation and synthetic data”. Il documento non ha valore giuridicamente vincolante e non costituisce una specifica tecnica formale adottata ai sensi dello European Health Data Space.

Tuttavia, ha un peso significativo perché anticipa la grammatica operativa attraverso cui gli Health Data Access Bodies saranno chiamati a governare il riuso secondario dei dati sanitari: minimizzazione, pseudonimizzazione, anonimizzazione, generazione sintetica, valutazione del rischio residuo, controllo degli output e documentazione.

Il suo valore non sta solo nelle soluzioni tecniche che propone. Sta soprattutto nel cambio di paradigma che rende visibile. Il dato sanitario non viene più trattato come un oggetto statico da concedere o negare. Viene trattato come una risorsa che deve essere trasformata, qualificata e governata in rapporto a uno scopo legittimo e regolamentato.

L’analisi del documento

Il primo asse del documento è la minimizzazione. Nel Gdpr è principio generale, ma nel contesto Ehds  assume una fisionomia più concreta: accompagna l’intero ciclo di vita del dato, dalla raccolta alla valutazione della richiesta, fino all’uso in ambienti sicuri e all’eventuale esportazione dei risultati, articolandosi in cinque dimensioni — chi, cosa, quando, dove, come. Il dato, in altri termini, non è più legittimato dalla sua mera disponibilità. È legittimato dalla sua necessità e dal valore generato nel suo utilizzo programmato secondo le regole dell’European Health Data Space.

Il secondo asse è la pseudonimizzazione, che riduce il rischio di identificazione diretta ma preserva un’elevata utilità scientifica — utile nei contesti che richiedono collegamenti longitudinali, linkage tra dataset o esercizio dei diritti degli interessati. Il terzo è l’anonimizzazione, che non consiste nella rimozione di nomi o codici, ma nel rendere l’interessato non identificabile con mezzi ragionevolmente utilizzabili: un giudizio contestuale sul rischio, non uno stato ontologico e immutabile del dato.

Il quarto asse riguarda i dati sintetici, ed è qui che si trova uno dei passaggi più rilevanti del documento. Sono riconosciuti come strumento potenzialmente importante per il riuso secondario dei dati sanitari — sviluppo, test, ricerca, validazione metodologica, collaborazione scientifica, riduzione dell’esposizione dei dati personali. Ma la generazione sintetica non produce automaticamente dati anonimi: a seconda del metodo e del rischio residuo, un dataset sintetico può ancora rientrare nel perimetro del Gdpr. È un’affermazione cruciale, perché impedisce di trasformare il dato sintetico in una formula magica.

Questo passaggio è rafforzato dall’Ai Act, che richiede per i sistemi ad alto rischio adeguate pratiche di governo dei dati, con attenzione a qualità, rappresentatività, completezza e riduzione dei bias. Quando dati sintetici vengono usati per addestrare o validare sistemi di IA in sanità, la loro qualità non è più un tema interno al laboratorio: diventa parte della responsabilità regolatoria del sistema.

La prospettiva che ne emerge invita a superare una contrapposizione troppo semplice — da un lato il dato clinico, valido ma rischioso; dall’altro il dato sintetico, sicuro ma metodologicamente sospetto. Questa opposizione non regge più. Il dato sintetico deve essere compreso come una forma regolata di rappresentazione statistica, il cui valore dipende dalla capacità di dimostrare tre elementi: tutela della privacy, fedeltà statistica, utilità rispetto allo scopo. Non esiste un dato sintetico valido in assoluto. Esiste un dato sintetico validato per uno specifico uso.

Dal dato come oggetto al dato come funzione

Da qui deriva un principio di forte valore regolatorio: il giudizio si sposta dal dato come oggetto al dato come funzione. La qualità del dato sintetico non è più un attributo generico, ma una relazione tra metodo, scopo e rischio — collocata in una cornice di accountability fatta di metriche, soglie, documentazione, controlli, limiti d’uso, auditabilità e rivalutazione nel tempo.

In questo quadro assume rilievo anche il ruolo dei clinici e dei metodologi: un dataset può apparire statisticamente coerente e tuttavia perdere significato clinico, alterare relazioni tra variabili, distorcere sottogruppi vulnerabili o traiettorie longitudinali. La competenza clinica diventa parte della validazione, non un passaggio accessorio.

In questo scenario, gli Health Data Access Bodies non saranno meri canali amministrativi di accesso. Saranno luoghi istituzionali di valutazione, mediazione e controllo, chiamati a verificare la proporzionalità delle richieste, il rischio di re-identificazione, la conformità degli ambienti sicuri e degli output esportati.

Le prospettive applicative

Guardando a come questo impianto potrà tradursi concretamente nel contesto italiano, immaginiamo che la sfida più rilevante non riguardi tanto la scelta di una singola tecnologia, quanto la capacità di costruire framework di valutazione realmente affidabili, capaci di reggere nel tempo e di adattarsi a contesti applicativi diversi. Non si hanno ipotesi precise su quali ambiti matureranno prima — ricerca clinica, valutazione delle tecnologie sanitarie, supporto alle decisioni di sanità pubblica sono tutti terreni possibili, e la maturità di ciascuno dipenderà molto dalla capacità organizzativa dei singoli enti coinvolti, oltre che da una serie di sforzi condivisi a livello nazionale.

È utile sottolineare che il vero banco di prova, in Italia come altrove, sarà la capacità di trasformare princìpi ancora generali in strumenti operativi che i diversi attori del sistema sanitario possano davvero utilizzare senza dover reinventare ogni volta il proprio approccio.

Le tecnologie disponibili oggi offrono possibilità che pochi anni fa non erano immaginabili, ma la tecnologia da sola non costruisce fiducia: la costruisce un metodo di valutazione e supporto alle richieste di accesso ai dati che sia condiviso, proattivo verso l’utente finale e verificabile, che permetta quindi a chi genera il dato e a chi lo utilizza di parlare lo stesso linguaggio. È su questo piano – più organizzativo e metodologico che tecnico – che ipotizziamo si giocherà la parte più delicata dei prossimi anni, anche per il sistema sanitario italiano.

In questo senso, il contributo più utile che gli operatori tecnologici possano offrire in questa fase non sia tanto quello di proporre soluzioni preconfezionate, quanto quello di partecipare attivamente alla costruzione di questi framework di valutazione, mettendo a disposizione l’esperienza concreta accumulata sul campo.

Non è un caso che in Italia si stiano già osservando i primi segnali di questo tipo di collaborazione, con realtà che affiancano istituzioni ed enti di ricerca nella definizione di criteri operativi condivisi, ancora in fase di elaborazione e destinati a evolversi nel tempo. Non è da escludere che in questo spazio – tra il principio normativo e la sua applicazione quotidiana – si costruirà, passo dopo passo, la fiducia e il valore necessari a far decollare l’intero sistema.

*Chief Corporate and Business development Officer di Aindo
**Business Intelligence, Data Science & Data Analytics Manager presso il Digital Information HUB di ARIA S.p.A, ed estensore delle linee guida Tehdas 2. Ha collaborato al paragrafo sulle “prospettive applicative” 

Tag: ai act / european health data space / Gdpr /

CONDIVIDI

AP-DATE
SCELTE DALLA REDAZIONE
RUBRICHE
FORMAZIONE