Uno studio pubblicato su Nature Health ha messo alla prova cinque chatbot: quasi sempre indicano lo stesso prodotto, di solito quello di marca. Negli Stati Uniti la simulazione prevede una spesa annua più alta di 55,6 milioni di dollari
Chiedete a un chatbot quale medicinale acquistare e con ogni probabilità la risposta cadrà sullo stesso nome: il prodotto di marca, quello che compare per primo su Google e che ha una pagina tutta sua su Wikipedia. È il risultato di una ricerca condotta dalla Graduate School of Medicine dell’Università Metropolitana di Osaka, in Giappone, sotto la guida del professor Daiju Ueda e in collaborazione con il MD Anderson Cancer Center dell’Università del Texas. Il lavoro è uscito il 26 ottobre 2026 sulla rivista scientifica Nature Health.
I ricercatori hanno interrogato cinque modelli linguistici molto diffusi: GPT-5.4, Claude Sonnet 4.6, Gemini 3.1 Flash, Llama 4 e MedGemma. A ognuno è stato chiesto di indicare fino a tre prodotti autorizzati dalla FDA, l’agenzia statunitense che approva i medicinali, partendo da casi clinici simulati in cui la malattia e il principio attivo erano già fissati. In pratica la cura era decisa in partenza: ai sistemi restava soltanto da scegliere quale confezione mettere in mano al paziente.
La mole di prove è notevole. Incrociando 123 coppie di malattia e principio attivo con 1.440 profili sociodemografici, il gruppo ha costruito 177.120 scenari e raccolto circa 883mila risposte. Per ogni principio attivo esistevano in media 5,5prodotti approvati, eppure come prima scelta ne è uscito quasi sempre uno solo: in media nel 97,5% dei casi. In 96 coppie su 123 il prodotto più indicato ha superato da solo il 90% delle raccomandazioni, e i cinque modelli si sono trovati quasi sempre d’accordo tra loro.
Perché accade
Gli autori parlano di una distorsione legata alla popolarità. Medici e sistemi sanitari lavorano seguendo linee guida che privilegiano i farmaci con il miglior rapporto tra costo ed efficacia, mentre i modelli linguistici si formano su enormi quantità di testi presi dal web generalista. Il risultato è che finiscono per premiare ciò che è più citato: i prodotti originali rispetto ai generici, quelli approvati per primi, quelli con più visibilità pubblica. Restano invece in ombra le versioni autorizzate più di recente e proprio i prodotti che i medici prescrivono di più nella pratica reale.
Non è l’unico limite emerso. Tra le risposte i ricercatori hanno trovato anche indicazioni in contrasto con le informazioni regolatorie, compresi farmaci approvati in passato e ormai ritirati dal commercio.
Il conto per i pazienti
Il gruppo di Osaka ha poi provato a tradurre la tendenza in denaro, usando dati del mercato statunitense. Ha immaginato uno scenario in cui le prescrizioni seguissero le scelte dei chatbot e lo ha confrontato con quanto accade oggi. Il risultato è un aumento dei costi annui di acquisto di circa 55,6 milioni di dollari, pari a un +1.019% sulla spesa per quelle prescrizioni. Si tratta di una simulazione su un caso ipotetico, riferita ai soli Stati Uniti, e non di una spesa già registrata.
C’è un dettaglio che fa riflettere. Quando ai modelli è stato chiesto espressamente di preferire generici o prodotti economici, le risposte si sono spostate nella direzione indicata. La concentrazione però è rimasta: anche in quel caso le scelte sono ricadute su pochi nomi.
Per Ueda la lezione riguarda chi porta questi strumenti dentro la sanità, perché i sistemi vanno controllati proprio sulla selezione dei prodotti e sulla gestione di prezzi e informazioni regolatorie. La strada indicata dal ricercatore è affiancare all’intelligenza artificiale «fonti affidabili sui farmaci e la supervisione umana».