La dichiarazione sull’uso dell’intelligenza artificiale (IA), oggi richiesta da molte riviste scientifiche, rappresenta un passaggio necessario ma non sufficiente. Il problema centrale non è soltanto stabilire se un testo sia stato generato, in tutto o in parte, con strumenti di IA. È necessario valutare se le revisioni della letteratura, nelle loro diverse forme, siano affidabili e se le conclusioni proposte possano essere ricondotte alle fonti che dovrebbero sostenerle. In altre parole, occorre rendere trasparente il percorso che collega le affermazioni di un manoscritto ai dati, alle fonti e alle inferenze da cui derivano.
Questa esigenza è particolarmente rilevante per i lavori di sintesi. Le revisioni sistematiche, le revisioni narrative, le revisioni mirate e le revisioni a ombrello rappresentano oggi una quota importante della produzione scientifica, talvolta superiore a quella delle ricerche originali. Il loro valore non dipende principalmente dalla raccolta di nuovi dati, ma dalla selezione, dall’interpretazione e dall’integrazione di studi già pubblicati. Il collegamento tra le affermazioni centrali del manoscritto e le relative fonti di supporto non può restare implicito: deve essere esplicito, verificabile e proporzionato al grado di certezza delle evidenze disponibili.
La rivista La Medicina del Lavoro, organo ufficiale della Società Italiana di Medicina del Lavoro (SIML), ha già adottato principi e condizioni per accettare lavori che riguardino applicazioni dell’IA, mantengano un quesito reale di medicina del lavoro e lascino essenziale il giudizio professionale umano [1]. In modo analogo, le linee guida internazionali richiedono la dichiarazione dell’uso dell’IA, la responsabilità degli autori per tutti i contenuti inviati e la verifica che i riferimenti sostengano le affermazioni a cui sono associati [2, 3]. Si tratta di garanzie necessarie. Tuttavia, esse non indicano da sole quali affermazioni meritino un controllo prioritario, né definiscono un metodo pratico per organizzare tale controllo nel percorso editoriale.
Il problema non coincide con l’uso dell’IA, anche se l’IA lo rende oggi più evidente. Una citazione può creare l’apparenza di un supporto scientifico senza fornire un effettivo sostegno all’affermazione a cui è associata. In un’analisi condotta in una specifica letteratura biomedica, la citazione selettiva, l’amplificazione progressiva e la trasformazione di ipotesi in fatti hanno generato un’autorità ingiustificata a una convinzione degli autori [4]. Il meccanismo è semplice: un’affermazione inizialmente prudente viene ripresa, semplificata o rafforzata in pubblicazioni successive, fino a essere percepita come acquisita, pur senza una base di evidenze proporzionata alla certezza con cui viene presentata. La sequenza illustrata nella Figura 1 mostra come la ripetizione possa aumentare la visibilità e il consenso apparente di una tesi senza accrescere la qualità dell’evidenza che la sostiene. I punti di controllo proposti — verifica della fonte, corrispondenza tra citazione e affermazione, integrità della revisione — sono collocati nei passaggi in cui il processo può essere interrotto prima che si consolidi un’evidenza falsa.
L’IA generativa aggiunge un motivo pratico per affrontare questo problema. Essa può produrre rapidamente una prosa fluida e riferimenti plausibili, riducendo lo sforzo di redazione di un testo scientifico. In un esperimento condotto con una versione preliminare di ChatGPT, soltanto il 7% dei riferimenti biomedici generati risultava al contempo autentico e accurato [5]. Uno studio comparativo delle prime versioni di ChatGPT e Bard ha inoltre rilevato sensibilità e precisione molto basse, associate a tassi elevati di allucinazioni [6]. Questi studi non stimano gli errori dei modelli attuali, né consentono di quantificare gli errori presenti in tutti i manoscritti inviati alle riviste o in quelli redatti da autori che verificano sistematicamente le proprie fonti. Essi mostrano tuttavia un rischio specifico ed evitabile: un riferimento apparentemente credibile può non esistere, essere impreciso o non sostenere la proposizione per cui è citato.
Per affrontare questo rischio, una rivista potrebbe sperimentare, per un periodo iniziale di sei mesi, un adattamento della dichiarazione già in uso: «Cosa si sa già, cosa aggiunge questo articolo e quali sono le implicazioni?». L’adattamento non richiederebbe un nuovo modulo autonomo né andrebbe applicato indiscriminatamente a tutti gli articoli. Sarebbe invece rivolto alle revisioni narrative, ai paper di posizione, ai commenti e agli editoriali che formulano raccomandazioni basate sulle evidenze. Gli articoli di ricerca originale convenzionali dovrebbero già collegare le proprie conclusioni a metodi predefiniti e a risultati riportati; per questi lavori, il problema assume quindi caratteristiche diverse.
La dichiarazione adattata avrebbe lo scopo di identificare le affermazioni su cui si fonda la conclusione del manoscritto. La sezione «Ciò che è già noto» richiederebbe agli autori di indicare la base di evidenze pertinente. La sezione «Ciò che aggiunge questo articolo» richiederebbe di precisare quale contributo derivi dalla sintesi, dall’interpretazione o dalla raccomandazione proposta. La sezione «Quali sono le implicazioni» richiederebbe infine di delimitare la popolazione, il contesto e il grado di certezza a cui la raccomandazione si applica. In un breve commento ciò potrebbe significare identificare tutte le affermazioni che definiscono la conclusione. In una revisione più ampia, potrebbe significare selezionare, di norma, da tre a cinque affermazioni centrali, lasciando all’editor responsabile la possibilità di indicarne fino a due ulteriori quando necessario.
Questo approccio evita due rischi opposti. Da un lato, evita che l’esercizio si trasformi in una verifica indiscriminata di ogni citazione presente nel manoscritto. Dall’altro, evita che la dichiarazione venga selezionata esclusivamente dagli autori, senza alcun controllo editoriale sulla sua rappresentatività. Per ogni affermazione individuata, la dichiarazione adattata dovrebbe contenere cinque elementi essenziali:
- L’esatta formulazione dell’affermazione, così come compare nel manoscritto.
- Le fonti di supporto, identificate come ricerca primaria, revisione sistematica, linee guida o altri tipi di evidenza.
- La popolazione rilevante, l’esposizione, l’ambientazione, il periodo di tempo a cui l’affermazione si riferisce.
- La principale limitazione o incertezza che ne definisce la portata.
- Il tipo di inferenza proposta: descrittiva, causale, prognostica o regolatoria.
La dichiarazione dovrebbe comprendere, in particolare, le affermazioni relative alle relazioni causali, alle stime quantitative del carico e alle raccomandazioni riguardanti la prevenzione, la sorveglianza, la pratica clinica o la politica. Non dovrebbe però essere considerata una checklist in grado di attestare la validità complessiva di un manoscritto. Il suo compito sarebbe più circoscritto e più utile: trasformare una dichiarazione già richiesta agli autori in uno strumento strutturato per rendere espliciti l’ambito delle affermazioni e il ragionamento che le collega alle fonti. In questo modo, editori e revisori potrebbero concentrarsi sui punti in cui una sovrastima, una semplificazione o un’inferenza non supportata modificherebbero il significato del manoscritto.
Il processo richiede tre compiti distinti. Il primo è un controllo bibliografico di base: occorre verificare che esista una fonte essenziale, che sia correttamente identificata e che non sia stata ritrattata. Il secondo è un controllo semantico: occorre verificare se quella fonte risponda effettivamente all’affermazione dichiarata. Il terzo è una valutazione scientifica: occorre verificare se l’affermazione sia proporzionata al disegno dello studio, alla popolazione considerata, al grado di certezza e alle limitazioni della fonte. Il primo compito può essere almeno in parte standardizzato. Gli ultimi due richiedono invece competenze disciplinari e rimangono responsabilità dell’editor e della revisione tra pari. L’ufficio editoriale potrebbe verificare la completezza formale della dichiarazione al momento della presentazione, senza sostituirsi al giudizio scientifico dei revisori.
L’editor responsabile dovrebbe valutare se le affermazioni selezionate rappresentino le asserzioni centrali del manoscritto e, se necessario, richiedere chiarimenti prima della revisione esterna. I revisori non sarebbero invitati a controllare ogni riferimento. Sarebbero invece invitati a valutare se la dichiarazione rappresenti correttamente le evidenze citate e se una conclusione poggi su un’inferenza non sufficientemente sostenuta. Questo approccio è coerente con l’uso di checklist mirate che aiutano editori e revisori a valutare se una sintesi delle evidenze sia stata condotta e riportata in modo appropriato [7].
La tracciabilità delle affermazioni non costituisce una presunzione di cattiva condotta, non è un metodo per individuare l’uso non dichiarato dell’IA e non sostituisce la revisione tra pari. È un metodo editoriale proporzionato al rischio di manoscritti il cui valore dipende principalmente dal modo in cui interpretano le evidenze esistenti. Risponde alla crescente pressione sulle sottomissioni e al numero crescente di sintesi delle evidenze, senza attribuire automaticamente tali tendenze a un'unica causa.
Per gli autori, questo metodo rende esplicita una responsabilità già intrinseca al lavoro accademico. Per i revisori, indirizza l’esame verso la base di evidenze del manoscritto. Per gli editori, offre un test pratico per valutare se una verifica mirata delle fonti possa migliorare il triage editoriale senza ridurre il giudizio scientifico a una mera conformità formale. Il progetto pilota chiarisce quindi un’aspettativa semplice: le affermazioni chiave non dovrebbero essere soltanto citate, ma dovrebbero poter essere ricondotte a fonti pertinenti e formulate in proporzione a ciò che tali fonti consentono di concludere.
Riferimenti
- Mutti A. Intelligenza artificiale in medicina del lavoro: mantenere l’integrità disciplinare e gli standard editoriali. Med Lav. 2026; 117(2):18996. doi:10.23749/mdl.2026.18996
- Comitato Internazionale degli Editori di Riviste Mediche. Preparazione di un manoscritto per la sottomissione a una rivista medica. Consultato il 21 ottobre 2026. https://www.icmje.org/recommendations/browse/manuscript-preparation/preparing-for-submission.html
- Consiglio COPE. Autorialità e strumenti di IA. Comitato per l’Etica delle Pubblicazioni. Pubblicato il 20 agosto 2024. Consultato il 21 ottobre 2026. doi:10.24318/cCVRZBms
- Greenberg SA. Come le distorsioni delle citazioni creano un’autorità infondata: analisi di una rete di citazioni. BMJ. 2009; 339:b2680. doi:10.1136/BMJ.b2680
- Bhattacharyya M, Miller VM, Bhattacharyya D, Miller LE. Alti tassi di riferimenti fabbricati e inaccurati in contenuti medici generati da ChatGPT. Cureus. 2023; 15(5):e39238. doi:10.7759/cureus.39238
- Chelli M, Descamps J, Lavoué V, et al. Tassi di allucinazione e accuratezza dei riferimenti di ChatGPT e Bard per revisioni sistematiche: analisi comparativa. J Med Internet Res. 2024; 26:e53164. doi:10.2196/53164
- Pullin AS, Macura B. Verificare le affermazioni degli autori di aver condotto una revisione sistematica? Una checklist per editori di riviste e revisori tra pari. Environ Evid. 2025;14:8. doi:10.1186/s13750-025-00361-w
Lascia un commento