Chiedere a un large language model quanto vivrà un paziente oncologico non è più un esperimento di laboratorio. È una possibilità concreta nei prodotti consumer, e il framework Survprompt la trasforma in un benchmark rigoroso: prende le covariate strutturate di un paziente, le converte in una vignetta clinica in linguaggio naturale e chiede a LLM pre-addestrati di produrre una stima di sopravvivenza zero-shot. Il confronto con i random survival forest (RSF) su due coorti pan-cancro multi-istituzionali — la pubblica MSK-CHORD e una coorte del Providence St. Joseph Health Network costruita con un framework di astrazione clinica basato su LLM — mostra risultati ambivalenti. GPT-5.6-Sol ha raggiunto un cMAE entro il 10% dei modelli RSF specializzati in diversi tipi di cancro e lo ha persino battuto sul cancro alla prostata in MSK-CHORD.

Il punto cieco del c-index

Il cMAE dice poco sulla capacità di ordinare i pazienti. I modelli di frontiera hanno mostrato un c-index inferiore: in pratica, possono produrre tempi medi credibili ma sbagliare la gerarchia di rischio tra alto e basso. In oncologia questa distinzione è spesso più importante del valore assoluto, perché indirizza l'intensità del trattamento e l'allocazione delle risorse. Un errore di ordinamento è più difficile da intercettare nei flussi clinici: la stima appare ragionevole, ma le decisioni comparative risultano fragili.

L'analisi delle feature aggiunge un dettaglio importante: i LLM hanno dato priorità alle variabili cliniche in modo simile ai modelli specializzati. Non è una garanzia di affidabilità, ma segnala che il comportamento non è solo un artefatto statistico. La variabilità tra tipi di cancro e istituzioni resta il limite principale.

Dalla previsione alla governance del dato

Il vero costo di questo scenario non è il training. Un modello zero-shot elimina il fine-tuning specialistico e riduce la barriera di ingresso, ma sposta il carico sulla validazione locale e sulla sovranità del dato. Un ospedale che invia cartelle cliniche a un'app consumer o a un'API cloud esce dal perimetro di controllo; i vincoli di residenza e consenso non sono opzionali. Il framework Survprompt può essere eseguito su infrastruttura locale, ma la coorte Providence mostra che anche l'astrazione dei dati clinici tramite LLM introduce decisioni non neutre. Per chi valuta deployment on-premise, AI-RADAR offre strumenti analitici su /llm-onpremise per confrontare i trade-off tra controllo, latenza e TCO, ma la scelta resta legata ai requisiti specifici dell'istituto.

La lezione strutturale è che l'accuratezza predittiva non è più l'unico criterio: la validazione su dati propri, con metriche come cMAE e c-index calcolate localmente, diventa il passaggio critico. I modelli generalisti possono approssimare una prognosi, ma l'infrastruttura che li ospita decide se quell'approssimazione è governabile.