DatAIMed, l’AI che vuole cambiare il modo in cui i medici accedono alla conoscenza clinica 

C’è un fisioterapista che ha fondato una startup di intelligenza artificiale in ambito medico. Non è l’inizio di una barzelletta: è la storia di DatAIMed, piattaforma nata all’incubatore del Politecnico di Torino e oggi parte del percorso Boost Your Ideas di Lazio Innova, con 5.000 utenti attivi e collaborazioni già avviate con ASL e aziende ospedaliero-universitarie in Piemonte. L’idea di partenza è semplice nella formulazione, complessa nell’esecuzione: dare ai professionisti sanitari accesso rapido, affidabile e contestualizzato alle migliori evidenze scientifiche disponibili. Senza perdersi nell’overload informativo che chiunque abbia lavorato in corsia conosce bene. Abbiamo parlato con il team di DatAIMed di prodotto, strategia, investitori e del difficile equilibrio tra innovazione e sistemi sanitari pubblici.

Fate parte del percorso Boost Your Ideas di Lazio Innova. Cosa ha significato concretamente passare attraverso un programma di accelerazione istituzionale?

Percorsi come Boost Your Ideas, insieme all’esperienza maturata in ecosistemi come I3P del Politecnico di Torino e SocialFare, sono stati determinanti soprattutto per strutturare DatAIMed come progetto industriale e non solo tecnologico. Ci hanno aiutato a consolidare governance, compliance, strategia enterprise e posizionamento verso investitori e partner istituzionali. Nel tempo abbiamo definito sempre più chiaramente la nostra identità: una Clinical AI Intelligence Infrastructure per la gestione della conoscenza clinico-scientifica, con focus su evidence-based medicine, integrazione nei workflow e sostenibilità dei sistemi sanitari.

Un fisioterapista che fonda una startup AI in ambito medico è già di per sé una storia insolita. Quanto conta che il CEO venga dalla clinica e non dall’ingegneria?

Conta molto, perché DatAIMed nasce da un problema vissuto direttamente nella pratica clinica. Chi lavora con i pazienti conosce bene il tema dell’overload informativo, della mancanza di tempo, della difficoltà di accedere rapidamente alle migliori evidenze disponibili. Questo cambia il modo in cui costruisci il prodotto: non sviluppi una tecnologia astratta, ma un’infrastruttura che deve integrarsi nei workflow reali dei professionisti sanitari. E crea fiducia — perché il punto di partenza non è “fare AI”, ma migliorare accesso alla conoscenza, appropriatezza clinica e aggiornamento evidence-based.

La piattaforma integra PubMed e altre banche dati scientifiche. Avete accordi formali con questi provider? E come tutelate la vostra architettura AI?

Lavoriamo sia attraverso accessi pubblici previsti dai provider sia attraverso accordi specifici che ci consentono accessi privilegiati, limiti più elevati e integrazioni più avanzate. Il valore, però, non è nell’accesso alla singola banca dati: è nell’infrastruttura AI costruita sopra questi layer informativi — retrieval avanzato, ranking qualitativo delle evidenze, integrazione tra fonti scientifiche, farmaci, linee guida e knowledge aziendale. Per la tutela tecnologica puntiamo soprattutto su rapidità di esecuzione, know-how interno e sviluppo continuo della piattaforma. In un settore in forte evoluzione, la capacità di iterare rapidamente insieme ai professionisti sanitari è spesso più strategica della protezione formale.

DatAIMed nasce dall’incubatore del Politecnico di Torino. Cosa ha significato partire da quel contesto?

Partire da ecosistemi come I3P e SocialFare è stato fondamentale nelle prime fasi. Ci ha dato accesso a competenze tecnologiche, imprenditoriali e strategiche di alto livello, oltre a network accademici, clinici e industriali molto rilevanti. In ambito health-tech la credibilità iniziale è tutto, soprattutto quando dialoghi con strutture sanitarie e partner istituzionali. Avere alle spalle realtà di quel livello ha facilitato le prime collaborazioni e le prime validazioni sul campo.

Come avete organizzato la parte finanziaria nelle prime fasi?

L’health-tech richiede investimenti importanti già all’inizio: infrastruttura, sicurezza, compliance, advisory clinica, sviluppo AI, validazione. Nelle prime fasi siamo cresciuti grazie a una combinazione di grant, programmi come Microsoft for Startups e Google for Startups, e al supporto di investitori provenienti anche dal mondo sanitario — medici, fisioterapisti, SocialFare. Questo ci ha permesso di arrivare al go-to-market mantenendo una struttura efficiente e focalizzata sul prodotto.

vete un advisory board di sei medici e ricercatori. Come gestite questa relazione senza rallentare lo sviluppo?

L’advisory board ha un ruolo operativo, non solo scientifico. Contribuisce a comprendere workflow clinici reali, priorità organizzative e opportunità di collaborazione con cliniche, ASL e aziende ospedaliere. Il modello è agile: confronto continuo, processi decisionali chiari, integrazione rapida dei feedback nello sviluppo della piattaforma.

Come pianificate liquidità e roadmap in un settore dove i cicli di adozione nelle strutture sanitarie sono lunghi?

Abbiamo sviluppato dashboard custom sia lato B2C sia B2B, integrando metriche di prodotto, utilizzo, conversione, retention e pipeline commerciale. Monitoriamo in modo molto granulare il comportamento degli utenti e l’evoluzione delle collaborazioni. In sanità avere visibilità costante sui dati non è un optional: è l’unico modo per pianificare crescita e cassa in modo sostenibile.

Quando ha senso stringere un accordo con una grande struttura sanitaria — e come ci si protegge dal rischio che un partner istituzionale condizioni troppo la direzione del prodotto?

Le collaborazioni con ASL e aziende ospedaliere sono fondamentali: permettono di validare la piattaforma in contesti reali e di costruire un’infrastruttura realmente integrabile nei sistemi sanitari. Stiamo lavorando con ASL CN2 e AOU Alessandria in Piemonte, e il confronto diretto con esigenze organizzative concrete è prezioso. L’aspetto critico è mantenere sempre una visione trasversale e scalabile del prodotto — evitando di costruire soluzioni troppo verticali su un singolo contesto.

Cosa ha funzionato meglio per acquisire i primi 5.000 utenti?

Entrambi i canali, digitale e offline. Le campagne digitali hanno funzionato bene nella fase iniziale di acquisizione, soprattutto tra professionisti sanitari e studenti. Congressi medici, webinar, relazioni accademiche e collaborazioni cliniche hanno invece avuto un ruolo centrale nella costruzione della credibilità. In sanità non esiste un unico canale efficace: serve una combinazione tra awareness digitale e fiducia costruita sul campo.

Come bilanciate la comunicazione verso i medici — che vogliono rigore — con quella verso gli investitori, che ragionano in termini di mercato e scalabilità?

Manteniamo sempre un approccio rigoroso. Con i professionisti sanitari il focus è su affidabilità, qualità delle evidenze, workflow e limiti dell’AI. Con investitori e partner istituzionali si aggiungono scalabilità, sostenibilità e impatto organizzativo. Ma il punto centrale non cambia: costruire strumenti AI realmente utilizzabili e integrabili nei processi clinici.

Come è costruita l’architettura di sicurezza di DatAIMed, e come garantite la conformità GDPR in ambienti ospedalieri?

La piattaforma è progettata in ottica GDPR-by-design: minimizzazione dei dati, pseudonimizzazione, segregazione delle informazioni, infrastruttura cloud europea. Abbiamo implementato policy molto restrittive sull’utilizzo dei dati degli utenti, con sistemi di controllo coerenti con i requisiti degli ambienti sanitari e ospedalieri.

Come pensate di scalare verso ospedali, reti di cliniche o sistemi sanitari nazionali?

La scalabilità in sanità non è solo tecnologica. Richiede integrazione nei workflow, interoperabilità, governance dei dati, compliance e capacità di adattarsi a organizzazioni molto complesse. Stiamo lavorando su entrambi i fronti — infrastrutturale e istituzionale. Gli ostacoli principali non sono solo tecnici: sono organizzativi e culturali.

Il vostro modello attuale è SaaS per il singolo medico o puntate già a contratti enterprise con strutture sanitarie?

Oggi operiamo su entrambi i livelli. Il modello SaaS ci ha permesso di validare rapidamente bisogni e utilizzo reale. Parallelamente stiamo sviluppando il segmento enterprise per strutture sanitarie, università e organizzazioni cliniche — soprattutto nei contesti dove emerge l’esigenza di centralizzare evidenze scientifiche, protocolli, knowledge aziendale e formazione continua in un’unica infrastruttura AI integrata.

DatAIMed non è l’ennesima startup che vuole “rivoluzionare la sanità” con una slide da pitch. È un progetto nato dentro la clinica, cresciuto dentro gli incubatori, e ora alle prese con la sfida più difficile per qualsiasi health-tech: entrare davvero nei sistemi sanitari pubblici, con le loro complessità, i loro tempi e le loro resistenze. La tecnologia c’è. Il rigore scientifico anche. Quello che resta da dimostrare — e che solo il campo può confermare — è se un’infrastruttura AI può davvero cambiare il modo in cui un medico prende una decisione clinica. La risposta, per ora, è che qualcuno ci sta provando nel modo giusto.