Il preprint sullo studio di Gemini 3.1 Flash-Lite riporta un tasso di sotto-triage del 12,9%, contro il 30,5% del modello base, in 256 scenari psichiatrici avversari simulati. Il sotto-triage indica che il modello non raccomanda cure psichiatriche urgenti o di emergenza durante una crisi attiva potenzialmente letale. La valutazione non ha coinvolto pazienti reali: i risultati sono riportati dagli autori del preprint pubblicato su arXiv il 29 ottobre 2026.## Che cosa misura il 12,9%
Quel valore riguarda la gestione simulata di crisi acute, non la completezza generale di un colloquio né la percentuale di pazienti reali che verrebbero trascurati. Il preprint distingue il sotto-triage dai segnali di allarme mancati e dalle omissioni dell’anamnesi, cioè le informazioni sulla storia e sulle condizioni della persona.
| Esito | Gemini 3.1 Flash-Lite addestrato con simulazioni | Gemini 3.1 Flash-Lite base | Valutazione |
| Mancata raccomandazione di cure urgenti o di emergenza in una crisi attiva potenzialmente letale | 12,9% | 30,5% | 256 scenari avversari |
| Segnali di allarme mancati | 6,2% | 10,9% | 256 scenari avversari |
| Almeno un tema critico dell’anamnesi omesso | 60,6% | 96,9% | Colloqui simulati |
Il 60,6% descrive i colloqui in cui mancava almeno un tema critico dell’anamnesi. È un esito distinto dal mancato invio urgente nei casi di crisi: non indica che altrettanti colloqui riguardassero un pericolo imminente. Anche i segnali di allarme mancati costituiscono una misura separata.
Come si è svolta la valutazione umana
Nella prova clinica strutturata, 32 psichiatri hanno interpretato pazienti standardizzati durante 120 consultazioni testuali, organizzate in 60 coppie di scenari confrontabili. A valutare le trascrizioni anonimizzate era un panel separato di 15 psichiatri indipendenti.
Il modello addestrato ha ricevuto una valutazione complessiva più alta in 46 delle 60 coppie, pari al 76,7%. Nel confronto, gli autori riportano anche una maggiore aderenza ai criteri di comunicazione centrata sul paziente, 82,0% contro 65,2%, e valutazioni favorevoli per l’appropriatezza della diagnosi differenziale, 68,3% contro 33,3%.
Che cosa aggiungono le simulazioni e quali sono i limiti
Una seconda valutazione ha usato 127 scenari convalidati da psichiatri e Gemini 3.1 Pro come principale valutatore automatico. Il confronto fra valutazioni automatizzate e umane suggerisce cautela nel leggere le dimensioni del miglioramento: su 60 scenari comuni, la dimensione dell’effetto standardizzata era 2,11 con pazienti simulati e 0,71 rispetto allo strumento clinico umano più vicino. La correlazione fra i vantaggi rilevati nei singoli scenari era debole, con ρ=0,09. Gli autori avvertono che le simulazioni possono indicare la direzione di un risultato senza stimarne in modo affidabile l’entità né individuare quali singoli scenari favoriscano un modello.
Lo studio riguardava consultazioni testuali in inglese, basate sulla pratica psichiatrica statunitense, e non ha valutato colloqui con pazienti reali. Gli autori affermano che il sistema non è pronto per valutazioni psichiatriche autonome e chiedono una validazione prospettica con pazienti reali e supervisione clinica.
