L’IA de WPI pour le mélanome arrive troisième, mais un benchmark n’est pas un diagnostic

Le modèle d’IA TwinSight de WPI pour le mélanome s’est classé troisième dans une compétition internationale réunissant 181 équipes universitaires et d’entreprises. Ce résultat offre à Worcester Polytechnic Institute une victoire crédible dans un benchmark, même si un travail plus ardu reste nécessaire avant que TwinSight ne puisse intégrer les soins courants aux patients.

Le système associe un réseau de neurones convolutionnel, ou CNN, à un vision transformer. Un CNN identifie des motifs visuels localisés, tandis qu’un vision transformer suit les relations entre différentes régions d’une image. WPI affirme que cette association aide TwinSight à examiner à la fois les détails fins des lésions et une structure visuelle plus large.

Ce choix technique est important, car un mélanome précoce peut ressembler à un grain de beauté bénin. Toutefois, la principale compétition ne consiste plus simplement à opposer un algorithme à un autre. TwinSight devra à terme répondre aux exigences de la médecine clinique, où ses performances devront résister à de nouveaux patients, à différentes carnations, à des appareils photo inconnus et à des contextes de soins primaires soumis à des contraintes de temps.

L’IA de WPI pour le mélanome a obtenu un solide résultat de benchmark

La troisième place de TwinSight établit son potentiel technique, non sa préparation clinique.

WPI a annoncé ce résultat le 15 octobre 2026. Selon le récit de l’université sur ce résultat de troisième place, l’International Skin Imaging Collaboration a organisé la compétition afin d’améliorer le diagnostic précoce du mélanome.

L’événement a fourni aux équipes participantes 5 294 images anonymes pour le développement de leurs modèles. Les équipes ont ensuite analysé une collection distincte de 479 images. WPI a indiqué que TwinSight avait obtenu un coefficient de Dice de 0,662.

Le coefficient de Dice mesure le chevauchement entre la sortie d’un modèle et une annotation de référence. Des valeurs plus élevées indiquent un accord plus étroit. Cette métrique est utile pour comparer des systèmes dans les mêmes conditions de benchmark, mais elle ne révèle pas tous les comportements importants sur le plan clinique.

L’équipe a également évalué son modèle à l’aide de 187 images obtenues auprès d’un hôpital de Floride. Cet ensemble de données externe est important, car un algorithme peut bien fonctionner sur des données ressemblant à son matériel d’entraînement tout en perdant en performance sur des images issues d’un autre établissement.

TwinSight a été développé dans le laboratoire de Xinming Huang, professeur au département d’ingénierie électrique et informatique de WPI. Antony Garcia Gonzalez, doctorant, boursier Fulbright et chercheur associé à la faculté de la Technological University of Panama, est un autre membre central du projet.

L’université indique que ses chercheurs collaborent avec des dermatologues en Floride. Leur concept à plus long terme est un dispositif d’imagerie portable relié à un ordinateur portable ou à une tablette. Un médecin de soins primaires capturerait une image détaillée d’une lésion et recevrait immédiatement une évaluation par IA.

Cet usage envisagé définit la véritable importance du projet. TwinSight n’est pas présenté comme un remplacement autonome des dermatologues. Son rôle prévu est le triage, en aidant un non-spécialiste à déterminer si une lésion suspecte nécessite une orientation.

Un outil de triage est soumis à une norme différente de celle d’un classificateur de recherche. Il doit fournir une orientation utile sans manquer de cancers dangereux ni submerger les spécialistes d’orientations inutiles. Il doit également s’intégrer à un examen sans créer d’étapes supplémentaires déroutantes.

Le tableau de bord public du défi montre à quel point les benchmarks de l’ISIC sont devenus étendus. Ses statistiques actuelles pour MILK10k incluent davantage d’équipes et de soumissions que les chiffres cités par WPI pour décrire son classement. Ces totaux en direct peuvent continuer à évoluer, car la tâche reste ouverte aux soumissions.

Cette distinction aide à réconcilier les différents nombres de participants. WPI a indiqué son classement parmi 181 équipes au moment pertinent de la compétition. La plateforme en direct reflète désormais une activité ultérieure, plutôt qu’un instantané fixe du champ initial.

Une place sur le podium reste significative. Chaque participant a travaillé sur une tâche commune, avec des règles d’évaluation partagées et des données contrôlées. Ces conditions rendent le résultat plus comparable qu’un chiffre de performance communiqué à partir du test privé d’un laboratoire.

Pourtant, le résultat répond à une question étroite : dans quelle mesure TwinSight a-t-il bien fonctionné selon ce protocole de défi ? Il ne dit pas si le système améliore les décisions d’orientation, fonctionne aussi bien pour tous les groupes de patients ou réduit les délais de diagnostic.

Ces questions font sortir l’histoire du seul classement. Elles expliquent aussi pourquoi une troisième place peut être à la fois impressionnante et préliminaire.

Comment TwinSight associe deux façons d’observer une lésion

L’idée centrale de TwinSight est que la texture locale et la structure globale apportent des informations complémentaires sur les lésions cutanées suspectes.

Les CNN sont utilisés depuis longtemps pour la classification d’images médicales. Leurs filtres parcourent de petites régions et apprennent des caractéristiques récurrentes telles que les contours, les transitions de couleur, la texture et la forme. Des couches plus profondes combinent ensuite ces caractéristiques en motifs plus abstraits.

Cette sensibilité locale est utile en dermoscopie, une technique d’imagerie qui réduit la réflexion de surface et révèle des structures sous la couche externe de la peau. Un CNN peut détecter des bordures irrégulières, une pigmentation inégale et de petits changements de texture susceptibles de contribuer à une prédiction de mélanome.

Toutefois, la convolution met l’accent sur les relations de proximité. Le pooling et le redimensionnement des images peuvent également supprimer des informations. Un modèle peut reconnaître des caractéristiques suspectes individuelles sans représenter la manière dont elles se rapportent à l’ensemble de la lésion.

Les vision transformers abordent l’image différemment. Ils la divisent en patches et utilisent l’auto-attention, une méthode qui calcule les relations entre ces patches. Cela permet au modèle de pondérer conjointement des régions éloignées au lieu de ne traiter que des pixels voisins.

Pour l’analyse du mélanome, cette vue plus large peut être importante. L’asymétrie d’une lésion peut concerner des caractéristiques situées de part et d’autre d’une image. Les changements de pigmentation peuvent également prendre sens par leur organisation spatiale, et pas seulement par leurs couleurs individuelles.

TwinSight combine ces deux perspectives plutôt que de forcer une seule architecture à gérer chaque indice visuel. Le CNN fournit un puissant détecteur de caractéristiques locales. Le transformer apporte une représentation de relations spatiales plus étendues.

La fusion des modèles réunit ensuite leurs prédictions. En principe, un composant peut compenser lorsque l’autre néglige un motif utile. Cette approche réduit aussi la dépendance aux hypothèses d’une seule architecture.

Le système de compétition de l’équipe WPI s’appuie sur des recherches connexes publiées en 2025. Dans cette étude d’évaluation évaluée par les pairs, Garcia Gonzalez, Huang et leurs collaborateurs ont examiné les vision transformers pour classifier le mélanome dans des images dermoscopiques.

L’étude a entraîné un grand vision transformer avec le jeu de données ISIC 2019, qui contenait plus de 25 000 images. Les chercheurs ont évalué le système sur MN187, un ensemble externe de 187 images confirmées par biopsie provenant d’hôpitaux américains.

Son vision transformer de référence a atteint une aire sous la courbe caractéristique de fonctionnement du récepteur, ou ROC-AUC, de 0,902. La ROC-AUC mesure la capacité d’un modèle à classer les exemples positifs au-dessus des exemples négatifs selon différents seuils de classification.

L’équipe a ensuite étendu l’entraînement avec 46 000 images synthétiques filtrées selon un niveau de confiance, générées par StyleGAN2-ADA. Cette technique crée des exemples artificiels tout en s’adaptant à une collection d’entraînement limitée. Le filtrage a supprimé les sorties que les chercheurs considéraient comme moins fiables.

Avec cette augmentation, la ROC-AUC rapportée est passée à 0,915. Une étape de fine-tuning plus ciblée, qui a mis à jour les six dernières couches du transformer, a produit une ROC-AUC rapportée de 0,926 sur MN187.

Les chercheurs ont comparé leurs modèles à plusieurs architectures CNN et au système commercial MoleAnalyzer Pro. L’avantage numérique initial sur le système commercial n’était pas statistiquement significatif. Après l’augmentation, la différence a atteint une significativité statistique dans la comparaison rapportée.

Cette séquence est révélatrice. Un score plus élevé ne suffisait pas, à lui seul, à établir une différence fiable. Les chercheurs avaient besoin de tests statistiques pour évaluer si l’écart observé était probablement supérieur aux variations normales d’échantillonnage.

Elle montre aussi pourquoi le score de TwinSight dans la compétition doit être interprété avec prudence. Les métriques servent à des fins différentes. Le coefficient de Dice, la ROC-AUC, la sensibilité, la spécificité et la valeur prédictive décrivent des aspects distincts de la performance et ne peuvent pas se substituer les uns aux autres.

La combinaison de modèles CNN et transformer reste une stratégie technique défendable. Cependant, associer des architectures ajoute de la complexité computationnelle et d’ingénierie. Un futur système portable devra traiter les images suffisamment vite pour une consultation de routine et se comporter de manière cohérente sur l’ensemble du matériel pris en charge.

Un modèle qui excelle sur une station de travail de recherche ne devient pas automatiquement un outil pratique au point de soins. La double architecture de TwinSight crée donc à la fois son attrait technique et son prochain défi d’ingénierie.

Le véritable adversaire est l’écart entre les benchmarks et les soins au chevet du patient

La comparaison décisive n’oppose pas TwinSight à une autre participation au concours, mais la performance en benchmark à des décisions cliniques fiables.

Un benchmark crée un environnement contrôlé. Chaque équipe travaille sur un jeu de données défini, et les organisateurs établissent les classements à l’aide d’une métrique partagée. Cette structure rend la comparaison scientifique possible.

La pratique clinique est beaucoup moins contrôlée. Les médecins rencontrent différents appareils photo, conditions d’éclairage, emplacements de lésions, résolutions d’image et antécédents de patients. Ils observent également des affections qu’un modèle binaire de mélanome n’a jamais été entraîné à classifier.

Une lésion suspecte peut être un mélanome, un autre cancer de la peau, une affection inflammatoire ou une excroissance bénigne. L’étude de 2025 des chercheurs de WPI s’est concentrée sur la classification entre mélanome et nævus. L’article identifie l’évaluation multiclasses plus large comme un travail futur.

Cette limite n’invalide pas la recherche. Elle fixe une frontière à ce que le modèle rapporté peut étayer. Un classificateur binaire répond à une question plus étroite que celle à laquelle un médecin de soins primaires est confronté lors d’un examen non scénarisé.

Le flux de travail envisagé ajoute une autre couche. Un médecin de soins primaires utiliserait l’IA de WPI pour le mélanome comme aide à la décision avant d’orienter un patient. La sortie du modèle doit donc modifier une décision dans une direction cliniquement appropriée.

La sensibilité est essentielle dans ce contexte. Un outil de triage qui manque un mélanome peut retarder l’évaluation par un spécialiste. La spécificité est également importante, car un excès de faux positifs peut accroître les orientations, les biopsies, l’anxiété et la pression sur une capacité dermatologique limitée.

La tension entre ces mesures apparaît déjà sur le marché commercial. La FDA a accordé une autorisation De Novo à DermaSensor en janvier 2024. Son dossier d’autorisation officiel décrit un dispositif complémentaire destiné aux médecins évaluant des lésions suspectes de cancer de la peau.

DermaSensor offre une comparaison utile, car il est destiné à des médecins non dermatologues. Toutefois, sa méthode de détection diffère de la conception proposée par TwinSight, fondée sur l’image. DermaSensor analyse la lumière rétrodiffusée par spectroscopie de diffusion élastique au lieu de s’appuyer sur une photographie dermoscopique.

Les preuves cliniques à l’origine de cette autorisation montrent pourquoi le déploiement médical exige davantage qu’un benchmark. Un examen évalué par les pairs des preuves cliniques a indiqué que l’étude pivot de DermaSensor incluait 1 579 lésions chez 1 005 patients répartis dans 22 centres de soins primaires.

L’étude a rapporté une sensibilité de 95,5 % et une spécificité de 20,7 %. Cette forte sensibilité favorisait la détection, tandis que la faible spécificité soulevait la possibilité d’orientations et de procédures supplémentaires pour des lésions bénignes.

Une étude distincte sur l’utilité clinique, menée auprès de 108 médecins de soins primaires, a constaté que l’accès à l’appareil augmentait la sensibilité de prise en charge de 82,0 % à 91,4 %. Cependant, la spécificité des orientations a diminué de 44,2 % à 32,4 %.

Ces chiffres ne permettent pas une comparaison directe avec TwinSight. Les technologies, jeux de données, protocoles d’étude, résultats et indications prévues diffèrent. Ils illustrent plutôt les types de compromis que TwinSight devra à terme documenter.

La troisième place de WPI indique que le modèle correspondait relativement bien aux références du benchmark. Une étude clinique devrait déterminer si les médecins prennent de meilleures décisions avec le système que sans lui.

Cet essai comparerait idéalement les résultats dans plusieurs centres. Il utiliserait également l’anatomopathologie ou une norme de référence clinique appropriée, documenterait la manière dont les médecins interprètent les résultats et signalerait à la fois les cancers manqués et les orientations inutiles.

L’intégration au flux de travail comptera autant que la précision. Un appareil nécessitant un positionnement minutieux, des prises d’images répétées ou un traitement prolongé pourrait connaître une utilisation limitée. Un score de risque difficile à comprendre peut également créer des désaccords plutôt qu’un soutien utile.

Le meilleur argument en faveur du déploiement démontrerait que les cliniciens savent quand faire confiance à l’outil, quand le remettre en question et quand orienter un patient indépendamment de son résultat. Il s’agit d’un problème de collaboration humain-machine, et non simplement d’un problème de classification d’images.

ISIC a aidé le domaine à progresser vers des comparaisons plus rigoureuses. Son archive publique d’images contient plus de 500 000 images dermoscopiques contrôlées en qualité et soutient des défis continus.

Les jeux de données partagés ont accéléré le développement des algorithmes, mais ils ne peuvent reproduire toutes les conditions cliniques. La première place dans un benchmark constitue donc un point de départ. Le terrain clinique reste la véritable épreuve.

Ce que le score de la compétition ne montre pas

La plus grande incertitude est de savoir si TwinSight peut préserver ses performances au sein de différentes populations, avec différents appareils et dans de véritables flux de travail cliniques.

La composition du jeu de données est une première préoccupation. L’apparence de la peau varie selon la pigmentation, l’âge, l’exposition au soleil, la localisation de la lésion et les conditions d’imagerie. Si une collection d’entraînement sous-représente certains groupes, les performances globales peuvent masquer des disparités importantes.

Cette question est particulièrement sérieuse en dermatologie. Les signes visuels peuvent apparaître différemment selon les carnations, tandis que de nombreuses collections d’images établies surreprésentent les peaux claires.

L’annonce de WPI ne publie pas de résultats par sous-groupes pour TwinSight. Elle ne précise pas comment les images de la compétition étaient réparties selon les carnations, les âges, les sites anatomiques ou les appareils d’acquisition.

Cette absence ne doit pas être interprétée comme la preuve de mauvaises performances dans certains sous-groupes. Elle signifie que les lecteurs ne peuvent pas évaluer l’équité à partir du résultat rapporté. Une évaluation future devra fournir des résultats par sous-groupes avant que de larges affirmations cliniques puissent être justifiées.

La validation externe aide à révéler le décalage de domaine, qui survient lorsque de nouvelles données diffèrent de celles utilisées pendant l’entraînement. L’utilisation par l’équipe de 187 images hospitalières de Floride constitue donc une étape constructive.

Cependant, un seul jeu de données externe reste limité. L’article associé de 2025 reconnaît que MN187 était restreint en taille et en diversité. Ses auteurs soulignent également la nécessité de jeux de données plus vastes, de davantage de classes de lésions et de métadonnées cliniques.

L’augmentation synthétique introduit une autre incertitude. Les images générées peuvent améliorer l’équilibre entre les classes et exposer un modèle à davantage de variations. Elles peuvent également reproduire les biais ou les artefacts appris à partir des données d’origine.

Le filtrage par confiance réduit les exemples de faible qualité, mais ne garantit pas le réalisme clinique. Un classificateur peut attribuer une forte confiance à une caractéristique synthétique mathématiquement plausible, mais dépourvue de validité médicale.

L’équipe de recherche a rapporté de meilleures performances après l’ajout d’images synthétiques. Elle n’a pas affirmé que les données synthétiques éliminaient le besoin de collections cliniques diversifiées et confirmées par biopsie.

L’interprétabilité mérite également de la prudence. Les transformeurs de vision peuvent produire des cartes d’attention indiquant les zones sur lesquelles le modèle s’est concentré. Dans l’étude de WPI, les couches profondes se concentraient souvent sur une pigmentation irrégulière ou sur des régions plus foncées de la lésion.

Une carte d’attention ne constitue pas en soi une explication clinique. Elle visualise la pondération interne, mais ne prouve pas que le système s’est appuyé sur un raisonnement médicalement approprié. Les modèles peuvent se concentrer sur des caractéristiques corrélées qui ne causent pas la maladie.

Les variations entre caméras et appareils créent d’autres risques. Les images d’entraînement peuvent provenir de dermoscopes de qualité spécialisée, utilisés dans des conditions relativement constantes. Un futur outil portable devra gérer les erreurs de mise au point, les reflets, les poils, les ombres, la compression et les différences d’étalonnage des images.

Les petites lésions posent un autre défi, car le redimensionnement peut effacer des détails pertinents. Un traitement haute résolution peut préserver ces informations, mais exige davantage de mémoire et de calcul. La conception à double modèle de TwinSight pourrait accentuer ces besoins en ressources.

Les preuves réglementaires devront refléter le produit final, et non seulement un modèle expérimental. La caméra, l’éclairage, le pipeline de traitement des images, l’interface utilisateur, le seuil de classification et la version logicielle peuvent tous influencer les performances.

Les changements après le déploiement exigent également un contrôle. La mise à jour d’un modèle pourrait améliorer la précision moyenne tout en modifiant son comportement pour certains groupes. Le développement de dispositifs médicaux nécessite donc une gestion des versions, une surveillance et un processus défini pour valider les modifications.

La responsabilité juridique et clinique demeure liée au processus de soins. WPI a, à juste titre, présenté TwinSight comme un soutien aux cliniciens plutôt qu’un remplacement du dermatologue. Ce positionnement réduit les attentes irréalistes, mais n’élimine pas le besoin d’instructions rigoureuses.

Le système devrait communiquer clairement l’incertitude. Une étiquette unique peut encourager un excès de confiance, surtout lorsqu’un médecin ne dispose pas d’une formation spécialisée. Des estimations de risque calibrées et des limites explicites peuvent favoriser de meilleures décisions qu’une réponse catégorique.

Même un système de triage performant peut entraîner des effets involontaires sur le système de santé. Une détection plus facile pourrait envoyer davantage de patients vers des services de dermatologie déjà contraints. À l’inverse, un faux sentiment de réassurance pourrait retarder les orientations lorsque le jugement clinique suscite des inquiétudes.

Le résultat pertinent n’est pas seulement la fréquence à laquelle un algorithme a raison. Il s’agit de déterminer si l’ensemble du flux de travail détecte plus tôt les maladies graves sans provoquer une part disproportionnée de soins inutiles.

Tant que ces résultats ne sont pas mesurés, TwinSight doit être décrit comme un système d’aide à la décision au stade de la recherche. Sa place sur le podium renforce les arguments en faveur d’essais supplémentaires, mais ne comble pas le manque de preuves.

L’IA de détection du mélanome de WPI doit désormais passer trois épreuves

La phase suivante devrait être jugée selon la validation clinique, la représentativité des performances et les effets mesurables sur les décisions des médecins.

Le premier signal à surveiller est une étude prospective multicentrique. Les essais prospectifs évaluent le système sur des cas rencontrés après le début d’un protocole, plutôt qu’en sélectionnant rétrospectivement des images dans une archive existante.

Un essai significatif recruterait des patients dans plusieurs contextes cliniques. Il devrait inclure des cabinets de proximité, des cliniques spécialisées et des sites accueillant des populations encore sous-représentées dans les jeux de données dermatologiques.

L’étude devrait rapporter la sensibilité, la spécificité, les valeurs prédictives et les intervalles de confiance. Elle devrait également expliquer le seuil opérationnel prévu, car modifier ce seuil change l’équilibre entre les cancers manqués et les fausses alertes.

Les résultats confirmés par anatomopathologie fourniraient la référence la plus solide pour les lésions biopsiées. Les chercheurs auraient néanmoins besoin d’un processus de suivi rigoureux pour les lésions non biopsiées immédiatement, puisque la prise en charge clinique n’envoie pas chaque cas en anatomopathologie.

La comparaison centrale devrait mesurer les médecins utilisant TwinSight par rapport à ceux qui ne l’utilisent pas. Cette conception permettrait de vérifier si l’outil améliore les décisions réelles, plutôt que de simplement montrer que ses classifications correspondent à des étiquettes.

Le deuxième signal concerne les performances par sous-groupes et entre appareils. WPI doit montrer comment TwinSight se comporte selon les carnations, les tranches d’âge, les localisations des lésions et les équipements d’imagerie.

La précision moyenne peut rester stable alors qu’un sous-groupe connaît une sensibilité nettement plus faible. La publication de résultats désagrégés révélerait si les bénéfices du modèle sont répartis équitablement.

L’évaluation entre appareils est tout aussi importante pour le format portable proposé. Les chercheurs doivent établir si la modification des optiques, des capteurs, de l’éclairage ou du logiciel de traitement d’images change les prédictions.

Si TwinSight conserve ses performances dans des établissements indépendants et auprès de groupes représentatifs, l’argument en faveur d’un développement clinique se renforcera. Si les résultats varient fortement, l’équipe devra disposer de données plus larges, recalibrer le système ou restreindre son utilisation prévue.

Le troisième signal est l’existence d’un plan réglementaire et de flux de travail défini. L’annonce de WPI décrit un appareil portable relié à un ordinateur, mais ne fournit ni calendrier de déploiement ni statut réglementaire.

Un futur produit devra disposer d’une indication d’utilisation précise. Cette déclaration devrait identifier les patients visés, les utilisateurs, les types de lésions, les contextes et la décision que le résultat est conçu pour soutenir.

La distinction entre le dépistage et l’évaluation d’une lésion déjà suspecte est particulièrement importante. Le dépistage à grande échelle de la population implique des risques, des hypothèses de prévalence et des exigences de preuve différents de ceux d’une évaluation ciblée dans le cabinet d’un médecin.

Les tests d’utilisabilité devraient accompagner la validation technique. Les chercheurs doivent observer si les cliniciens capturent des images acceptables, interprètent correctement les résultats et suivent les recommandations de manière cohérente au cours de consultations ordinaires.

L’équipe devrait également mesurer les comportements d’orientation. Si la sensibilité s’améliore mais que les orientations augmentent fortement, les systèmes de santé devront déterminer si la demande supplémentaire de spécialistes produit une valeur clinique suffisante.

À l’inverse, une diminution des orientations n’indiquerait pas automatiquement une réussite. Un système pourrait réduire les orientations en procurant une fausse réassurance. Les résultats doivent donc relier les changements du flux de travail à la précision diagnostique et au suivi.

TwinSight entre dans un domaine marqué à la fois par des recherches encourageantes et des précédents appelant à la prudence. Les défis ISIC ont montré que les algorithmes peuvent obtenir de solides performances sur des tâches d’images sélectionnées. Les appareils commerciaux ont montré que l’autorisation réglementaire exige des preuves concernant les utilisateurs visés et les compromis pratiques.

L’IA de détection du mélanome de WPI se situe désormais entre ces deux étapes. Son résultat en compétition valide un potentiel technique suffisant pour justifier la poursuite des travaux. Les prochaines preuves devront démontrer que le modèle aide les cliniciens dans des conditions qu’un classement ne peut reproduire.

Cette progression prendra plus de temps que l’entraînement d’un autre modèle. Elle exige une collaboration entre ingénieurs, dermatologues, médecins de soins primaires, régulateurs et patients.

La mise à jour la plus instructive ne sera pas un score de compétition légèrement supérieur. Ce sera la preuve que TwinSight modifie les décisions réelles d’orientation tout en préservant la sécurité au sein de populations diverses.

Les lecteurs devraient considérer cette troisième place comme une étape de développement, et non comme un verdict sur l’efficacité clinique. Il faudra suivre la publication d’une étude prospective enregistrée, de résultats par sous-groupes et d’une trajectoire clairement définie pour le dispositif médical. Si WPI publie ces trois éléments, TwinSight aura dépassé les promesses des benchmarks pour se rapprocher de preuves cliniques responsables. Si ces signaux restent absents, le projet demeurera un classificateur de mélanomes intéressant, mais pas encore un système fiable au point de soins. La question est désormais concrète : WPI peut-il transformer des modèles complémentaires de vision par ordinateur en meilleures décisions pour les médecins de premier recours, sans entraîner de renvois évitables ni laisser de côté les patients sous-représentés ?