top of page

DIAGENS iMed-6.0 aggiunge un modello CT con 509 target

12 minuti fa
Tempo di lettura: 12 min
Illustrative photograph. Photo: cottonbro studio / Pexels.

DIAGENS ha presentato il 12 novembre 2026 un modello CT che copre 509 malattie e reperti di imaging, insieme ai risultati di benchmark per DIAGENS iMed-6.0. L'annuncio amplia la copertura di imaging dichiarata dall'azienda, ma lascia aperta una questione importante: come tale ampiezza si traduca in un'assistenza clinica affidabile.

La tensione centrale riguarda la gamma di anomalie valutate da un modello e le prove a sostegno del suo impiego nella cura dei pazienti. Un elenco più lungo di target crea maggiori opportunità di aiuto, ma anche più risultati che richiedono interpretazione, validazione e gestione appropriata.

RADAR di Alibaba DAMO Academy offre un riferimento di ricerca pertinente per l'AI di imaging generalista, ossia sistemi che affrontano molteplici reperti nell'ambito di un esame. Per acquirenti ospedalieri e sviluppatori, il confronto utile riguarda i metodi di valutazione e le prestazioni nel flusso di lavoro, piuttosto che i soli numeri in evidenza.

Cosa aggiunge effettivamente DIAGENS iMed-6.0

L'annuncio collega una più ampia famiglia di modelli di imaging a un'applicazione CT definita per torace e addome.

La CT, o tomografia computerizzata, produce immagini trasversali del corpo. DIAGENS afferma che la sua nuova applicazione supporta esami sia con sia senza mezzo di contrasto, utile per distinguere le strutture in determinate scansioni. Il suo annuncio del modello CT descrive una copertura che include malattie e reperti di imaging.

Questa formulazione merita attenzione. Un reperto di imaging descrive qualcosa di visibile in un esame, mentre un'etichetta di malattia descrive una condizione medica. Le due categorie possono sovrapporsi, ma la loro inclusione in un elenco condiviso di target non rende ogni target una diagnosi stabilita in modo indipendente.

L'ambizione pratica è comprensibile: analizzare un esame in modo sufficientemente ampio da supportare più interrogativi attraverso un sistema condiviso. Il valore deriverebbe da un'assistenza utile per tali interrogativi, anziché dalla semplice capacità di generare più output.

DIAGENS identifica Thoth come la versione iMed-6.0 di medie dimensioni e Aegis come la versione più piccola. L'applicazione CT si basa su Aegis. La sua versione più grande, Horus, resta parte dei piani dichiarati dall'azienda per ulteriori divulgazioni sulle valutazioni.

Queste distinzioni separano la famiglia di modelli dall'applicazione descritta nell'annuncio. Un risultato associato a una versione non dovrebbe essere trasferito automaticamente a un'altra. Analogamente, un risultato di benchmark generale non dovrebbe sostituire le prove relative a uno specifico flusso di lavoro CT.

Per gli sviluppatori, ciò crea una semplice questione di documentazione: quale modello esatto ha prodotto quale risultato? Una valutazione diventa più difficile da interpretare quando la versione sottostante, la configurazione dell'applicazione o l'input supportato cambiano senza una registrazione chiara.

Per gli acquirenti, la domanda corrispondente è che cosa riceverebbero effettivamente. Un risultato di ricerca, un servizio di valutazione e un'applicazione in produzione rappresentano impegni diversi. Il solo annuncio non dovrebbe indurre i lettori a presumere che ogni capacità descritta abbia lo stesso stato di implementazione.

L'interpretazione più circoscritta è anche la più utile. DIAGENS ha presentato una specifica espansione delle capacità dichiarate. Che tale espansione supporti un'assistenza affidabile dipende dalle prove associate ai singoli usi.

Un acquirente che valuta DIAGENS iMed-6.0 dovrebbe quindi iniziare dal compito previsto. Riesaminare esami alla ricerca di possibili reperti trascurati richiede requisiti diversi rispetto alla redazione di referti o all'aiuto nella priorizzazione di una lista di lavoro.

Queste distinzioni determinano il significato del successo. L'emersione di più reperti è un obiettivo incompleto se gli output generano revisioni non necessarie, oscurano informazioni urgenti o lasciano i clinici incerti su come rispondere.

L'annuncio pone l'ampiezza della copertura al centro dell'attenzione. La domanda successiva è se un modello ampio possa rendere un compito clinico chiaramente definito più facile da svolgere e da valutare.

Una copertura più ampia aumenta l'onere della prova

Un modello CT generalista si guadagna il proprio posto attraverso decisioni utili, non attraverso la lunghezza del suo elenco di target supportati.

La pressione ricade più direttamente su DIAGENS e sui potenziali valutatori ospedalieri. Quando un sistema offre un'ampia copertura, la sua valutazione deve spiegare come tale copertura si comporti sul carico di lavoro previsto.

Si consideri un ipotetico flusso di revisione nel quale un assistente segnala diverse possibili anomalie all'interno di una scansione completata. Il risultato rilevante non è semplicemente se produca reperti. I valutatori devono comprendere che cosa faccia il clinico con tali reperti.

Un output potrebbe richiamare l'attenzione su qualcosa che merita revisione. Potrebbe anche ripetere un'osservazione già presente nel referto, far emergere una possibilità irrilevante o richiedere ulteriori approfondimenti. Queste possibilità richiedono misure diverse di utilità.

Ecco perché il ruolo proposto conta prima dell'avvio di qualsiasi progetto pilota. Un assistente destinato a supportare la revisione dei referti dovrebbe essere valutato rispetto alle esigenze di tale revisione. Le sue prestazioni su una raccolta più ampia di compiti non correlati fornirebbero prove incomplete per quella decisione.

Un'ampia copertura rende inoltre più rilevante la presentazione dei risultati. Un clinico deve distinguere le informazioni utilizzabili da un output incerto o non supportato. Trattare ogni possibile reperto come ugualmente importante renderebbe l'interfaccia più difficile da valutare.

Si tratta tanto di una questione di valutazione quanto di progettazione. I punteggi di un modello e il modo in cui tali punteggi raggiungono gli utenti costituiscono un flusso di lavoro combinato. Testare soltanto il modello sottostante lascia inesaminata una parte dell'intervento proposto.

Un progetto pilota utile specificherebbe come gli output entrano nel lavoro esistente, chi li esamina e cosa accade quando il sistema non può valutare un esame. Si tratta di requisiti di valutazione proposti, non di capacità stabilite dall'annuncio.

Gli acquirenti hanno inoltre bisogno di un comparatore significativo. L'alternativa pertinente potrebbe essere la pratica clinica esistente, un'applicazione specialistica consolidata o un altro assistente proposto. Il confronto con un ideale astratto oscurerebbe se il nuovo sistema offra un miglioramento pratico.

Questo esercita un diverso tipo di pressione sui fornitori specialistici. Un modello ampio invita a chiedersi se applicazioni separate restino necessarie. Gli specialisti possono rispondere attraverso prove mirate relative ai compiti previsti, anziché competere soltanto sulla copertura.

L'implicazione commerciale resta condizionale. Consolidare le funzioni sarebbe interessante se riducesse la complessità non necessaria preservando prestazioni utili. Un modello condiviso che richieda controlli aggiuntivi estesi offrirebbe un compromesso diverso.

Per i team di prodotto AI al di fuori della sanità, l'annuncio illustra un noto problema di valutazione. Un sistema può espandere le proprie capacità dichiarate più rapidamente delle prove a sostegno di ciascun uso. L'ampiezza del prodotto e l'affidabilità dimostrata richiedono registrazioni separate.

I team che monitorano tali affermazioni possono organizzare documenti di rilascio e note di valutazione in una base di conoscenza ricercabile. Questo supporta la gestione delle prove; le decisioni cliniche richiedono comunque sistemi clinici e supervisione appropriati.

La conseguenza immediata di una copertura più ampia è quindi una valutazione più esigente. Ogni uso proposto necessita di uno scopo chiaro, di un confronto appropriato e di prove che il flusso di lavoro combinato offra qualcosa che valga la pena adottare.

L'AUC riportata non è accuratezza diagnostica

I risultati CT descrivono la capacità di discriminazione nelle attività di valutazione, non una percentuale di pazienti diagnosticati correttamente.

Nella sua divulgazione sulla valutazione dell'imaging, DIAGENS riporta una valutazione interna che ha coinvolto quasi 40.000 coppie di esami CT e referti provenienti da più ospedali. Indica un'AUC zero-shot con media macro di 0,855 su tutti i 509 target e di 0,930 su un sottoinsieme selezionato di 249 target.

L'AUC misura quanto bene i punteggi distinguano i casi positivi da quelli negativi tra le possibili soglie decisionali. La media macro assegna lo stesso peso a ciascun compito. La classificazione zero-shot valuta i target senza esempi specifici per il compito forniti per quella configurazione di classificazione.

Il documento dichiara espressamente che queste cifre non equivalgono all'accuratezza diagnostica. Avverte inoltre che le definizioni di copertura differiscono tra gli studi e non stabiliscono confronti diretti delle prestazioni dei modelli.

Tali precisazioni impediscono diverse scorciatoie allettanti. Il valore relativo al sottoinsieme selezionato non dovrebbe diventare “93% di accuratezza diagnostica”. Né dovrebbe sostituire silenziosamente il risultato relativo all'intero insieme di target.

La distinzione influenza ciò che un acquirente può dedurre. Una misura di sintesi può descrivere una valutazione senza indicare come un particolare reperto si comporti nel punto decisionale usato nella pratica.

Quel punto decisionale è una soglia, il punteggio al quale un output attiva una particolare risposta. Scegliere una soglia implica decidere quali errori contino per il compito previsto. La scelta appropriata richiede contesto clinico.

Un revisore che valuta possibili anomalie non rilevate avrebbe quindi bisogno di più di una media complessiva. Prove di supporto utili descriverebbero i reperti valutati, i giudizi di riferimento e le conseguenze dell'agire sugli output.

La sensibilità, la proporzione di casi positivi rilevati, aiuterebbe a descrivere i reperti mancati. La specificità, la proporzione di casi negativi correttamente esclusi, aiuterebbe a descrivere le segnalazioni non necessarie. Nessuna delle due misure costituisce da sola una valutazione completa.

Anche la distribuzione dei risultati è importante. Una media favorevole non rivela se le prestazioni siano coerenti tra i target o concentrate in compiti specifici. I singoli reperti possono avere un'importanza pratica diversa.

Il sottoinsieme selezionato solleva una questione correlata di rendicontazione. I valutatori dovrebbero comprendere perché tali target siano stati selezionati e se la selezione corrisponda all'uso previsto. Un sottoinsieme può essere informativo senza rappresentare l'intera applicazione.

Sono richieste di interpretabilità, non motivi per respingere il risultato riportato. L'azienda ha divulgato una valutazione misurabile. Il passo successivo è collegare tale misurazione alle decisioni che un team clinico prenderebbe effettivamente.

I test indipendenti rafforzerebbero tale collegamento riducendo la dipendenza dalla valutazione dello sviluppatore. Richiederebbero comunque una progettazione appropriata, esami pertinenti e risultati chiaramente specificati.

DIAGENS iMed-6.0 presenta quindi una distinzione utile tra un risultato promettente del modello e una decisione di implementazione. Il primo può giustificare ulteriori approfondimenti. La seconda richiede prove adeguate al contesto proposto.

Questa distinzione dovrebbe rimanere visibile ovunque l'annuncio circoli. Un titolo semplificato può facilmente eliminare proprio le precisazioni che rendono interpretabili le cifre sottostanti.

RADAR offre un riferimento di ricerca, non una classifica diretta

RADAR stabilisce un contesto pertinente per un'ampia analisi CT, mentre un confronto valido delle prestazioni richiederebbe una valutazione condivisa.

La ricerca sulla CT addominale pubblicata su Science descrive RADAR in relazione a 146 reperti di imaging addominale. La ricerca ha riportato un'AUC media di 0,895 nella valutazione condotta presso otto centri esterni.

Questo rende RADAR pertinente alla direzione perseguita da DIAGENS. Entrambi riguardano l’analisi estesa nell’ambito degli esami TC. Tuttavia, i rispettivi ambiti pubblicati e le impostazioni di valutazione non consentono di decretare semplicemente un vincitore sulla base delle cifre in evidenza.

Un numero maggiore di target può riflettere una copertura più ampia, definizioni diverse o entrambe le cose. I valutatori devono esaminare cosa rappresenti ciascun target prima di considerare i conteggi come unità equivalenti.

Lo stesso vale per le prestazioni di sintesi. Esami, giudizi di riferimento e definizioni dei compiti differenti possono modificare il significato di un risultato riportato. Affiancare due numeri non elimina tali differenze.

Un confronto diretto richiederebbe un insieme concordato di compiti e un disegno di valutazione comune. Dovrebbe inoltre chiarire se entrambi i sistemi supportano gli stessi input e se i loro output perseguono lo stesso scopo clinico.

Questo risponderebbe a una domanda più circoscritta e utile rispetto a quale sistema abbia l’ambito dichiarato più ampio. Mostrerebbe come i sistemi si comportano in condizioni comparabili.

RADAR fornisce inoltre un riferimento concreto su come output molto ampi richiedano interpretazione. Un’analisi radiologica indipendente esamina i suoi punteggi relativi ai reperti e spiega perché i singoli risultati non risolvano automaticamente la diagnosi clinica.

Quell’analisi riguarda RADAR, non una valutazione clinica di DIAGENS. La sua rilevanza qui è metodologica: i punteggi degli output richiedono contesto e l’interpretazione esperta resta distinta da una raccolta di previsioni del modello.

Le affermazioni sui benchmark associate alla più ampia famiglia iMed richiedono analoga cautela. DIAGENS riporta punteggi complessivi MedBench di 64,4 per Thoth e 61,7 per Aegis. Tali risultati di benchmark riguardano compiti di valutazione definiti, anziché esiti dimostrati nei pazienti.

L’azienda riporta inoltre per Thoth un punteggio MMMU Test del 66,2%, rispetto a un precedente migliore risultato pubblicato del 65,9%. MMMU valuta la comprensione multimodale multidisciplinare, ossia le prestazioni in compiti che combinano diversi tipi di informazioni.

Il documento data i confronti con le classifiche pubbliche all’11 novembre 2026. Dichiara esplicitamente che tali confronti non significano che i modelli dell’azienda siano stati inseriti nelle classifiche pubbliche.

Per i lettori, la distinzione importante è tra un risultato di valutazione riportato, una classifica pubblica e prove cliniche. Ciascuno può contribuire con informazioni, ma nessuno fornisce automaticamente gli altri.

La posta in gioco competitiva riguarda quindi la qualità delle prove oltre allo sviluppo dei modelli. DIAGENS può rendere più convincente la propria tesi attraverso valutazioni riproducibili e test clinicamente rilevanti. Gli altri sviluppatori affrontano lo stesso onere.

Una competizione utile premierebbe i sistemi che rendono più facile esaminare il proprio ambito, le limitazioni e il valore nel flusso di lavoro. La copertura crea l’opportunità; prove comparabili determinano quanto fiduciosamente gli acquirenti possano agire su di essa.

Il caso di implementazione resta incompleto

Gli annunci esaminati supportano ulteriori valutazioni, ma non stabiliscono una validazione clinica indipendente né migliori esiti per i pazienti per questo modello TC.

Questo è un limite delle prove disponibili, non una conclusione che il sistema non possa essere utile. Un annuncio di prodotto e uno studio clinico rispondono a domande diverse.

L’annuncio descrive ciò che lo sviluppatore afferma di aver realizzato e misurato. Una valutazione dell’implementazione deve esaminare l’applicazione proposta nel suo ambiente previsto. Nessuno dei due documenti può sostituire l’altro.

I principi FDA sull’IA medica offrono un contesto generale pertinente per valutare lo sviluppo di dispositivi medici. Enfatizzano un approccio lungo l’intero ciclo di vita per dispositivi abilitati dall’IA sicuri ed efficaci.

Tali principi non costituiscono un giudizio regolatorio su DIAGENS. Illustrano perché un annuncio sui benchmark sia solo una parte delle prove necessarie agli acquirenti.

Un ospedale che stesse valutando il sistema avrebbe bisogno di dichiarazioni chiare sull’utente previsto, sugli esami supportati e sul ruolo proposto. Dovrebbe inoltre comprendere cosa gli utenti dovrebbero fare quando gli input escono da tale ambito.

Consideriamo un’altra situazione ipotetica: arriva un esame con un protocollo di acquisizione esterno all’impostazione valutata. Una valutazione responsabile dovrebbe chiedere come l’applicazione identifichi quella situazione e comunichi le proprie limitazioni.

L’annuncio non stabilisce la risposta. Rendere esplicita questa domanda aiuta a evitare che un valutatore presuma che un’ampia copertura dei target significhi anche un supporto illimitato degli input.

La gestione delle versioni presenta un’altra questione pratica. Se un modello cambia durante la valutazione, l’acquirente deve sapere quali risultati si applichino a quale versione. Altrimenti, le prove e il prodotto possono divergere.

Le linee guida FDA sulla trasparenza dell’IA medica offrono un riferimento correlato per comunicare informazioni sui dispositivi abilitati dal machine learning. Informazioni chiare aiutano gli utenti a comprendere le condizioni che circondano le prestazioni riportate.

DIAGENS descrive una strategia più ampia che coinvolge iMedLoop, la sua piattaforma per sviluppare IA per l’imaging specialistico. La proposta commerciale collega una base condivisa ad applicazioni adattate a esigenze specifiche.

Questo crea un’utile ipotesi commerciale: una piattaforma comune potrebbe rendere lo sviluppo delle applicazioni più ripetibile. Crea anche un obbligo di prova. Ogni applicazione necessita comunque di supporto per il proprio scopo previsto.

La personalizzazione dovrebbe quindi essere valutata insieme al lavoro necessario per validarla e mantenerla. Un’interfaccia di sviluppo più semplice non risponde, di per sé, alla domanda se l’applicazione risultante sia adatta a un compito clinico.

La stessa cautela si applica alle aspettative commerciali. Un’espansione dei possibili casi d’uso non dimostra adozione effettiva, utilizzo ricorrente o ricavi derivanti da tali utilizzi.

Acquirenti e investitori dovrebbero mantenere separati questi traguardi. Capacità del modello, implementazione operativa e uso commerciale continuativo rappresentano risultati differenti. Le prove di uno non dovrebbero essere presentate come prove di tutti.

Il caso di implementazione irrisolto è il punto in cui l’annuncio diventa più rilevante. DIAGENS ha reso concreta una proposta ampia abbastanza da poterla valutare. Il valore dipende ora da ciò che tale valutazione rivelerà.

Tre segnali chiariranno cosa verrà dopo

Le prossime prove significative dovrebbero collegare le affermazioni sul modello a test indipendenti, prestazioni effettive nel flusso di lavoro e un’implementazione chiaramente documentata.

Il primo segnale è una valutazione indipendente su esami esterni alla valutazione interna dello sviluppatore. Nei prossimi uno-tre mesi, occorre osservare metodi dettagliati, definizioni dei compiti e risultati che altri possano esaminare.

La divulgazione più informativa renderebbe esplicite le condizioni della valutazione. I lettori dovrebbero poter identificare la versione testata, gli input supportati, il metodo di confronto e i giudizi di riferimento utilizzati per valutare gli output.

Risultati coerenti in condizioni esterne pertinenti rafforzerebbero il caso per un’indagine più ampia. Prestazioni disomogenee restringerebbero le applicazioni meritevoli di attenzione. Entrambi gli esiti offrirebbero più valore decisionale di un’altra affermazione di copertura priva di qualificazioni.

Il secondo segnale riguarda le prove sul lavoro congiunto di clinico e modello. Occorre osservare valutazioni prospettiche, ossia test pianificati attorno a un flusso di lavoro definito prima che ne vengano raccolti gli esiti.

Tale lavoro dovrebbe specificare cosa l’assistente dovrebbe migliorare. Un’applicazione di revisione dei referti necessita di prove sulla revisione. Un’applicazione di prioritizzazione necessita di prove sulla prioritizzazione.

Gli esiti utili rifletterebbero sia i benefici sia il lavoro aggiuntivo. Un’applicazione che evidenzia informazioni pertinenti creando al contempo una considerevole necessità di controlli superflui presenta una proposta diversa da una che migliora il compito nel suo complesso.

Risultati che mostrino vantaggi pratici rafforzerebbero l’argomento commerciale. Risultati che mostrino benefici limitati, o un processo di revisione oneroso, riporterebbero la discussione verso utilizzi più circoscritti.

Il terzo segnale è la chiarezza sull’implementazione e sulla regolamentazione per la specifica applicazione TC. Occorre osservare una destinazione d’uso definita, dettagli dell’autorizzazione applicabile, documentazione delle versioni e prove di utilizzo operativo continuativo.

Queste divulgazioni aiuterebbero a distinguere una capacità di ricerca da un prodotto offerto per un determinato contesto clinico. Qualsiasi autorizzazione dovrebbe essere letta secondo il suo ambito dichiarato.

DIAGENS ha inoltre indicato che sono previste ulteriori informazioni sulle valutazioni Horus e DoctorBench. Tali pubblicazioni aggiungerebbero contesto alla famiglia di modelli, senza risolvere automaticamente le questioni cliniche dell’applicazione TC.

Per gli sviluppatori, la risposta pratica consiste nel preservare la distinzione tra un risultato del modello e un’affermazione sul flusso di lavoro. Per gli acquirenti, consiste nel definire la decisione prima di scegliere le prove da utilizzare a suo sostegno.

Il seguito più solido non avrebbe bisogno di un titolo più clamoroso. Mostrerebbe con precisione dove il sistema aiuta, dove incontra difficoltà e come si sia giunti a tali conclusioni.

Leggete DIAGENS iMed-6.0 come una specifica espansione delle capacità dichiarate, quindi seguite le prove che collegano tali capacità al lavoro clinico. Partite dall’intero ambito di valutazione, preservatene le qualificazioni e confrontate i risultati solo quando i compiti sottostanti coincidono. Se state valutando un progetto pilota, definite il flusso di lavoro previsto e l’esito che giustificherebbe la prosecuzione. Chiedete la versione del modello testata, la gestione degli esami non supportati e le responsabilità del clinico revisore. Mantenete separate le future pubblicazioni dalle capacità già valutate. La domanda concreta da portare nel prossimo annuncio è: le nuove prove mostrano un’assistenza utile nel contesto in cui qualcuno intende utilizzare il sistema?

 
 

Inizia gratis

Un assistente IA local-first con gestione della conoscenza personale

Per una migliore esperienza con l’IA,

al momento remio supporta solo Windows 10+ (x64) e M-Chip Macs.

Il tuo partner AI al lavoro
Fai di più con remio

Pianifica. Crea. Consegna.
Tutto in un unico posto.

bottom of page