L’AI per il melanoma di WPI arriva terza, ma un benchmark non è una diagnosi

Il modello di AI per il melanoma TwinSight di WPI si è classificato terzo in una competizione internazionale che ha coinvolto 181 team accademici e aziendali. Il risultato offre al Worcester Polytechnic Institute un credibile successo in un benchmark, anche se TwinSight resta separato dalla cura routinaria dei pazienti da un lavoro ben più complesso.

Il sistema combina una rete neurale convoluzionale, o CNN, con un vision transformer. Una CNN identifica pattern visivi localizzati, mentre un vision transformer rileva le relazioni tra diverse aree di un’immagine. WPI afferma che l’abbinamento aiuta TwinSight a esaminare sia i dettagli fini delle lesioni sia una struttura visiva più ampia.

Questa scelta tecnica è importante perché un melanoma precoce può assomigliare a un neo benigno. Tuttavia, la sfida principale non è più semplicemente un algoritmo contro un altro. TwinSight deve infine confrontarsi con le esigenze della medicina clinica, dove le prestazioni devono reggere su nuovi pazienti, diverse tonalità della pelle, fotocamere sconosciute e contesti di medicina di base con tempi limitati.

L’AI per il melanoma di WPI ha ottenuto un solido risultato di benchmark

Il terzo posto di TwinSight dimostra potenziale tecnico, non preparazione clinica.

WPI ha annunciato il risultato il 15 ottobre 2026. Secondo il resoconto dell’università sul terzo posto, l’International Skin Imaging Collaboration ha organizzato la competizione per migliorare la diagnosi precoce del melanoma.

L’evento ha fornito ai team partecipanti 5.294 immagini anonime per lo sviluppo dei modelli. I team hanno poi analizzato una raccolta separata di 479 immagini. WPI ha riferito che TwinSight ha ottenuto un punteggio del coefficiente Dice pari a 0,662.

Un coefficiente Dice misura la sovrapposizione tra l’output di un modello e un’annotazione di riferimento. Valori più elevati indicano un accordo più stretto. La metrica è utile per confrontare sistemi nelle stesse condizioni di benchmark, ma non rivela ogni comportamento clinicamente rilevante.

Il team ha inoltre valutato il proprio modello con 187 immagini ottenute da un ospedale della Florida. Questo dataset esterno è importante perché un algoritmo può funzionare bene su dati simili al materiale di addestramento, ma indebolirsi su immagini provenienti da un’altra istituzione.

TwinSight è stato sviluppato nel laboratorio di Xinming Huang, professore presso il Dipartimento di Ingegneria Elettrica e Informatica di WPI. Antony Garcia Gonzalez, dottorando, Fulbright scholar e ricercatore associato presso la Technological University of Panama, è un altro membro centrale del progetto.

L’università afferma che i suoi ricercatori collaborano con dermatologi in Florida. Il loro concetto a più lungo termine prevede un dispositivo di imaging portatile collegato a un laptop o tablet. Un medico di base acquisirebbe un’immagine dettagliata della lesione e riceverebbe una valutazione immediata dell’AI.

Questo uso proposto definisce il reale significato del progetto. TwinSight non viene presentato come un sostituto autonomo dei dermatologi. Il ruolo previsto è il triage, aiutando un non specialista a decidere se una lesione sospetta richiede l’invio a uno specialista.

Uno strumento di triage affronta uno standard diverso rispetto a un classificatore di ricerca. Deve offrire indicazioni utili senza non rilevare tumori pericolosi né inondare gli specialisti di invii non necessari. Deve inoltre inserirsi in una visita senza creare ulteriori passaggi confusi.

La dashboard pubblica della challenge mostra quanto siano diventati estesi i benchmark ISIC. Le sue attuali statistiche MILK10k includono più team e invii rispetto alle cifre citate da WPI nel descrivere il proprio piazzamento. Tali totali in tempo reale possono continuare a cambiare perché l’attività resta aperta agli invii.

Questa distinzione aiuta a conciliare i diversi numeri di partecipazione. WPI ha riportato la propria classifica rispetto a 181 team nel momento rilevante della competizione. La piattaforma in tempo reale riflette ora attività successive, anziché un’istantanea fissa del gruppo originario.

Una posizione sul podio resta significativa. Ogni partecipante ha lavorato su un compito comune, con regole di valutazione condivise e dati controllati. Queste condizioni rendono il risultato più comparabile di un numero sulle prestazioni riportato da un test privato di laboratorio.

Eppure il risultato risponde a una domanda circoscritta: quanto bene ha funzionato TwinSight secondo quel protocollo di challenge? Non risponde se il sistema migliori le decisioni di invio, funzioni ugualmente bene tra gruppi di pazienti diversi o riduca i ritardi diagnostici.

Queste domande spostano la storia oltre una classifica. Spiegano anche perché il terzo posto possa essere al contempo impressionante e preliminare.

Come TwinSight combina due modi di osservare una lesione

L’idea centrale di TwinSight è che la texture locale e la struttura globale forniscano informazioni complementari sulle lesioni cutanee sospette.

Le CNN sono da tempo utilizzate per la classificazione delle immagini mediche. I loro filtri analizzano piccole aree e apprendono caratteristiche ricorrenti quali bordi, transizioni di colore, texture e forma. Gli strati più profondi combinano tali caratteristiche in pattern più astratti.

Questa sensibilità locale è utile nella dermoscopia, una tecnica di imaging che riduce il riflesso superficiale e rivela strutture sotto lo strato esterno della pelle. Una CNN può rilevare bordi irregolari, pigmentazione non uniforme e piccoli cambiamenti di texture che potrebbero contribuire a una previsione di melanoma.

Tuttavia, la convoluzione enfatizza le relazioni ravvicinate. Il pooling e il ridimensionamento delle immagini possono inoltre eliminare informazioni. Un modello potrebbe riconoscere singole caratteristiche sospette senza rappresentare il modo in cui esse si relazionano nell’intera lesione.

I vision transformer affrontano l’immagine in modo diverso. La dividono in patch e usano self-attention, un metodo che calcola le relazioni tra tali patch. Ciò consente al modello di valutare insieme aree distanti invece di elaborare soltanto pixel vicini.

Per l’analisi del melanoma, questa visione più ampia può essere rilevante. L’asimmetria di una lesione può coinvolgere caratteristiche su lati opposti di un’immagine. Anche i cambiamenti nella pigmentazione possono assumere significato attraverso la loro disposizione spaziale, non soltanto attraverso i singoli colori.

TwinSight combina queste due prospettive anziché costringere una sola architettura a gestire ogni segnale visivo. La CNN fornisce un solido rilevatore di caratteristiche locali. Il transformer contribuisce con una rappresentazione di relazioni spaziali più ampie.

La fusione dei modelli unisce quindi le loro previsioni. In linea di principio, un componente può compensare quando l’altro trascura un pattern utile. L’approccio riduce inoltre la dipendenza dalle ipotesi di una singola architettura.

Il sistema di gara del team WPI si basa su una ricerca correlata pubblicata nel 2025. In quello studio di valutazione sottoposto a revisione paritaria, Garcia Gonzalez, Huang e i loro collaboratori hanno esaminato i vision transformer per classificare il melanoma in immagini dermoscopiche.

Lo studio ha addestrato un grande vision transformer con il dataset ISIC 2019, che conteneva oltre 25.000 immagini. I ricercatori hanno valutato il sistema su MN187, un set esterno di 187 immagini confermate da biopsia provenienti da ospedali degli Stati Uniti.

Il vision transformer di base ha raggiunto un’area sotto la curva delle caratteristiche operative del ricevitore, o ROC-AUC, di 0,902. La ROC-AUC misura quanto bene un modello classifica gli esempi positivi al di sopra di quelli negativi attraverso diverse soglie di classificazione.

Il team ha poi ampliato l’addestramento con 46.000 immagini sintetiche filtrate per confidenza, generate tramite StyleGAN2-ADA. Questa tecnica crea esempi artificiali adattandosi a una raccolta di addestramento limitata. Il filtraggio ha rimosso gli output che i ricercatori ritenevano meno affidabili.

Con questa augmentazione, la ROC-AUC riportata è salita a 0,915. Una fase di fine-tuning più mirata, che ha aggiornato gli ultimi sei strati del transformer, ha prodotto una ROC-AUC riportata di 0,926 su MN187.

I ricercatori hanno confrontato i propri modelli con varie architetture CNN e con il sistema commerciale MoleAnalyzer Pro. Il vantaggio numerico iniziale rispetto al sistema commerciale non era statisticamente significativo. Dopo l’augmentazione, la differenza ha raggiunto la significatività statistica nel confronto riportato.

Questa sequenza è rivelatrice. Un punteggio più alto da solo non era sufficiente per stabilire una differenza affidabile. I ricercatori hanno dovuto ricorrere a test statistici per valutare se il divario osservato fosse probabilmente superiore alla normale variazione campionaria.

Mostra anche perché il punteggio di TwinSight nella competizione debba essere letto con cautela. Le metriche servono a scopi diversi. Coefficiente Dice, ROC-AUC, sensibilità, specificità e valore predittivo descrivono aspetti differenti delle prestazioni e non possono essere sostituiti gli uni agli altri.

La combinazione di modelli CNN e transformer resta una strategia tecnica difendibile. Tuttavia, combinare architetture aggiunge complessità computazionale e ingegneristica. Un futuro sistema portatile dovrà elaborare le immagini abbastanza rapidamente per una visita ordinaria e comportarsi in modo coerente sull’hardware supportato.

Un modello che eccelle su una workstation di ricerca non diventa automaticamente uno strumento pratico per il punto di cura. La doppia architettura di TwinSight crea quindi sia il suo fascino tecnico sia la sua prossima sfida ingegneristica.

Il vero avversario è il divario tra benchmark e assistenza al letto del paziente

Il confronto decisivo non è TwinSight contro un’altra candidatura alla competizione, ma le prestazioni di benchmark contro decisioni cliniche affidabili.

Un benchmark crea un ambiente controllato. Ogni team lavora su un dataset definito e gli organizzatori calcolano le classifiche attraverso una metrica condivisa. Questa struttura rende possibile il confronto scientifico.

La pratica clinica è molto meno controllata. I medici incontrano fotocamere, condizioni di illuminazione, posizioni delle lesioni, risoluzioni delle immagini e storie cliniche diverse. Vedono anche condizioni che un modello binario per il melanoma non è mai stato addestrato a classificare.

Una lesione sospetta potrebbe essere un melanoma, un altro tumore della pelle, una condizione infiammatoria o una crescita benigna. Lo studio del 2025 dei ricercatori WPI si è concentrato sulla classificazione tra melanoma e nevo. L’articolo identifica come lavoro futuro una più ampia valutazione multiclasse.

Questa limitazione non invalida la ricerca. Delimita ciò che il modello riportato può supportare. Un classificatore binario risponde a una domanda più ristretta rispetto a quella che un medico di base affronta durante un esame non programmato.

Il flusso di lavoro previsto aggiunge un ulteriore livello. Un medico di base userebbe l’AI per il melanoma di WPI come supporto decisionale prima di inviare un paziente. L’output del modello deve quindi modificare una decisione in una direzione clinicamente appropriata.

La sensibilità è centrale in questo contesto. Uno strumento di triage che non rileva un melanoma può ritardare la valutazione specialistica. Anche la specificità è importante, poiché un eccesso di falsi positivi può aumentare invii, biopsie, ansia e pressione sulla limitata capacità dermatologica.

La tensione tra queste misure appare già nel mercato commerciale. La FDA ha concesso l’autorizzazione De Novo a DermaSensor nel gennaio 2024. Il suo record ufficiale di autorizzazione descrive un dispositivo complementare per medici che valutano lesioni sospette per cancro della pelle.

DermaSensor offre un confronto utile perché è destinato a medici non dermatologi. Tuttavia, il suo metodo di rilevamento differisce dal design proposto basato su immagini di TwinSight. DermaSensor analizza la luce retrodiffusa tramite spettroscopia di scattering elastico anziché affidarsi a una fotografia dermoscopica.

Le evidenze cliniche alla base di tale autorizzazione mostrano perché l’impiego medico richiede più di un benchmark. Un’analisi sottoposta a revisione paritaria delle evidenze cliniche ha riferito che lo studio pivotale di DermaSensor ha incluso 1.579 lesioni di 1.005 pazienti in 22 centri di assistenza primaria.

Lo studio ha riportato una sensibilità del 95,5% e una specificità del 20,7%. L’elevata sensibilità ha favorito il rilevamento, mentre la bassa specificità ha sollevato la possibilità di ulteriori invii e procedure per lesioni benigne.

Un separato studio di utilità, che ha coinvolto 108 medici di assistenza primaria, ha rilevato che l’accesso al dispositivo ha aumentato la sensibilità gestionale dall’82,0% al 91,4%. Tuttavia, la specificità degli invii è diminuita dal 44,2% al 32,4%.

Questi numeri non offrono un confronto diretto con TwinSight. Le tecnologie, i dataset, i disegni degli studi, gli output e le indicazioni d’uso previste sono diversi. Mostrano invece il tipo di compromessi che TwinSight dovrà documentare in futuro.

Il terzo posto di WPI indica che il modello ha corrisposto relativamente bene ai riferimenti del benchmark. Uno studio clinico dovrebbe chiedersi se i medici prendano decisioni migliori con il sistema rispetto a quando non lo utilizzano.

Idealmente, tale sperimentazione confronterebbe gli esiti in più centri. Dovrebbe inoltre utilizzare l’istopatologia o un appropriato standard di riferimento clinico, documentare come i medici interpretano l’output e riportare sia i tumori non rilevati sia gli invii non necessari.

L’integrazione nel flusso di lavoro sarà importante quanto l’accuratezza. Un dispositivo che richiede un posizionamento accurato, acquisizioni ripetute di immagini o un’elaborazione prolungata potrebbe trovare un utilizzo limitato. Anche un punteggio di rischio poco chiaro può creare disaccordo anziché un supporto utile.

Il caso più solido per l’adozione mostrerebbe che i clinici comprendono quando fidarsi dello strumento, quando metterlo in discussione e quando inviare il paziente indipendentemente dal suo output. Si tratta di un problema di collaborazione tra esseri umani e macchine, non semplicemente di classificazione delle immagini.

ISIC ha aiutato il settore a orientarsi verso confronti più rigorosi. Il suo archivio pubblico di immagini contiene oltre 500.000 immagini dermoscopiche sottoposte a controllo qualità e sostiene sfide continue.

I dataset condivisi hanno accelerato lo sviluppo degli algoritmi, ma non possono riprodurre ogni condizione clinica. La leadership nei benchmark è quindi una credenziale iniziale. Il contesto assistenziale resta il vero banco di prova.

Cosa non mostra il punteggio della competizione

La maggiore incertezza riguarda la capacità di TwinSight di mantenere le proprie prestazioni tra popolazioni, dispositivi e flussi di lavoro clinici reali.

La composizione del dataset è una delle preoccupazioni. L’aspetto della pelle varia in base a pigmentazione, età, esposizione solare, sede della lesione e condizioni di imaging. Se una raccolta di addestramento sottorappresenta alcuni gruppi, le prestazioni aggregate possono nascondere disparità rilevanti.

La questione è particolarmente seria in dermatologia. I segni visivi possono manifestarsi diversamente tra le varie tonalità di pelle, mentre molte raccolte di immagini consolidate rappresentano in modo sproporzionato le pelli più chiare.

L’annuncio di WPI non pubblica risultati per sottogruppi relativi a TwinSight. Non indica come le immagini della competizione fossero distribuite tra tonalità di pelle, età, sedi anatomiche o dispositivi di acquisizione.

Questa assenza non dovrebbe essere interpretata come prova di prestazioni scarse nei sottogruppi. Significa che i lettori non possono valutare l’equità dal risultato riportato. Le valutazioni future dovranno includere risultati per sottogruppi prima che ampie affermazioni cliniche siano giustificate.

La validazione esterna aiuta a evidenziare il domain shift, che si verifica quando i nuovi dati differiscono dal materiale usato durante l’addestramento. L’uso da parte del team di 187 immagini ospedaliere della Florida rappresenta quindi un passo costruttivo.

Tuttavia, un solo dataset esterno rimane limitato. Il relativo articolo del 2025 riconosce che MN187 era limitato per dimensioni e diversità. I suoi autori identificano inoltre la necessità di dataset più grandi, più classi di lesioni e metadati clinici.

L’aumento sintetico dei dati introduce un’altra incertezza. Le immagini generate possono migliorare l’equilibrio tra classi ed esporre un modello a maggiori variazioni. Possono però anche ripetere bias o artefatti appresi dai dati originali.

Il filtraggio basato sulla confidenza riduce gli esempi di bassa qualità, ma non garantisce il realismo clinico. Un classificatore può assegnare un’elevata confidenza a una caratteristica sintetica che appare plausibile dal punto di vista matematico, pur non avendo validità medica.

Il team di ricerca ha riportato prestazioni migliori dopo l’aggiunta di immagini sintetiche. Non ha affermato che i dati sintetici eliminino la necessità di raccolte cliniche diversificate e confermate da biopsia.

Anche l’interpretabilità merita attenzione. I vision transformer possono produrre mappe di attenzione che mostrano dove il modello ha concentrato l’attenzione. Nello studio WPI, gli strati più profondi si sono spesso concentrati su pigmentazioni irregolari o regioni più scure della lesione.

Una mappa di attenzione non costituisce di per sé una spiegazione clinica. Visualizza la ponderazione interna, ma non dimostra che il sistema abbia seguito un ragionamento clinicamente appropriato. I modelli possono concentrarsi su caratteristiche correlate che non causano la malattia.

Le variazioni di fotocamera e dispositivo creano ulteriori rischi. Le immagini di addestramento possono provenire da dermatoscopi di livello specialistico in condizioni relativamente coerenti. Un futuro strumento portatile dovrà gestire errori di messa a fuoco, riflessi, peli, ombre, compressione e differenze nella calibrazione delle immagini.

Le lesioni piccole rappresentano un’altra sfida, poiché il ridimensionamento può cancellare dettagli rilevanti. L’elaborazione ad alta risoluzione può preservare tali informazioni, ma richiede più memoria e capacità di calcolo. Il design a doppio modello di TwinSight potrebbe intensificare tali requisiti di risorse.

Le evidenze regolatorie dovranno riflettere il prodotto finale, non soltanto un modello sperimentale. Fotocamera, illuminazione, pipeline di elaborazione delle immagini, interfaccia utente, soglia di classificazione e versione del software possono tutti influenzare le prestazioni.

Anche le modifiche dopo l’adozione richiedono controllo. L’aggiornamento di un modello potrebbe migliorare l’accuratezza media alterando però il comportamento per gruppi specifici. Lo sviluppo di dispositivi medici richiede quindi gestione delle versioni, monitoraggio e un processo definito per validare le modifiche.

La responsabilità e la responsabilità clinica restano in capo al processo di cura. WPI ha opportunamente presentato TwinSight come supporto ai clinici, non come sostituto del dermatologo. Questo posizionamento riduce aspettative irrealistiche, ma non elimina la necessità di istruzioni attente.

Il sistema dovrebbe comunicare chiaramente l’incertezza. Una singola etichetta può indurre eccessiva fiducia, soprattutto quando un medico non possiede una formazione specialistica. Stime di rischio calibrate e limitazioni esplicite possono sostenere decisioni migliori rispetto a una risposta categorica.

Anche un sistema di triage dalle buone prestazioni può produrre effetti involontari sul sistema. Un rilevamento più semplice potrebbe inviare più pazienti a servizi dermatologici già sottoposti a pressione. In alternativa, un falso senso di rassicurazione potrebbe ritardare gli invii quando il giudizio clinico suggerisce preoccupazione.

L’esito rilevante non è semplicemente la frequenza con cui un algoritmo è corretto. È capire se l’intero flusso di lavoro individua prima le malattie gravi senza causare cure non necessarie in misura sproporzionata.

Finché tali esiti non saranno misurati, TwinSight dovrebbe essere descritto come un sistema di supporto decisionale in fase di ricerca. Il suo piazzamento sul podio rafforza le ragioni per ulteriori test, ma non colma il divario nelle evidenze.

L’AI per il melanoma di WPI affronta ora tre prove

La fase successiva dovrebbe essere valutata in base alla validazione clinica, a prestazioni rappresentative e a effetti misurabili sulle decisioni dei medici.

Il primo segnale da osservare è uno studio prospettico multicentrico. I test prospettici valutano il sistema su casi incontrati dopo l’avvio di un protocollo, anziché selezionare retrospettivamente immagini da un archivio esistente.

Una sperimentazione significativa dovrebbe arruolare pazienti provenienti da diversi contesti clinici. Dovrebbe includere studi medici territoriali, cliniche specialistiche e strutture che servono popolazioni tuttora sottorappresentate nei dataset dermatologici.

Lo studio dovrebbe riportare sensibilità, specificità, valori predittivi e intervalli di confidenza. Dovrebbe inoltre spiegare la soglia operativa prevista, poiché modificarla altera l’equilibrio tra tumori non rilevati e falsi allarmi.

Gli esiti confermati dall’esame istopatologico fornirebbero il riferimento più solido per le lesioni sottoposte a biopsia. I ricercatori avrebbero comunque bisogno di un accurato processo di follow-up per le lesioni non sottoposte immediatamente a biopsia, poiché la gestione clinica non invia ogni caso all’analisi patologica.

Il confronto centrale dovrebbe misurare i medici con TwinSight rispetto ai medici senza di esso. Tale disegno verificherebbe se lo strumento migliori le decisioni reali, anziché limitarsi a mostrare che le sue classificazioni sono correlate alle etichette.

Il secondo segnale riguarda le prestazioni nei sottogruppi e tra dispositivi diversi. WPI deve dimostrare come TwinSight si comporti tra tonalità di pelle, fasce d’età, sedi delle lesioni e hardware di imaging.

L’accuratezza media può restare stabile mentre un sottogruppo sperimenta una sensibilità sostanzialmente più debole. Pubblicare risultati disaggregati rivelerebbe se i benefici del modello siano distribuiti in modo equo.

La valutazione tra dispositivi diversi è altrettanto importante per il formato portatile proposto. I ricercatori devono stabilire se modificare ottiche, sensori, illuminazione o software di elaborazione delle immagini alteri le previsioni.

Se TwinSight manterrà le proprie prestazioni tra istituzioni indipendenti e gruppi rappresentativi, l’argomentazione a favore dello sviluppo clinico diventerà più forte. Se i risultati varieranno nettamente, il team avrà bisogno di dati più ampi, ricalibrazione o un uso previsto più ristretto.

Il terzo segnale è un piano regolatorio e di flusso di lavoro definito. L’annuncio di WPI descrive un dispositivo portatile collegato a un computer, ma non fornisce una tempistica di adozione né uno stato regolatorio.

Un prodotto futuro avrà bisogno di una precisa indicazione d’uso. Tale dichiarazione dovrebbe identificare i pazienti, gli utenti, i tipi di lesione, le impostazioni e la decisione che l’output è progettato per supportare.

La distinzione tra screening e valutazione di una lesione già sospetta è particolarmente importante. Lo screening dell’intera popolazione comporta rischi, ipotesi di prevalenza e requisiti probatori diversi rispetto alla valutazione mirata nello studio di un medico.

I test di usabilità dovrebbero accompagnare la validazione tecnica. I ricercatori devono osservare se i clinici acquisiscano immagini accettabili, interpretino correttamente i risultati e seguano le indicazioni con coerenza durante le normali visite.

Il team dovrebbe inoltre misurare il comportamento relativo agli invii. Se la sensibilità migliora ma gli invii aumentano nettamente, i sistemi sanitari dovranno decidere se la domanda aggiuntiva di specialisti produca sufficiente valore clinico.

Al contrario, un numero inferiore di invii non indicherebbe automaticamente il successo. Un sistema potrebbe ridurre gli invii offrendo falsa rassicurazione. Gli esiti devono quindi collegare i cambiamenti del flusso di lavoro con l’accuratezza diagnostica e il follow-up.

TwinSight entra in un settore caratterizzato sia da ricerche incoraggianti sia da precedenti cautelativi. Le sfide ISIC hanno dimostrato che gli algoritmi possono ottenere buone prestazioni in compiti di immagini curate. I dispositivi commerciali hanno mostrato che l’autorizzazione regolatoria richiede evidenze sugli utenti previsti e sui compromessi pratici.

L’AI per il melanoma di WPI si trova ora tra queste fasi. Il suo risultato nella competizione convalida un potenziale tecnico sufficiente a giustificare il proseguimento del lavoro. Le prossime evidenze dovranno mostrare che il modello aiuta i clinici in condizioni che una classifica non può riprodurre.

Questa progressione richiederà più tempo dell’addestramento di un altro modello. Richiede collaborazione tra ingegneri, dermatologi, medici di assistenza primaria, regolatori e pazienti.

L’aggiornamento più informativo non sarà un punteggio leggermente più alto in una competizione. Saranno le evidenze che TwinSight modifica decisioni reali di invio mantenendo la sicurezza tra popolazioni diverse.

I lettori dovrebbero considerare il terzo posto come una tappa nello sviluppo, non come un verdetto sull’efficacia clinica. Occorrerà monitorare la registrazione di uno studio prospettico, i risultati per sottogruppi e un percorso chiaramente definito per il dispositivo medico. Se WPI pubblicherà tutti e tre, TwinSight sarà passato dalla promessa dei benchmark a evidenze cliniche verificabili. Se tali segnali resteranno assenti, il progetto sarà comunque un interessante classificatore di melanomi, ma non ancora un sistema affidabile per l’assistenza al punto di cura. La domanda ora è concreta: WPI riuscirà a trasformare modelli complementari di computer vision in decisioni migliori per i medici di medicina primaria, senza aggiungere invii evitabili a specialisti né lasciare indietro i pazienti sottorappresentati?