In sintesi (notizia del 18 settembre 2026)
- Vetology, società di teleradiologia veterinaria, ha ricostruito tutti i suoi 94 classificatori AI su una nuova architettura di modello.
- Rilascio progressivo tra giugno e agosto 2026.
- La novità tecnica: i modelli interpretano l'informazione globale attraverso immagini singole e collegate all'interno dello stesso studio, invece di valutare ogni radiografia isolatamente.
- L'intervento risponde a un position statement congiunto di ACVR ed ECVDI che chiede trasparenza, reporting degli errori e valutazione indipendente per i servizi AI veterinari commerciali.
- Vetology mantiene un invito aperto ai ricercatori indipendenti a testare i dati di performance pubblicati a livello di singola condizione.
Cosa ha annunciato Vetology
Vetology ha ricostruito da zero l'architettura su cui girano tutti i suoi 94 classificatori di intelligenza artificiale per la radiologia veterinaria. Il rilascio è avvenuto in modo progressivo tra giugno e agosto 2026, e la notizia è stata riportata da Today's Veterinary Business il 18 settembre.
La differenza rispetto alla versione precedente è nel modo in cui il modello guarda le immagini. I classificatori aggiornati sono in grado di interpretare l'informazione globale attraverso immagini singole e collegate all'interno di uno studio più ampio. Anthony Lutz, manager of data science dell'azienda, ha definito il cambiamento un "radical shift" e ha spiegato che il nuovo design "segue il modo in cui un radiologo umano legge i casi, e il successo di questi modelli deriva direttamente da quella scelta progettuale".
Perché questa differenza tecnica è rilevante in clinica
Chi legge radiografie sa che un rilievo raramente si valuta su una singola proiezione. Si incrociano le proiezioni, si confronta con lo studio precedente, si contestualizza rispetto a segnalamento e anamnesi. Un modello che classifica ogni immagine in isolamento fa qualcosa di strutturalmente diverso dal lavoro di un radiologo: produce etichette, non letture.
Il passaggio a un'architettura che valuta immagini collegate all'interno dello stesso studio avvicina — non equipara — il comportamento del sistema a quello del clinico. È il tipo di miglioramento che non si vede in una percentuale di accuratezza sbandierata in home page, ma che si sente nell'uso quotidiano: meno falsi positivi generati da una singola proiezione ambigua, maggiore coerenza tra i rilievi segnalati su uno stesso paziente.
Il vero punto della notizia: il position statement ACVR-ECVDI
La parte che merita attenzione non è l'aggiornamento del prodotto. È la ragione per cui è stato fatto.
L'American College of Veterinary Radiology e l'European College of Veterinary Diagnostic Imaging hanno pubblicato un position statement congiunto che chiede, ai servizi AI veterinari commerciali:
- Maggiore trasparenza sul funzionamento e sui limiti dei modelli.
- Reporting degli errori — cioè la pubblicazione di quando e come il sistema sbaglia.
- Valutazione indipendente da parte di terzi.
Vetology ha risposto in modo verificabile: mantiene un invito aperto ai ricercatori indipendenti perché testino i dati di performance pubblicati a livello di singola condizione, non aggregati.
Il dettaglio "a livello di singola condizione" è quello che conta. Un dato di accuratezza complessivo su 94 classificatori è quasi privo di valore clinico: dice poco su quanto il modello sia affidabile nel rilevare proprio quella patologia, in quella specie, su quella proiezione. Il dato condizione per condizione è verificabile, confutabile, e utilizzabile per decidere di quale output fidarsi e di quale no.
Cosa devi chiedere a un fornitore di AI diagnostica
Questa notizia fornisce, di fatto, una checklist. Se stai valutando uno strumento di AI applicata all'imaging, queste sono le domande da fare — e le risposte accettabili.
| Domanda | Risposta accettabile | Campanello d'allarme |
|---|
| Su quali dati è stato addestrato il modello? | Dataset descritto: numerosità, specie, provenienza geografica, periodo | "Su milioni di casi" senza altro dettaglio |
| I dati di performance sono pubblicati per singola condizione? | Sì, con sensibilità e specificità per patologia | Solo un dato di accuratezza aggregato |
| Terzi indipendenti possono verificare? | Sì, con dati accessibili | "I nostri dati sono proprietari" |
| Come vengono riportati gli errori? | Esiste un processo di error reporting documentato | Nessuna menzione degli errori |
| Il modello valuta le immagini in isolamento o nel contesto dello studio? | Nel contesto dello studio | Non sanno rispondere |
| Chi firma il referto? | Il medico veterinario. Sempre. | Ambiguità sul punto |
L'ultima riga non è negoziabile ed è bene metterla per iscritto. L'AI produce un output, non un referto. La responsabilità professionale resta del medico veterinario che firma. Nessun fornitore serio sostiene il contrario — ma vale la pena verificare che sia scritto anche nelle condizioni contrattuali, non solo detto in demo.
Cosa significa per il tuo posizionamento professionale
Qui c'è un'opportunità che in pochi stanno cogliendo.
Il dibattito pubblico sull'AI in medicina veterinaria è oggi occupato da due voci: chi vende la tecnologia e chi la teme. La prima parla di accuratezza e rivoluzione. La seconda parla di sostituzione e deriva. Manca quasi completamente la terza voce — quella del professionista che usa questi strumenti, ne conosce i limiti e sa spiegare la differenza tra un output e una diagnosi.
Quella terza voce è uno spazio di posizionamento enorme, ed è a bassissima concorrenza. Non richiede di diventare data scientist. Richiede di saper fare tre cose:
1. Leggere criticamente un claim di accuratezza. Distinguere un dato aggregato da un dato per condizione è una competenza che puoi acquisire in un pomeriggio e che ti mette immediatamente davanti al 95% della conversazione.
2. Raccontare come usi lo strumento, non solo cosa pensi dello strumento. "Uso l'AI come secondo lettore sui casi di routine e la ignoro sui casi complessi, ecco perché" è un contenuto che nessun ufficio marketing può scrivere al posto tuo.
3. Tradurre per il proprietario. Quando un cliente chiede "ma il referto l'ha fatto il computer?", la risposta che dai definisce la tua autorevolezza percepita molto più di qualsiasi post.
Nota deontologica, perché siamo in Italia e conta: parlare di strumenti diagnostici in pubblico richiede attenzione alle norme sulla pubblicità sanitaria. Raccontare il proprio metodo di lavoro è legittimo; promettere esiti diagnostici o fare comparazione promozionale tra prodotti non lo è. La linea è più sottile di quanto sembri, e vale la pena conoscerla prima di pubblicare.
Il punto
La notizia rilevante di questa settimana non è che un fornitore ha migliorato i suoi modelli. È che l'ha fatto perché due collegi di specialisti hanno alzato l'asticella, e che ha risposto rendendo i propri dati verificabili.
Sta succedendo quello che nella medicina umana è successo anni fa: il mercato dell'AI diagnostica smette di competere sulle percentuali dichiarate e inizia a competere sulla verificabilità. Per chi lavora in clinica, il cambiamento pratico è uno solo — hai il diritto di fare domande scomode al tuo fornitore, e adesso hai anche un precedente autorevole a cui appoggiarti.
Fonte: Vetology Upgrades AI Radiology Classifiers — Today's Veterinary Business, 18 settembre 2026
