AI medica: un modello piccolo batte i giganti con workflow

Nel dibattito su quanto contino davvero le dimensioni di un modello linguistico, un nuovo studio offre una risposta netta: meno di quanto si pensi, se il processo è ben progettato.

Il DeepLens Diagnosis Agent è un sistema di diagnosi medica basato su un modello da 7 miliardi di parametri — il JSL Medical Small 7B v2 — affiancato da una pipeline in cinque fasi e da un meccanismo di recupero delle informazioni (RAG). Il risultato? Sul benchmark DiagnosisArena, 915 casi clinici reali, il sistema raggiunge il 60% di accuratezza nella diagnosi primaria corretta. Un numero che supera Claude Sonnet 4.5 e Gemini 2.5 Pro di circa 9 punti percentuali.

Il dato più sorprendente non è però il confronto con i modelli frontier. È il delta interno: lo stesso identico modello, usato senza il workflow strutturato, si ferma al 24% di accuratezza. Trentasei punti percentuali in più vengono dalla sola architettura del processo, non da pesi aggiuntivi o da un modello più potente.

La pipeline funziona imponendo al modello di seguire passaggi obbligati: estrazione strutturata dei dati clinici, recupero mirato di conoscenze pertinenti, generazione vincolata di diagnosi candidate, triangolazione esplicita delle evidenze e infine una decisione finale ispezionabile e motivata. Ogni fase produce artefatti intermedi verificabili, il che significa che è possibile identificare esattamente dove il ragionamento ha funzionato o ha fallito.

Questo aspetto non è un dettaglio secondario. In ambito clinico e in qualsiasi contesto regolamentato, la tracciabilità delle decisioni è spesso un requisito legale oltre che etico. Un sistema che produce solo una risposta finale — per quanto corretta — non è sufficiente.

Sul fronte economico, il costo per analisi si aggira intorno a 0,007 dollari, contro gli 0,011 di Claude e 0,013 di Gemini. Per chi sviluppa applicazioni mediche su larga scala, questa differenza si traduce in risparmi concreti e significativi.

La lezione generale va ben oltre la medicina: in molti domini complessi, la qualità del ragionamento non dipende solo da quanti parametri ha un modello, ma da quanto il flusso di lavoro lo costringe a ragionare in modo disciplinato. Una buona notizia per chi non può — o non vuole — affidarsi esclusivamente alle API dei grandi player.

Punti chiave

• Il sistema DeepLens Diagnosis Agent raggiunge il 60,14% di accuratezza top-1 sul benchmark DiagnosisArena con 915 casi clinici, il miglior risultato tra i modelli small e medium
• Lo stesso modello usato senza il workflow strutturato si ferma al 23,99%: sono 36 punti percentuali guadagnati solo dalla disciplina del processo, non dai parametri
• Il costo è di circa 0,007 dollari per caso e la latenza è di 24 secondi, battendo Claude Sonnet 4.5 e Gemini 2.5 Pro sia sul prezzo che sull'accuratezza diagnostica

Perché è importante

Questa ricerca dimostra concretamente che in ambito medico — e più in generale nei domini ad alto rischio — il design del processo conta più della potenza bruta del modello, aprendo la strada a soluzioni AI economiche, tracciabili e realmente applicabili in contesti clinici.

A chi serve

Utile per sviluppatori di sistemi AI in sanità, CTO di healthtech, ricercatori di AI applicata e imprenditori che cercano alternative economiche ai modelli frontier per use case professionali complessi.