Perché serve

Molti prototipi clinici falliscono perché valutati solo su dataset retrospettivi troppo puliti.

Checklist

1. definire popolazione e outcome prima del training 2. separare sviluppo, validazione interna e validazione esterna 3. riportare calibrazione, missing data e limiti 4. documentare rischio di bias e intended use

Il modello deve essere utile nel flusso clinico reale, non solo accurato in notebook.