WholeTech trionfa nella categoria Startup al Premio Best Practices per l’Innovazione 2026 con SKNR, la piattaforma clinica che spiega visivamente la diagnosi e accelera la cura delle patologie cutanee. A raccontarci la potenza dell’idea Gabriele Lodato, CEO della Startup
La vostra tecnologia si è aggiudicata il podio all’edizione 2026 del Premio Best Practices per l’Innovazione di Confindustria Salerno. In cosa si sostanzia concretamente la vostra soluzione e qual è il vero elemento di “disruption” sul mercato rispetto ai sistemi di diagnostica digitale già esistenti?
SKNR è una piattaforma clinica che integra in un unico flusso ciò che oggi é frammentato in strumenti separati: diagnosi assistita da intelligenza artificiale su 23 patologie del cuoio capelluto e della pelle, generazione automatica del referto, trascrizione della consultazione, gestione della prescrizione e monitoraggio del paziente nel tempo. La differenza sostanziale rispetto ai sistemi di diagnostica digitale esistenti non è la classificazione, che molti ormai offrono, ma la spiegabilità. I sistemi attuali restituiscono un’etichetta e un punteggio di confidenza: il medico riceve una risposta ma non sa perché e quindi non si fida. SKNR genera una mappa visiva che mostra al clinico esattamente quali aree dell’immagine hanno determinato la diagnosi. Il dermatologo valuta il ragionamento dell’IA nello stesso linguaggio visivo in cui è stato formato e decide se accettarlo o correggerlo. Il vero elemento di disruption é questo: trasformiamo l’IA da scatola nera in secondo parere verificabile. I nostri concorrenti danno una risposta. Noi ne diamo una difendibile, documentata e tracciabile, che soddisfa anche i requisiti di supervisione umana dell’EU AI Act.
WholeTech è un esempio virtuoso di trasferimento tecnologico nato all’interno dell’Università di Salerno. Dall’idea di laboratorio al prodotto sul mercato: chi ha creduto in voi e quali sono state le montagne più difficili da scalare per rendere i modelli scientifici un software scalabile?
Ha creduto in noi per prima l’Università degli Studi di Salerno, con cui abbiamo pubblicato tre lavori scientifici peer-reviewed e che ci ha sostenuto con il grant SeiUnisa. Poi NVIDIA con il programma Inception, e una rete di advisor internazionali che ha associato il proprio nome al progetto senza compenso. La montagna più difficile non è stata scientifica, è stata ingegneristica e regolatoria. Un modello che funziona in laboratorio su un dataset curato é una cosa. Un software che gira in una clinica reale, su immagini scattate con luci diverse, che genera un referto valido, che protegge i dati del paziente secondo il GDPR, che é conforme all’EU AI Act e che un dermatologo usa venti volte al giorno senza rallentare, é tutta un’altra cosa. La distanza tra un paper scientifico e un prodotto scalabile é enorme e la maggior parte delle startup deep tech fallisce proprio lì, nella valle che separa la validazione di laboratorio dalla dimostrazione in ambiente operativo reale. L’abbiamo attraversata costruendo infrastruttura privata, documentazione clinica automatica e un dataset proprietario di 30.000 immagini genuine che nessuno può replicare.
Lei guida un team nato tra le aule universitarie con competenze fortemente ingegneristiche e informatiche. Come avete strutturato la squadra per coprire il delicato gap tra lo sviluppo del codice e le competenze regolatorie e commerciali? Per entrare nel team WholeTech, quale valore umano della vostra cultura aziendale non è negoziabile?
Il nucleo tecnico nasce ingegneristico e informatico, ma abbiamo costruito il team apposta per coprire ogni anello della catena. Sul fronte clinico e regolatorio abbiamo il dottor Luigi Fortino, farmacista ospedaliero, ricercatore UNISA, che fa da ponte tra la scienza e la conformità normativa. Sul fronte commerciale e operativo abbiamo profili dedicati che non scrivono codice ma parlano con cliniche, ministeri e investitori. La regola che seguiamo é che nessuna competenza critica deve dipendere da una sola persona. Il valore umano non negoziabile é l’onestà intellettuale: la capacità di dire “questo non lo sappiamo ancora” invece di gonfiare un numero. In un’azienda che fa diagnostica medica con l’intelligenza artificiale, l’onestà non è una questione di carattere, è una questione di sicurezza del paziente. Chi gonfia i risultati non entra nel team WholeTech.
Nel mondo dell’Intelligenza Artificiale, le barriere all’entrata sono tutto per un investitore. Dal punto di vista del valore patrimoniale di WholeTech, come vi difendete? La vostra proprietà intellettuale è protetta da brevetti proprietari?
La nostra difesa non poggia su un singolo brevetto, ma su tre barriere che si rinforzano a vicenda. La prima é il dataset proprietario: 30.000 immagini cliniche genuine del cuoio capelluto, raccolte sotto approvazione etica in diverse università e tre paesi, non reperibili in alcun repository pubblico. Un concorrente con capitale illimitato non può comprare anni di raccolta clinica. La seconda è l’architettura dei modelli e il layer di spiegabilità, che proteggiamo come segreto industriale: le pubblicazioni documentano le performance e la metodologia generale, non i dettagli implementativi. La terza sono le tre pubblicazioni peer-reviewed, che stabiliscono una precedenza scientifica datata e verificabile. Sul fronte brevettuale, abbiamo condotto una ricerca di anteriorità preliminare su Espacenet e stiamo valutando il deposito di brevetto sul metodo specifico di generazione delle mappe di spiegabilità, previa analisi formale di Freedom to Operate con un consulente specializzato. Ma il vero motivo, per un investitore, e il data flywheel: ogni consultazione arricchisce il dataset e migliora i modelli, così il vantaggio competitivo si allarga nel tempo invece di erodersi.
La vittoria a Salerno vi ha garantito un premio in denaro di 10.000 euro. Guardando ai prossimi 12-24 mesi, come intendete impiegare questa somma per validare il progetto? Punterete tutto sul potenziamento della sfera commerciale o ci sono ulteriori certificazioni e validazioni cliniche da finanziare?
I 10.000 euro non bastano per fare tutto, quindi vanno usati laddove possano produrre l’effetto leva maggiore. La nostra priorità nei prossimi mesi è la validazione clinica sul campo: stiamo avviando i primi piloti con dermatologi italiani, e il dato reale di utilizzo, le ore risparmiate, i pazienti gestiti, e ciò che trasforma una promessa in una prova. Una parte della somma andrà a sostenere questi piloti clinici e la raccolta strutturata del feedback. L’altra andrà alla documentazione regolatoria, in particolare il fascicolo tecnico per la marcatura CE come dispositivo medico e l’audit di conformità all’EU AI Act, perché senza quelli non si entra nel procurement sanitario europeo. Non è una scelta tra commerciale e certificazione: nel nostro settore la certificazione é il commerciale. Un ospedale non compra un software diagnostico non certificato. Quindi finanziare la validazione clinica e regolatoria significa finanziare la vendita.
Dalla tricologia e l’analisi del cuoio capelluto all’orizzonte complessivo della salute: avete già in programma di estendere i vostri algoritmi di machine learning ad altre branche della medicina predittiva e della dermatologia?
Sì, ma con disciplina. La regola che seguiamo nelle fasi iniziali é il focus assoluto: abbiamo scelto deliberatamente di partire dal cuoio capelluto e dalla pelle del viso perché sono il banco di prova ideale, alta prevalenza, alto tasso di errore diagnostico, zero strumenti di screening scalabili. Ma l’architettura che abbiamo costruito non è specifica della tricologia. È un motore che trasforma immagini cliniche in fenotipi digitali strutturati e biomarcatori quantitativi, numerici, standardizzati e confrontabili nel tempo. Questo stesso motore si estende naturalmente ad altre aree della dermatologia, acne, eczema, melanoma, che sono già nella nostra roadmap, e in prospettiva a qualsiasi disciplina medica basata sull’analisi di immagini. Ma una startup che vuole essere tutto per tutti finisce per non eccellere in nulla. Prima dominiamo un dominio clinico, poi ci espandiamo.