Problem MedAppu polega na tym, że mają zbyt mały zespół, żeby skutecznie komercjalizować i sprzedawać produkty; a sytuację jeszcze pogarsza to, że ich pracownicy oprócz tego piszą naukowe publikacje o teoretycznej wartości... Ten artykuł nie przedstawia algorytmu, który wprowadzałby rozwiązanie dla problemu nie mającego automatyzacji, ale proponuje poprawę wyniku dla pewnego zakresu przypadków, dla których niezłe algorytmy już istnieją i działają, więc czy, kto, kiedy i za ile zdecyduje się kupić lub wymienić swoje oprogramowanie, żeby z tego skorzystać? Program analizujący wyniki badań może z jednakową sprawnością przetwarzać ich setki lub tysiące; a gdyby to miało trwać zbyt długo, można użyć lepszy komputer, więcej komputerów lub chmurę; więc czemu w tej pracy uwzględniono tylko 22 z ponad 260 dostępnych rzeczywistych modeli? Tak mała ilość uwzględnianych przypadków (32 łącznie ze sztucznie wygenerowanymi) budzi podejrzenie, że zostały one specjalnie wybrane tak, żeby wyniki przedstawiały algorytm jako skuteczny i lepszy od innych; podczas gdy z uwzględnieniem pozostałych mógłby wypaść przeciętnie lub nawet gorzej... Nie jest to wcale dziwne, bo w takich zagadnieniach rzadko coś jest bezwarunkowo, ogólnie lepsze od reszty, ale różne metody opierają się w różnych stopniach na różnych cechach analizowanych danych, dlatego zwykle w każdym przypadku najlepszy jest ten, który najmocniej bazuje na jego cechach charakterystycznych i najlepiej jest łączyć kilka metod lub na podstawnie wstępnej analizy wybierać najlepszą z dostępnych.