Enseñando a la IA a hablar el idioma de la patología

Un estudio publicado en Nature Medicine describe PRISM2, un modelo fundacional de patología desarrollado por investigadores de Microsoft Research y Paige, ahora parte de Tempus. El modelo se entrena tanto con imágenes de tejidos como con lenguaje derivado de informes de patología reales, con el objetivo de aprender a partir de grandes conjuntos de datos textuales. En las pruebas, PRISM2 igualó o superó el rendimiento de sistemas especializados en detección de cáncer para cáncer de próstata, cáncer de mama y detección de metástasis en ganglios linfáticos de mama, sin crear modelos separados para cada tarea. Los pesos completos del modelo están disponibles públicamente en Hugging Face. La patología es fundamental en muchos diagnósticos de cáncer, y la mayoría de los sistemas de IA actuales son de propósito único; PRISM2 admite una gama más amplia de tareas mediante un solo modelo que responde a indicaciones. El modelo combina imágenes de patología con información derivada de informes, creando millones de ejemplos de preguntas y respuestas para conectar los hallazgos visuales con el lenguaje diagnóstico. A diferencia de los modelos fundacionales anteriores centrados en representaciones visuales, PRISM2 vincula patrones visuales con lenguaje clínico desde el principio.