Apprendre à l'IA à parler le langage de la pathologie

Une étude publiée dans Nature Medicine décrit PRISM2, un modèle de fondation en pathologie développé par des chercheurs de Microsoft Research et de Paige, désormais intégré à Tempus. Le modèle est entraîné à la fois sur des images de tissus et sur du langage issu de véritables rapports de pathologie, visant à apprendre à partir de grandes quantités de données textuelles. Lors des tests, PRISM2 a égalé ou dépassé les performances de systèmes spécialisés dans la détection du cancer pour le cancer de la prostate, le cancer du sein et la détection de métastases ganglionnaires mammaires, sans créer de modèles séparés pour chaque tâche. Les poids complets du modèle sont disponibles publiquement sur Hugging Face. La pathologie est centrale dans de nombreux diagnostics de cancer, et la plupart des systèmes d'IA actuels sont à usage unique ; PRISM2 prend en charge un éventail plus large de tâches via un modèle unique qui répond à des invites. Le modèle associe des images de pathologie à des informations dérivées de rapports, créant des millions d'exemples de questions-réponses pour relier les constatations visuelles au langage diagnostique. Contrairement aux modèles de fondation antérieurs axés sur les représentations visuelles, PRISM2 relie dès le départ les schémas visuels au langage clinique.