AI de taal van de pathologie leren spreken

Een studie gepubliceerd in Nature Medicine beschrijft PRISM2, een pathologie-fundatiemodel ontwikkeld door onderzoekers van Microsoft Research en Paige, nu onderdeel van Tempus. Het model is getraind op zowel weefselbeelden als taal afkomstig uit echte pathologieverslagen, met als doel te leren van grote tekstuele data. In tests presteerde PRISM2 even goed of beter dan gespecialiseerde kankerdetectiesystemen voor prostaatkanker, borstkanker en detectie van lymfekliermetastasen bij borstkanker, zonder voor elke taak afzonderlijke modellen te creëren. De volledige modelgewichten zijn openbaar beschikbaar op Hugging Face. Pathologie staat centraal in veel kankerdiagnoses, en de meeste huidige AI-systemen zijn gericht op één enkele taak; PRISM2 ondersteunt een breder scala aan taken via één model dat reageert op prompts. Het model koppelt pathologiebeelden aan informatie uit verslagen, waardoor miljoenen vraag-antwoordvoorbeelden ontstaan die visuele bevindingen verbinden met diagnostische taal. In tegenstelling tot eerdere fundatiemodellen die zich richtten op visuele representaties, legt PRISM2 vanaf het begin verbanden tussen visuele patronen en klinische taal.