La inteligencia artificial avanza en la detección de cáncer, con un nuevo modelo llamado PRISM2 desarrollado por investigadores de Microsoft Research y Paige, ahora parte de Tempus. Este modelo, descrito en un estudio reciente en Nature Medicine, se destaca por su capacidad de trabajar con imágenes de tejidos y lenguaje basado en informes de patología reales. El objetivo de PRISM2 es ayudar a la IA a aprender de los datos textuales disponibles y a crear un sistema que apoye la investigación y desarrollo en patología.
En pruebas, PRISM2 igualó o superó el rendimiento de sistemas especializados en varias tareas de referencia, incluyendo el cáncer de próstata, cáncer de mama y detección de metástasis de ganglios linfáticos mamarios, sin necesidad de crear un modelo separado para cada tarea. Los pesos completos del modelo PRISM2 están disponibles públicamente para su uso de investigación en Hugging Face.
La importancia de PRISM2 radica en que la patología es central en muchos diagnósticos de cáncer. Patólogos examinan muestras de tejido y elaboran informes que guían las decisiones de tratamiento. Con la generación de mayores volúmenes de datos, los investigadores han explorado cómo la IA puede ayudar a los clínicos a tomar decisiones e incluso aportar nuevas perspectivas.
PRISM2 se desarrolló como un esfuerzo de investigación para apoyar una gama más amplia de tareas mediante un único modelo que puede responder a prompts y preguntas. Los investigadores afirman que esto podría facilitar la construcción y adaptación de futuras herramientas de patología sin empezar de cero para cada nueva aplicación.
La idea central detrás de PRISM2 es que la patología no es solo una disciplina visual, sino también una lengua impulsada por el lenguaje. Para entrenar el modelo, los investigadores emparejaron imágenes de patología con información derivada de informes de patología, creando millones de ejemplos de preguntas y respuestas que conectaron hallazgos visuales con el lenguaje diagnóstico.
El modelo resultante puede funcionar solo con imágenes o con imágenes y texto, lo que permite a los usuarios interactuar con él mediante prompts, en lugar de depender solo de software específico para cada tarea. Este enfoque difiere de muchos modelos fundamentales de patología anteriores, que se centraban en aprender representaciones visuales a partir de imágenes. PRISM2 fue diseñado desde el principio para vincular patrones visuales en los tejidos con el lenguaje que utilizan los clínicos al hacer diagnósticos.
Etiquetas: IA, Salud, Patología, Cáncer, Diagnóstico, Tecnología · Big Tech y antitrust
About the Author
