La inteligencia artificial avanza en la detección de patrones en imágenes de diagnóstico y signos de enfermedad.
Un estudio reciente en Nature Medicine, realizado por investigadores de Microsoft Research y Paige, ahora parte de Tempus, presenta PRISM2, un modelo de patología que combina el aprendizaje de imágenes de tejidos con el lenguaje de informes de patología.
El objetivo de PRISM2 es aprovechar la gran cantidad de datos textuales disponibles para 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, como el cáncer de próstata y detección de metástasis.
Los investigadores destacaron que no fue necesario crear un modelo separado para cada tarea. Los pesos del modelo PRISM2 están disponibles públicamente para uso de investigación en Hugging Face.
La patología es crucial en muchos diagnósticos de cáncer, ya que los patólogos examinan muestras de tejido y elaboran informes que guían las decisiones de tratamiento. Con la generación de volúmenes crecientes de datos, los investigadores han explorado cómo la IA puede ayudar a los clínicos a tomar decisiones y aportar nuevas perspectivas.
La mayoría de los sistemas de IA para patología están diseñados para un solo propósito, pero PRISM2 se desarrolló para apoyar una gama más amplia de tareas con un único modelo que puede responder a prompts y preguntas. La idea detrás de PRISM2 es que la patología no es solo visual, sino también una lengua impulsada por el lenguaje.
Para entrenar el modelo, los investigadores emparejaron imágenes de patología con información de informes de patología, creando millones de ejemplos de preguntas y respuestas que conectaron hallazgos visuales con el lenguaje diagnóstico.
PRISM2 puede funcionar con imágenes o con imágenes y texto, permitiendo a los usuarios interactuar con él mediante prompts, en lugar de depender solo de software específico para cada tarea. Este enfoque difiere de modelos fundamentales de patología anteriores que se centraban en aprender representaciones visuales a partir de imágenes.
PRISM2 fue diseñado para vincular patrones visuales en los tejidos con el lenguaje que utilizan los clínicos al hacer diagnósticos.
Etiquetas: IA, Salud, Patología, Tecnología · IA general
About the Author
