Modelele de fundaţie, sisteme avansate de inteligenţă artificială (AI) antrenate pe seturi de date pe scară largă, au potenţialul de a oferi progrese fără precedent în domeniul medical. În patologia computaţională (CPath), aceste modele pot excela în ceea ce priveşte acurateţea diagnosticului, perspectivele prognosticurilor şi predicţia răspunsurilor terapeutice.
Cercetătorii de la Mass General Brigham, unul dintre spitalele universitare ale facultăţii de medicină Harvard, au conceput două dintre cele mai mari modele avansate (de fundaţie) CPath de până acum: UNI şi CONCH.
Aceste modele de fundaţie au fost adaptate la peste 30 de nevoi clinice şi de diagnosticare, inclusiv detectarea bolilor, diagnosticarea bolilor, evaluarea transplantului de organe şi analiza bolilor rare.
Noile modele au depăşit limitările impuse de modelele actuale, având performanţe bune nu numai pentru sarcinile clinice testate de cercetători,şi s-au arătat promiţătoare în identificarea unor boli noi, rare şi dificile.
Articolele care descriu UNI şi CONCH au fost publicate marţi, în revista Nature Medicine.
UNI este un model de bază pentru înţelegerea imaginilor patologice, de la recunoaşterea bolilor în regiunile de interes histologic până la imagistica lamei întregi.
Antrenat pe o bază de date de peste 100 de milioane de mostre de ţesut şi peste 100.000 de imagini de lamele întregi, acesta se remarcă prin faptul că are aplicaţii universale de inteligenţă artificială în patologia anatomică.
În mod special, UNI utilizează învăţarea prin transfer, aplicând cunoştinţele dobândite anterior la sarcini noi cu o precizie remarcabilă.
Pe parcursul a 34 de sarcini, inclusiv clasificarea cancerului şi evaluarea transplantului de organe, UNI a depăşit modelele de patologie consacrate, evidenţiind versatilitatea şi potenţialele sale aplicaţii ca instrument CPath.
CONCH este un model de bază pentru înţelegerea imaginilor patologice şi a limbajului. Antrenat pe o bază de date de peste 1,17 milioane de perechi de imagini-text histopatologice, CONCH excelează în sarcini precum identificarea bolilor rare, segmentarea tumorilor şi înţelegerea imaginilor gigapixel.
Întrucât CONCH este antrenat pe text, patologii pot interacţiona cu modelul pentru a căuta morfologiile de interes.
Într-o evaluare cuprinzătoare a 14 sarcini relevante din punct de vedere clinic, CONCH a depăşit modelele standard şi şi-a demonstrat eficacitatea şi versatilitatea.
Echipa de cercetare a pus codul la dispoziţia publicului pentru ca alte grupuri academice să îl poată utiliza în rezolvarea unor probleme relevante din punct de vedere clinic.
„Modelele Foundation reprezintă o nouă paradigmă în domeniul inteligenţei artificiale medicale", a declarat într-un comunicat autorul corespondent Faisal Mahmood, de la divizia de patologie computaţională din cadrul departamentului de patologie de la Mass General Brigham.
„Aceste modele sunt sisteme de inteligenţă artificială care pot fi adaptate la multe sarcini în aval, relevante din punct de vedere clinic. Sperăm că dovada de concept prezentată în aceste studii va pregăti terenul pentru ca astfel de modele autosupravegheate să fie antrenate pe seturi de date mai mari şi mai diverse", a mai precizat el.
