Ein KI-Modell, viele Krebstests: Lernen Sie PRISM2 kennen, das Pathologiesystem, das Bilder und Berichte zusammen liest

Wichtige Punkte

• Microsoft Research und Paige, jetzt Teil von Tempus, veröffentlichten Details zu PRISM2 im Jahr 2025 in Nature Medicine.
• PRISM2 entsprach oder überbot spezialisierte KI-Tools bei der Erkennung von Prostatakrebs, Brustkrebs und Brustlymphknotenmetastasen in Benchmark-Tests.
• Das Modell lernte aus Millionen von gepaarten Gewebebildern und echten Pathologieberichtauszügen und verknüpfte visuelle Muster mit klinischer Sprache.
• Vollständige Modellgewichte sind öffentlich auf Hugging Face für die nichtkommerzielle Forschung verfügbar.

Wenn bei einem Patienten Krebsverdacht besteht, ist einer der wichtigsten Schritte eine Biopsie: Ein kleines Gewebestück wird entnommen, auf einem Glasobjektträger präpariert und von einem Pathologen unter dem Mikroskop untersucht – einem Arzt, der sich auf die Diagnose von Krankheiten anhand von Gewebeproben spezialisiert hat. Der Pathologe schreibt einen detaillierten Bericht, und dieser Bericht bestimmt fast jede nachfolgende Behandlungsentscheidung.

KI ist seit Jahren in diesen Prozess eingedrungen, hauptsächlich in Form von engen, spezialisierten Tools, die darauf trainiert wurden, einen bestimmten Krebstyp zu erkennen. Man kann sie sich als sehr schnelle, sehr fokussierte Assistenten vorstellen, die genau eine Aufgabe erfüllen und nichts anderes. Eine neue Aufgabe bedeutet, von vorne zu beginnen.

PRISM2 ist ein Versuch, das zu ändern.

Was haben die Forscher eigentlich entwickelt?

PRISM2 ist ein Foundation Model, ein großes KI-System, das breit trainiert wurde, um es für viele Aufgaben anpassen zu können, ähnlich dem Konzept der Technologie hinter ChatGPT, aber für medizinische Bilder statt für allgemeine Gespräche.

Forscher bei Microsoft Research und Paige (ein Pathologie-KI-Unternehmen, das später Tempus beigetreten ist) trainierten das Modell auf Gewebefolienbildern, die mit Sprache aus echten Pathologieberichten gekoppelt waren. Aus dieser Kopplung generierten sie Millionen von Frage-Antwort-Beispielen und lehrten das Modell, das, was es in einem Gewebebild sieht, mit den Worten zu verbinden, die ein Pathologe zur Beschreibung verwenden würde.

Das Ergebnis ist ein Modell, das nur Bilder oder Bilder plus eingegebene Fragen und Prompts akzeptiert, sodass Forscher in natürlicher Sprache damit interagieren können, anstatt durch starre, vorprogrammierte Anweisungen.

Wie gut war die Leistung?

Bei standardisierten Benchmark-Tests hielt es mit spezialisierten Tools Schritt. Bei der Erkennung von Prostatakrebs, Brustkrebs und der Ausbreitung von Brustkrebs auf nahegelegene Lymphknoten entsprach oder übertraf PRISM2 die Leistung speziell entwickelter Systeme. Entscheidend war, dass dies ohne Training eines separaten Modells für jede Krankheit geschah.

Das Papier erschien in Nature Medicine. Wie zuerst von Microsoft AI berichtet, sind die vollständigen Modellgewichte öffentlich auf Hugging Face für die Forschung verfügbar.

Was bedeutet das für Patienten?

In der Klinik ändert sich heute nichts. PRISM2 ist ein Forschungswerkzeug, kein für klinische Anwendung zugelassenes Produkt. Pathologen sind nach wie vor diejenigen, die Folien lesen und Berichte schreiben.

Was es bietet, ist eine schnellere Grundlage für zukünftige Forschung. Teams, die an seltenen Krebsarten oder Krankheiten mit begrenzten Trainingsdaten arbeiten, könnten möglicherweise eine einzige gemeinsame Grundlage anpassen, anstatt ein neues System von Grund auf zu entwickeln. Dies senkt die Kosten und Zeit für die Entwicklung der nächsten Generation von Diagnosehilfen.

Für Patienten könnte die praktische Folge, wenn sich die Forschung entwickelt, darin bestehen, dass KI-Unterstützung schneller und zu mehr Krebsarten und in mehr Krankenhäusern verfügbar wird, als der aktuelle schrittweise Ansatz ermöglicht.

Häufige Fragen

Wird PRISM2 zur Diagnose echter Patienten verwendet?

Nein. PRISM2 ist ein Forschungsmodell, das für akademische und nichtkommerzielle Verwendung freigegeben wurde. Es wurde von keinem Regulator für die klinische Diagnose zugelassen.

Warum ist das Training auf Textberichte für ein bildlesendes Modell wichtig?

Die Pathologie ist genauso sehr Sprache wie Bilder. Pathologen beschreiben das, was sie sehen, in präzisen, standardisierten Worten. Das Training des Modells auf beiden Bildern und diesen Beschreibungen ermöglicht es, die Verbindung zwischen visuellen Mustern und klinischer Bedeutung zu lernen, was es flexibler macht als ein nur auf Bildern trainiertes Modell.

Wer kann auf PRISM2 zugreifen?

Forscher können die Modellgewichte kostenlos von Hugging Face für nichtkommerzielle Verwendung herunterladen.