Un modèle IA, de nombreux tests du cancer : rencontrez PRISM2, le système de pathologie qui lit les images et les rapports ensemble

Points clés

• Microsoft Research et Paige, désormais partie de Tempus, ont publié les détails de PRISM2 dans Nature Medicine en 2025.
• PRISM2 a égalé ou surpassé les outils IA spécialisés pour détecter le cancer de la prostate, le cancer du sein et les métastases ganglionnaires du sein lors des tests de référence.
• Le modèle a appris à partir de millions d'images de tissus appariées et d'extraits de rapports de pathologie réels, reliant les motifs visuels au langage clinique.
• Les poids complets du modèle sont disponibles publiquement sur Hugging Face pour un usage non commercial en recherche.

Lorsqu'un patient est soupçonné d'avoir un cancer, l'une des étapes les plus importantes est une biopsie : un petit échantillon de tissu est prélevé, préparé sur une lame de verre et examiné au microscope par un pathologiste, un médecin spécialisé dans le diagnostic des maladies à partir des tissus. Le pathologiste rédige un rapport détaillé, et ce rapport façonne presque chaque décision thérapeutique qui suit.

L'IA s'est progressivement glissée dans ce processus depuis des années, principalement sous la forme d'outils étroits et à usage unique entraînés pour identifier un type de cancer spécifique. Pensez-y comme à des assistants très rapides et très concentrés qui peuvent faire exactement un travail et rien d'autre. Créer un nouveau travail, recommencer de zéro.

PRISM2 est une tentative de changer cela.

Qu'ont réellement construit les chercheurs ?

PRISM2 est un modèle fondation, un grand système IA entraîné largement pour pouvoir s'adapter à de nombreuses tâches, similaire en concept à la technologie derrière ChatGPT mais conçu pour les images médicales plutôt que pour la conversation générale.

Des chercheurs de Microsoft Research et Paige (une entreprise de pathologie IA qui a depuis rejoint Tempus) ont entraîné le modèle sur des images de lames de tissus appariées avec du langage tiré de véritables rapports de pathologie. À partir de cet appairage, ils ont généré des millions d'exemples de questions et réponses, enseignant au modèle de relier ce qu'il voit dans une image de tissu aux mots qu'un pathologiste utiliserait pour la décrire.

Le résultat est un modèle qui accepte les images seules, ou les images plus des questions et des invites dactylographiées, permettant aux chercheurs d'interagir avec lui en langage naturel plutôt que par des instructions rigides et préprogrammées.

Quelle a été sa performance ?

Lors des tests de référence standard, il a fait jeu égal avec les outils spécialisés. Pour la détection du cancer de la prostate, la détection du cancer du sein et la détection du cancer du sein propagé aux ganglions lymphatiques à proximité, PRISM2 a égalé ou dépassé la performance des systèmes conçus à cet effet. Surtout, cela s'est fait sans entraîner un modèle distinct pour chaque maladie.

L'article est paru dans Nature Medicine. Comme l'a rapporté en premier Microsoft AI, les poids complets du modèle sont disponibles publiquement sur Hugging Face pour la recherche.

Que signifie cela pour les patients ?

Rien ne change à la clinique aujourd'hui. PRISM2 est un outil de recherche, pas un produit autorisé pour usage clinique. Les pathologistes sont toujours ceux qui lisent les lames et rédigent les rapports.

Ce qu'il offre, c'est une mise en service plus rapide pour la recherche future. Les équipes travaillant sur les cancers rares ou les maladies avec des données d'entraînement limitées pourraient potentiellement adapter une seule fondation partagée au lieu de construire un nouveau système à partir de zéro. Cela réduit le coût et le délai de développement de la prochaine génération d'aides diagnostiques.

Pour les patients, la conséquence pratique, si la recherche mûrit, est que l'assistance IA pourrait atteindre plus de types de cancer, dans plus d'hôpitaux, plus rapidement que l'approche actuelle maladie par maladie ne le permet.

Questions courantes

PRISM2 est-il utilisé pour diagnostiquer de vrais patients ?

Non. PRISM2 est un modèle de recherche publié pour un usage académique et non commercial. Il n'a été approuvé par aucun régulateur pour le diagnostic clinique.

Pourquoi l'entraînement sur des rapports texte est-il important pour un modèle de lecture d'images ?

La pathologie est autant une question de langage que d'images. Les pathologistes décrivent ce qu'ils voient avec des mots précis et standardisés. Entraîner le modèle à la fois sur les images et ces descriptions lui permet d'apprendre le lien entre les motifs visuels et la signification clinique, le rendant plus flexible qu'un modèle entraîné sur les images seules.

Qui peut accéder à PRISM2 ?

Les chercheurs peuvent télécharger les poids du modèle depuis Hugging Face gratuitement pour un usage non commercial.