Одна модель ИИ, множество тестов на рак: познакомьтесь с PRISM2, системой патологии, которая читает изображения и отчёты

Ключевые моменты

• Microsoft Research и Paige, входящая в Tempus, опубликовали описание PRISM2 в Nature Medicine в 2025 году.
• PRISM2 соответствовал или превосходил специализированные инструменты ИИ при обнаружении рака предстательной железы, рака молочной железы и метастазов в лимфатические узлы груди на контрольных тестах.
• Модель обучалась на миллионах парных изображений ткани и реальных фрагментов патологических отчётов, связывая визуальные паттерны с клинической терминологией.
• Полные веса модели открыто доступны на Hugging Face для некоммерческого исследовательского использования.

Когда у пациента подозревается рак, один из наиболее важных этапов — это биопсия: небольшой образец ткани берётся, помещается на предметное стекло и изучается под микроскопом патологом — врачом, специализирующимся на диагностике заболеваний по ткани. Патолог составляет подробный отчёт, и этот отчёт определяет практически каждое решение о лечении, которое следует за ним.

ИИ проникает в этот процесс уже много лет, в основном в виде узких, специализированных инструментов, обученных выявлять один конкретный тип рака. Думайте о них как о очень быстрых и очень сосредоточенных помощниках, которые могут выполнять ровно одну работу и ничего больше. Появилась новая задача — начни с нуля.

PRISM2 — это попытка изменить такой подход.

Что на самом деле построили исследователи?

PRISM2 — это фундаментальная модель, крупная система ИИ, обученная в широком спектре применений, чтобы её можно было адаптировать к множеству задач, концептуально похожая на технологию, лежащую в основе ChatGPT, но разработанная для медицинских изображений, а не для общего общения.

Исследователи из Microsoft Research и Paige (компания в области ИИ-патологии, которая впоследствии присоединилась к Tempus) обучили модель на изображениях тканевых препаратов в сочетании с текстом из реальных патологических отчётов. На основе этого сопоставления они создали миллионы примеров вопросов и ответов, обучая модель связывать визуальные признаки на изображении ткани со словами, которые патолог использовал бы для её описания.

В результате получилась модель, которая принимает одни только изображения или изображения плюс введённые вопросы и подсказки, позволяя исследователям взаимодействовать с ней на естественном языке, а не через жёсткие, заранее запрограммированные инструкции.

Насколько хорошо она работала?

На стандартных контрольных тестах она не уступала специализированным инструментам. При обнаружении рака предстательной железы, рака молочной железы и рака молочной железы, распространившегося на близлежащие лимфатические узлы, PRISM2 соответствовала или превосходила производительность специально разработанных систем. Главное — всё это произошло без обучения отдельной модели для каждого заболевания.

Статья была опубликована в Nature Medicine. Как первоначально сообщила компания Microsoft AI, полные веса модели открыто доступны на Hugging Face для исследовательского использования.

Что это означает для пациентов?

В клиниках сегодня ничего не меняется. PRISM2 — это исследовательский инструмент, не одобренный для клинического использования. Патологи по-прежнему остаются теми, кто читает препараты и составляет отчёты.

То, что она предлагает, — это более быстрый путь для будущих исследований. Команды, работающие с редкими видами рака или заболеваниями с ограниченными данными для обучения, потенциально могли бы адаптировать единую общую основу вместо создания новой системы с нуля. Это снижает стоимость и время разработки следующего поколения диагностических помощников.

Для пациентов практическое следствие, если исследования принесут результаты, заключается в том, что помощь ИИ может достичь большего числа типов рака в большем числе больниц быстрее, чем это позволяет текущий подход «один тип заболевания за раз».

Часто задаваемые вопросы

Используется ли PRISM2 для диагностики реальных пациентов?

Нет. PRISM2 — это исследовательская модель, выпущенная для академического и некоммерческого использования. Она не была одобрена каким-либо регулятором для клинической диагностики.

Почему обучение на текстовых отчётах важно для модели, читающей изображения?

Патология — это не только изображения, но и язык. Патологи описывают то, что они видят, точными, стандартизированными словами. Обучение модели на обоих компонентах — изображениях и описаниях — позволяет ей научиться связи между визуальными паттернами и клиническим значением, делая её более гибкой, чем модель, обученная только на изображениях.

Кто может получить доступ к PRISM2?

Исследователи могут бесплатно загрузить веса модели с Hugging Face для некоммерческого использования.