Одна модель AI, багато онкотестів: познайомтеся з PRISM2, системою патології, яка читає зображення та звіти разом

Ключові моменти

• Microsoft Research та Paige, тепер частина Tempus, опубліковали деталі PRISM2 у Nature Medicine у 2025 році.
• PRISM2 відповідав або перевищував спеціалізовані AI-інструменти при виявленні раку передміхурової залози, раку молочної залози та метастазів раку молочної залози в лімфатичних вузлах у тестах порівняння.
• Модель навчалась на мільйонах парних зображень тканин та реальних уривків звітів патології, пов'язуючи візуальні закономірності з клінічною мовою.
• Повні ваги моделі загальнодоступні на Hugging Face для некомерційного дослідницького використання.

Коли у пацієнта підозрюють рак, один з найважливіших кроків — біопсія: невеликий зразок тканини видаляється, готується на склопредметі та досліджується під мікроскопом патологом, лікарем, який спеціалізується на діагностиці захворювань за тканинами. Патолог пише докладний звіт, і цей звіт впливає на майже кожне рішення щодо лікування, яке слідує далі.

AI проникає в цей процес вже багато років, здебільшого у формі вузьких, однозначних інструментів, навчених виявляти один специфічний тип раку. Думайте про них як про дуже швидких, дуже сфокусованих помічників, які можуть виконати ровесно одну роботу й нічого більше. Побудуйте нову роботу, почніть спочатку.

PRISM2 — це спроба це змінити.

Що насправді побудували дослідники?

PRISM2 — це фундаментальна модель, велика система AI, навчена широко, щоб її можна було адаптувати для багатьох завдань, схожа за концепцією на технологію, що стоїть за ChatGPT, але розроблена для медичних зображень, а не для загального спілкування.

Дослідники з Microsoft Research та Paige (компанія патологічного AI, яка згодом приєдналась до Tempus) навчили модель на зображеннях тканинних зрізів у парі з мовою, отриманою з реальних звітів патології. З цього поєднання вони сформували мільйони прикладів питань та відповідей, навчаючи модель пов'язувати те, що вона бачить на зображенні тканини, зі словами, які патолог використав би для її опису.

Результат — модель, яка приймає зображення окремо або зображення разом із набраними питаннями та підказками, дозволяючи дослідникам взаємодіяти з нею простою мовою, а не через жорсткі, попередньо запрограмовані інструкції.

Наскільки добре вона працювала?

На стандартних тестах порівняння вона витримала конкуренцію зі спеціалізованими інструментами. При виявленні раку передміхурової залози, раку молочної залози та виявленні раку молочної залози, який поширився на сусідні лімфатичні вузли, PRISM2 відповідала або перевищувала продуктивність спеціально розроблених систем. Важливо, що це було без навчання окремої моделі для кожного захворювання.

Статтю опубліковано в Nature Medicine. Як спочатку повідомила Microsoft AI, повні ваги моделі загальнодоступні на Hugging Face для дослідницького використання.

Що це означає для пацієнтів?

У клініці сьогодні нічого не змінюється. PRISM2 — це дослідницький інструмент, а не продукт, дозволений для клінічного використання. Патологи продовжують читати препарати та писати звіти.

Те, що вона пропонує, — це швидший вихід для майбутніх досліджень. Команди, які працюють над рідкісними раками або захворюваннями з обмеженими даними для навчання, могли б потенційно адаптувати єдину спільну основу замість побудови нової системи з нуля. Це зменшує вартість та час розробки наступного покоління діагностичних помічників.

Для пацієнтів практичною наслідком, якщо дослідження дозріють, може бути те, що AI-допомога могла б охопити більше типів раку, у більше лікарень, швидше, ніж дозволяє сучасний підхід один-хвороба-за-раз.

Часто задавані запитання

PRISM2 використовується для діагностики реальних пацієнтів?

Ні. PRISM2 — це дослідницька модель, випущена для академічного та некомерційного використання. Вона не була затверджена жодним регуляром для клінічної діагностики.

Чому навчання на текстових звітах важливе для моделі, яка читає зображення?

Патологія — це стільки ж про мову, скільки й про зображення. Патологи описують те, що вони бачать, точними, стандартизованими словами. Навчання моделі як на зображеннях, так і на цих описах дозволяє їй вивчити зв'язок між візуальними закономірностями та клінічним значенням, робячи її більш гнучкою, ніж модель, навчена лише на зображеннях.

Хто може отримати доступ до PRISM2?

Дослідники можуть завантажити ваги моделі з Hugging Face безкоштовно для некомерційного використання.