1721517347
2024-07-17 00:00:00
病理学者は、画像やゲノムデータに基づいてタスク固有の予測や非依存の予測を行うことができる、ますます精度の高い人工知能（AI）モデルを利用できるようになっているが、病理学に特化したマルチモーダルAIパイロットはまだ存在しない。 自然Lu らは、人間の病理学の副操縦士として、視覚入力と自然言語入力の両方を処理できる生成 AI モデルである PathChat を紹介しています。
AI モデル アーキテクチャは、1 億枚を超える組織学画像で事前トレーニングされた、以前に開発されたビジョン エンコーダーと、130 億のパラメータで事前トレーニングされた大規模言語モデルを統合します。このモデルは、PathChat を構築するために 45 万を超える命令のデータセットを使用して微調整されました。著者らは、多肢選択式の診断と自由形式の質問を使用して PathChat のパフォーマンスを評価し、ChatGPT4 を動かす最もパフォーマンスの高い商用モデルである GPT4V など、利用可能な汎用 AI アシスタンスと結果を比較しました。PathChat はすべてのタスクで以前のモデルを上回りました。興味深いことに、患者の年齢、性別、病歴、放射線学的所見などの臨床コンテキストを追加すると、多肢選択式の質問に対する PathChat の精度が 78.1% から 89.5% に向上し、視覚以外の情報によって、特殊なデータ処理を必要とせずに組織学画像のより正確な診断をサポートできることが示されました。
#人間の病理学における視覚言語AI支援