Les modèles de dotation sont la dernière tendance de Medty. Mais que sont-ils?

Plusieurs sociétés médicales soutiennent l’utilisation de «modèles de dotation», un type d’intelligence artificielle qui peut être adaptée à un large éventail de tâches. Cependant, il y a encore des questions sur l’utilisation de la technologie dans l’industrie.

Au cours de la dernière année de GE Healthcare Promu la Model IRM Research Foundation, Philips a annoncé des plans Coopérer avec Nvidia pour créer un modèle de dotation pour l’IRM et plusieurs résumés lors de la réunion de la Société radiologique d’Amérique du Nord Évaluer et améliorer les modèles de fondation. La gestion des aliments et des médicaments a également mis à jour son Base de données des dispositifs médicaux soutenus par AA Notez qu’il s’agit d’une exploration des moyens d’identifier et de marquer les appareils qui incluent des modèles de dotation.

Cependant, la définition de ce qui est calculé comme un modèle de dotation n’est pas claire, ont déclaré des experts, et il est difficile de savoir si les outils disponibles aujourd’hui aident les radiologues et les patients.

Quels sont les modèles de fondation?

Magdalini Paschali, un boursier postdoctorant au département de radiologie de Stanford, a déclaré que les modèles de fondation ont plusieurs caractéristiques clés: ils sont formés sur de grands fichiers de données, qui se composent généralement de données non marquées. Ils peuvent traiter plusieurs types de données tels que les images, le texte, les antécédents médicaux et la génomique. Enfin, ils peuvent résoudre un large éventail de tâches, comme un modèle de détection des maladies qu’il n’a pas vu pendant la formation.

Passé Il a publié un article Au début de cette année dans le RSNA Radiological Journal, qui cherche à définir cette technologie plus clairement.

Dans la pratique, “tout peut vraiment être défini comme un modèle de dotation”, a déclaré Akshay Chaudhari, professeur agrégé de radiologie et de science biomédicale de Stanford.

Chaudhari a déclaré que le terme «fondation» était Créé pour la première fois à Stanford En 2021. Dans les soins de santé, elle a été l’une des premières versions Début Med-Palm Google À la fin de 2022, un modèle grand langage pour répondre aux questions médicales.

Les modèles de fondation ont commencé en 2023 en RSNA plus proéminent, a déclaré Chaudhari.

Les modèles traditionnels d’apprentissage en profondeur utilisés en radiologie, tels que les modèles de détection de pneumonie, se concentrent sur une santé spécifique et comptent sur des données marquées. Par exemple, les radiologues passeraient par des images, encerclaient des cas de pneumonie, ou les soulignaient dans un message texte, a déclaré Nina Kottler, directrice médicale associée pour l’intelligence artificielle clinique avec des partenaires radiologiques.

Pour les modèles de fondation formés sur des millions d’images au lieu de milliers d’images, les données marquées nécessitent simplement des pratiques, a déclaré Chaudhari.

Les modèles de fondation sont-ils plus précis?

Certains développeurs médicaux soutiennent que les modèles de fondation sont plus précis que les modèles d’IA étroits. Par exemple, Aidoc, qui produit un logiciel de tri pour la radiologie, dit que les modèles de dotation permettent un développement plus rapide Outils d’IA plus précis.

Les experts ont déclaré que la précision de l’appareil dépend de la façon dont ils sont construits. Paschali de Stanford a déclaré que le modèle de dotation utilisé égal à la «boîte», sans aucune spécialisation ou autre formation, peut fonctionner pire qu’un outil plus d’IA, mais il peut mieux fonctionner dès que certains exemples et contextes.

---

“Le mieux que nous puissions faire est de consulter les déclarations sommaires provenant des documents de la FDA Cleance, et au moins nous n’avons pas vu les avantages de ces modèles de dotation sur le marché.”

Akshay Chaudhari

Assistant de l’assistant de la radiologie et des données biomédicales à Stanford

---

Étant donné que les modèles de dotation sont formés sur une telle quantité de données, ils peuvent mieux fonctionner pour trouver des événements rares tels que les anévrismes cérébraux, a déclaré Kottler.

“Si vous n’avez qu’un petit nombre de personnes qui ont quelque chose, trouver la chose, c’est comme une aiguille dans une botte de foin”, a déclaré Kottler. “Vous avez besoin d’un modèle très précis.”

Un autre domaine où l’éclat de la fondation peut briller est autorisé à développer d’autres modèles d’IA plus rapidement. La construction d’un modèle d’IA étroit traditionnel peut prendre six mois pour nettoyer, indiquer des données et suivre une formation, a déclaré Kottler. Diverses itérations de la fondation peuvent être construites en quelques semaines.

Dans la pratique, cependant, il est difficile de savoir si ces avantages ont été reflétés dans les véritables avantages pour les patients ou leurs équipes de soins. Il existe peu de modèles enthousiastes qui ont subi une FDA, a déclaré Chaudhari de Stanford.

“Le mieux que nous puissions faire est de consulter les déclarations sommaires provenant des documents de climatisation de la FDA”, a-t-il dit, “et au moins nous n’avons pas vu les avantages de ces modèles de dotation sur le marché.”

Évaluation des modèles de dotation

Actuellement, les modèles de dotation compatible FDA sont conçus pour résoudre une tâche spécifique telle que Aidoc est une fracture d’une côte Un outil basé sur le modèle de fondation de l’entreprise. AIDOC a reçu 510 (k) la volonté de son modèle en utilisant une ancienne version de l’outil de tri des côtes comme prédicat. Le processus 510 (k) oblige les fabricants à prouver une équivalence substantielle entre leur équipement et l’équipement de prédicat qui peut être vendu aux États-Unis

Il n’y a aucune instruction pour des modèles plus larges qui incluent le langage et les images ou la vidéo, a déclaré Chaudhari.

Certains hôpitaux ont créé des systèmes d’évaluation des modèles d’IA, mais ils ne sont pas parfaits. Par exemple, les hôpitaux identifient les besoins, comme un modèle qui peut identifier la pneumonie dans les images x-rayons ou un modèle de conception de messages x-raffinement.

“Ensuite, ils construisent 1 000 images de leur site Web, où ils connaissent les étiquettes, puis organisent essentiellement un concours pour savoir quel fournisseur maximise les performances de ce fichier de données”, a déclaré Chaudhari. “C’est basique, mais c’est vraiment le meilleur de ce que nous avons, car c’est la seule façon de juger que les performances locales seront en fait idéales pour la tâche.”

Cela pourrait être possible pour les plus grands centres médicaux universitaires qui ont une équipe de science des données, mais “de nombreux hôpitaux ne déploieront que des modèles et obtiendront une qualité douteuse”, a ajouté Chaudhari.

Pour tester un modèle de dotation pour la précision, il est important de définir d’abord les mesures et les tâches pour un modèle basé sur ce qu’il peut faire, a déclaré Paschali. Les hôpitaux doivent également tester le fonctionnement du modèle chez divers patients et différents types de scanner. Enfin, les hôpitaux devraient “souligner” un modèle pour identifier les problèmes potentiels qui pourraient survenir, par exemple autour de maladies très rares.

“Par conséquent, il est très important de travailler en étroite collaboration avec les radiologues, car ils peuvent nous aider à concevoir des tests de stress très soigneusement”, a déclaré Paschali. “Parce qu’ils ont vu tant de cas et savent quand les tâches sont difficiles pour eux.”

Nous espérons que les modèles de dotation formés sur des ensembles de données beaucoup plus importants, y compris différents états, hôpitaux et machines d’imagerie, pourraient nécessiter moins d’évaluation avant le déploiement.

“Je ne pense pas que nous y sommes arrivés, du moins il n’y a aucune preuve dans le monde”, a déclaré Chaudhari. “Mais c’est une attraction de ce que ces modèles de fondation peuvent fournir.”

Un autre objectif est de libérer l’heure des radiologues, au milieu Une pénurie continue de radiologues Aux États-Unis et le nombre croissant d’images.

“Si nous leur demandons de vérifier la sortie pour doubler”, a déclaré Chaudhari, “est-ce vraiment une réalisation de la promesse que ces modèles ont?”