Notes
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Important
Les modèles IA de santé sont destinés à la recherche et à l’exploration du développement de modèles. Les modèles ne sont pas conçus ou destinés à être déployés dans un cadre clinique, car ils ne sont pas utilisés dans le diagnostic ou le traitement de conditions de santé ou médicales, et les performances des modèles individuels à ces fins n’ont pas été établies. Vous êtes seul responsable de toute utilisation des modèles IA de santé, y compris la vérification des sorties et l’incorporation dans n’importe quel produit ou service destiné à un but médical ou pour informer la prise de décision clinique, de la conformité aux lois et réglementations applicables aux soins de santé, ainsi que l’obtention des autorisations ou approbations nécessaires.
Dans cet article, vous allez découvrir le catalogue de modèles de fondation multimodaux de Microsoft pour la santé. Les modèles ont été développés pour les organisations de santé conjointement par Microsoft Research, des partenaires stratégiques et des établissements de santé de premier plan. Les organisations de santé peuvent utiliser les modèles pour créer et déployer rapidement des solutions d’IA adaptées à leurs besoins spécifiques, tout en réduisant au minimum les exigences substantielles en matière de calcul et de données généralement associées à la création de modèles multimodaux à partir de zéro. L’objet de ces modèles n’est pas de servir de produits autonomes. Ils ont plutôt été conçus pour servir de base de construction aux développeurs. Avec ces modèles IA pour la santé, les professionnels disposent d’outils qui leur permettent d’exploiter tout le potentiel de l’IA pour améliorer la recherche biomédicale, les flux de travail cliniques et finalement la prestation de soins.
La puissance de l’intelligence artificielle (IA) est l’élément moteur d’une transformation révolutionnaire dans le secteur de la santé. Bien que les grands modèles de langage existants comme GPT-4 s’annoncent extrêmement prometteurs pour les tâches cliniques basées sur du texte et le raisonnement multimodal à usage général, ils ont du mal à comprendre les données de santé multimodales non textuelles – par exemple, l’imagerie médicale (ressources d’information en radiologie, pathologie et ophtalmologie). Ce problème concerne d’autres ressources textuelles médicales spécialisées, par exemple les dossiers médicaux électroniques longitudinaux. Il devient difficile de traiter les modalités non textuelles comme les données de signaux, les données génomiques et les données protéiques, dont une grande partie n’est pas disponible publiquement.
Le catalogue de modèles Azure AI, disponible dans Azure AI Foundry et Azure Machine Learning Studio, fournit des modèles de fondation pour la santé qui facilitent l’analyse basée sur l’IA de différents types de données médicales. Ces modèles IA dépassent largement la compréhension des textes médicaux, en permettant un raisonnement multimodal appliqué aux données médicales. Ils peuvent intégrer et analyser des données provenant de diverses sources avec des modalités différentes, par exemple l’imagerie médicale, la génomique, les dossiers cliniques et d’autres sources de données structurées et non structurées. Les modèles couvrent également plusieurs domaines de santé, notamment la dermatologie, l’ophtalmologie, la radiologie et la pathologie.
Modèles internes Microsoft
Ces modèles sont les modèles de fondation multimodaux développés en interne par Microsoft pour la santé.
MedImageInsight
Ce modèle est un modèle d’incorporation qui analyse de manière sophistiquée les images, notamment pour la classification et la recherche de similarités dans l’imagerie médicale. Les chercheurs peuvent utiliser les incorporations de modèles dans des classifieurs à zéro coup simples. Ils peuvent également créer des adaptateurs pour leurs tâches spécifiques, simplifiant ainsi les flux de travail en radiologie, pathologie, ophtalmologie, dermatologie et autres modalités. Par exemple, les chercheurs peuvent se servir du modèle pour créer des outils qui acheminent automatiquement les examens d’imagerie vers des spécialistes ou qui signalent des anomalies potentielles pour des examens plus approfondis. Ces actions peuvent favoriser l’efficacité et améliorer les résultats pour les patients. Par ailleurs, le modèle prend en charge les mesures de protection de l’IA responsable (RAI), telles que la détection hors distribution (OOD) et la surveillance de la dérive. Ces mesures de protection assurent la stabilité et la fiabilité des outils d’IA et des pipelines de données dans les environnements dynamiques d’imagerie médicale.
CXRReportGen
La radiographie du thorax est la procédure radiologique la plus courante dans le monde. Elles aident les médecins à diagnostiquer un large éventail de troubles (infections pulmonaires et problèmes cardiaques notamment). Pour des millions de personnes, ces images sont souvent la première étape dans la détection de problèmes de santé. Ce modèle IA multimodal intègre des images actuelles et antérieures ainsi que des informations clés sur les patients pour générer des rapports détaillés et structurés à partir d’une radiographie du thorax. Les rapports mettent en évidence les résultats générés par l’IA directement à partir des images, afin de s’inscrire dans des flux de travail intégrant l’humain. Les chercheurs peuvent tester cette capacité et le potentiel d’accélération des délais de traitement tout en améliorant la précision du diagnostic des radiologues.
MedImageParse et MedImageParse 3D
Ces modèles sont conçus pour une segmentation précise de l’image et couvrent diverses modalités d’imagerie, notamment les rayons X, les scanners CT, les IRM, les ultrasons, les images dermatologiques et les diapositives de pathologie. Les modèles peuvent être affinés pour des applications spécifiques, telles que la segmentation des tumeurs ou la délimitation d’organes, ce qui permet aux développeurs de tester et de valider le modèle et la possibilité de créer des outils qui tirent parti de l’IA pour une analyse d’image médicale hautement sophistiquée.
Modèles partenaires
Le catalogue de modèles Azure AI propose également une collection curée de modèles de santé issus de partenaires Microsoft qui offrent des fonctionnalités telles que l’analyse numérique de lames de pathologie, la recherche biomédicale ou le partage de connaissances médicales. Paige.AI et Providence Healthcare, qui comptent parmi ces partenaires, proposent ces modèles. Pour obtenir la liste complète des modèles, consultez la page du catalogue de modèles.