L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · Nature (machine learning) · 2026-10-26
Analyse comparative de l'apprentissage de bout en bout et des modèles de fondation pour la pathologie prostatique de qualité clinique
Titre original: Comparative analysis of end-to-end learning and foundation models for clinical-grade prostate pathology
Les modèles de fondation pré-entraînés par auto-supervision sont largement présentés comme une solution générale pour la pathologie, mais leur avantage par rapport aux modèles spécifiques à une tâche reste incertain. À partir de plus de 100,000 biopsies prostatiques provenant de 6,268 patients dans 15 sites, les auteurs ont constaté que les modèles de fondation sont utiles lorsque les données sont rares, mais qu'avec suffisamment de données annotées, les modèles spécifiques à une tâche les égalent ou les surpassent. L'entraînement spécifique à la tâche a également nettement réduit les erreurs de gradation, tandis que les modèles de fondation ont consommé jusqu'à 35 fois plus d'énergie.