L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · Nature (computational biology) · 2026-10-23
Apprentissage par transfert en deux étapes du synthétique au réel pour la génération automatisée de comptes rendus de mammographie à l'aide de modèles vision-langage
Titre original: Two-stage synthetic-to-real transfer learning for automated mammography report generation using vision-language models
L'article aborde la rareté des données appariées mammographie-compte rendu en pré-entraînant MedGemma-4B sur des comptes rendus synthétiques construits à partir d'annotations BI-RADS, puis en l'affinant sur 407 comptes rendus réels. Une évaluation contrôlée et préenregistrée a montré que le gain apparent provenait d'une capacité d'adaptateur inégale ; à capacité égale, les deux schémas d'entraînement ont obtenu des performances équivalentes. La concordance diagnostique n'a jamais dépassé κ = 0.14, ce qui suggère que la justesse du diagnostic, et non la fluidité, est le principal obstacle à des comptes rendus cliniquement utiles.