CHIEF opera creando una sorta di “fette” virtuali delle immagini di tessuti, chiamate "tiles", che rappresentano sezioni specifiche di un organo. Queste immagini sono successivamente elaborate da un sistema di image encoder, che trasforma ogni sezione in un vettore d'embedding per consentire al modello di interpretare con precisione le caratteristiche della patologia. Parallelamente, la parte testuale passa attraverso un encoder di testo basato sulla tecnica CLIP (Contrastive Language-Image Pretraining), una tecnologia che proietta il testo e l’immagine nello stesso spazio vettoriale, favorendo l’associazione tra descrizioni testuali e immagini specifiche. Una volta integrati, questi dati permettono a CHIEF di formulare una diagnosi, predire l’origine del tumore, individuare eventuali biomarcatori e fornire stime prognostiche.
L'addestramento di CHIEF si è basato su un dataset multimodale che includeva 15 milioni di immagini senza etichette e 60.000 immagini di tessuti da 19 siti anatomici differenti. Durante il pre-training, il modello ha imparato a riconoscere le caratteristiche salienti dei dati senza bisogno di etichettatura umana, sviluppando una profonda conoscenza della struttura delle immagini mediche. L'efficacia del modello è stata ulteriormente confermata durante i test su 19.400 immagini provenienti da 32 dataset indipendenti raccolti a livello globale, ottenendo prestazioni superiori del 36,1% rispetto ai precedenti modelli di riferimento.
Oltre ad Harvard, anche altre istituzioni, come l'Università di Cambridge, stanno sviluppando modelli di IA in ambito oncologico. Cambridge ha recentemente lanciato un modello basato sul DNA, capace di individuare 13 tipi di cancro con un'accuratezza del 98%, mentre un altro sistema, denominato Cancer GPT, studia come le combinazioni di farmaci possano influire sui pazienti. Questi progressi dimostrano come l'intelligenza artificiale possa diventare uno strumento fondamentale per migliorare la salute pubblica, riducendo i tempi di diagnosi e rendendo i trattamenti più mirati.
Alla fine della presentazione, viene posta una domanda stimolante: a chi affideresti la tua salute tra un medico umano con un'accuratezza del 90% e un sistema di IA con un'accuratezza del 96%? L'interrogativo solleva riflessioni profonde sulla fiducia e sull'etica dell'impiego dell'intelligenza artificiale in ambito sanitario, indicando come queste tecnologie siano destinate a rivoluzionare il nostro modo di concepire la diagnosi e il trattamento delle malattie.
Fonte: Harvard Medical School