Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

スタンフォード大学の研究者らは、がんの診断、治療、予後判定の方法を向上させる AI モデル MUSK を開発した。MUSK は、患者の固有の医療データを分析することで、がん治療を個別化することを目指している。准教授の Ruijiang Li 氏は、医療 AI におけるマルチモーダル基盤モデルの斬新さを強調し、事前トレーニングに画像とテキストのペアデータを必要とする既存モデルの限界を指摘した。

治療計画のための複雑な医療データの統合は、医師と AI モデルの両方にとって課題です。MUSK は、ディープラーニングを使用して臨床テキストと病理画像を処理し、人間の医師には明らかでない可能性のあるパターンを識別することで、この問題に対処します。このモデルの 2 段階のアプローチは、ペアになっていないデータから学習することから始まり、次にペアになっている画像とテキストのデータで理解を微調整します。これにより、MUSK は、病理画像とテキストの膨大なデータセットで事前トレーニングされた後、がんの種類を認識し、バイオマーカーを予測し、治療法を提案することができます。

研究の主執筆者である Jinxi Xiang 氏は、NVIDIA GPU 上での MUSK の徹底的な事前トレーニングについて詳しく説明しました。これにより、このモデルは大規模なデータセットを効率的に処理できるようになりました。AI モデルのパフォーマンスは、さまざまな病理学ベンチマークでテストされ、画像と医療テキストのマッチングや病理学関連の質問の解釈において、既存のモデルを上回りました。MUSK の機能には、がんのサブタイプの検出と分類の改善、生存結果と免疫療法への反応の信頼性の高い予測などがあります。

研究の著者らは、MUSK が最小限のトレーニングでさまざまな臨床環境に適応し、腫瘍学のワークフローの効率を高める可能性があることを強調しています。Futureの作業では、さまざまな患者集団や、治療の意思決定などの重要なアプリケーションでモデルを検証します。研究チームはまた、MUSK を他の種類の医療データに拡張することも検討しています。研究結果とリソースは、医療コミュニティでのさらなる開発と使用のためにGitHubで公開されています。