HistoEncoder : un modèle de fondation en patho numérique pour le cancer de la prostate

Une équipe de chercheurs de la faculté de médecine d’Helsinki a publié un article dans le Journal of Pathology Informatics portant sur HistoEncoder, un modèle de fondation en pathologie numérique dédié au cancer de la prostate.

Dans le résumé de leur publication, ils rappellent que les modèles de fondation sont entraînés sur des volumes massifs de données afin de saisir des motifs complexes au sein des images. Ces modèles pouvant, par la suite, être adaptés à un large éventail de tâches, nécessitant peu de ressources informatiques. « Nous avons développé HistoEncoder grâce à un pré-entraînement sur 48 millions d’images de tissus prostatiques. Il permet l’extraction automatisée de caractéristiques histologiques hautement prédictives des scores de Gleason et atteint des performances comparables à celles de modèles de fondation « pan-cancer » beaucoup plus vastes, tout en étant nettement plus efficace », explique les auteurs. En procédant à un ajustement fin du modèle à l’aide d’une quantité limitée de données et de ressources informatiques, les auteurs présentent deux cas d’usage clinique pour HistoEncoder. Premièrement, le modèle peut servir à annoter automatiquement de vastes jeux de données avec une grande précision. Deuxièmement, ils mettent en avant que les regroupements histologiques obtenus via HistoEncoder contiennent des informations pronostiques d’une portée comparable à celle du score de Gleason lors de validations croisées internes. « Des modèles de fondation légers tels qu’HistoEncoder offrent ainsi la possibilité de concevoir des outils logiciels cliniques performants, sans avoir recours à des jeux de données massifs ni à une puissance de calcul considérable », soulignent-ils.

Pour approfondir : https://www.sciencedirect.com/science/article/pii/S215335392600177X