Un modèle d’IA médicale de niveau expert accessible à tous les hôpitaux du monde ! Alibaba publie en open source Damo Radar sous licence Apache-2.0. Capable de repérer 150 pathologies abdominales sur scanner, il surpasse la majorité des radiologues testés.
4000 examens tomodensitométriques réels passés au crible d’un réseau neuronal, validés par une publication dans la prestigieuse revue scientifique Science : l’institut de recherche d’Alibaba vient de mettre à disposition du corps médical mondial l’un des outils de diagnostic les plus avancés du secteur.
Disponible publiquement sur le dépôt GitHub du projet Damo Radar sous licence libre Apache-2.0, ce modèle vision-langage généraliste analyse les scanners abdominaux avec injection de produit de contraste couvrant 18 organes distincts pour identifier simultanément près de 150 anomalies cliniques et tumeurs malignes.
💡 C’est quoi le modèle vision-langage Damo Radar ?
Développé par la branche R&D d’Alibaba, la Damo Academy, RADAR est un modèle multimodal entraîné sur plus de 400 000 examens tomodensitométriques et 15 millions de paires image-texte anatomiques. Contrairement aux IA médicales spécialisées cantonnées à un organe unique, il croise directement les clichés bruts avec la terminologie des comptes rendus cliniques rédigés par les spécialistes.
L’AI surpasse 23 radiologues sur 26
L’évaluation clinique menée avec des établissements hospitaliers affiliés à l’université du Zhejiang démontre un saut d’efficacité opérationnel sans précédent. Lors d’un test comparatif rigoureux opposant la machine à 26 radiologues humains en exercice, l’indice de précision moyen de l’algorithme a dépassé celui de 23 praticiens. Utilisé comme système d’assistance au dépouillement, l’outil a permis aux médecins de réduire les diagnostics manqués de 10 % tout en écourtant le temps d’analyse de chaque dossier de plus de 30 %.
Cette polyvalence repose sur un apprentissage multimodal en profondeur. Le modèle décroche une aire sous la courbe (AUC) moyenne de 0,913 sur 146 observations pathologiques, frôlant le score parfait de 1,0. Il explore 18 organes abdominaux : surveillance conjointe du pancréas, de l’estomac, du foie, des reins et du côlon pour isoler les lésions précoces et les dissections aortiques. Enfin,l’architecture ingère les flux tomodensitométriques bruts directement corrélés aux comptes rendus textuels existants.
Le choix de l’open source face au verrouillage des logiciels hospitaliers
En hébergeant l’ensemble des poids pré-entraînés et des scripts d’inférence sur le dépôt Hugging Face de RADAR, le géant technologique prend le contre-pied des éditeurs biomédicaux traditionnels qui enferment leurs algorithmes derrière des abonnements propriétaires hors de prix. Les hôpitaux régionaux, les équipes de recherche indépendantes et les développeurs de matériel d’imagerie peuvent intégrer localement ces modèles d’inférence dans leurs propres pipelines d’archivage d’images (PACS), sans dépendre d’une connexion permanente vers un cloud étranger.
Cette ouverture logicielle sous licence permissive Apache-2.0 confirme une orientation stratégique initiée avec les modèles spécialisés Coca et Damo LiON, qui avaient déjà fait leurs preuves dans la détection des cancers colorectaux et hépatiques. L’équipe d’ingénieurs annonce d’ores et déjà adapter cette méthodologie vision-langage à d’autres modalités diagnostiques, telles que l’IRM et la radiographie thoracique, prouvant que la diffusion ouverte du savoir scientifique accélère directement la modernisation de la santé publique.
🌐 L’actualité de l’open source et des technologies éthiques dans votre flux
🐘 Fediverse / Mastodon : suivez notre profil officiel @ depuis votre application ou votre instance favorite.
🦋 Bluesky (AT Protocol) : retrouvez nos actualités condensées et abonnez-vous à @goodtech.info.
