Ciencia · IA · Modelos · UCLA · Gemini · GPT-4o
UCLA publica RECAP-PATH para generar explicaciones al clasificar imágenes patológicas
El método adapta instrucciones de modelos multimodales sin modificar sus pesos y permite revisar los rasgos que citan.
Fecha de la fuente original:
Lo esencial
- El método adapta instrucciones de modelos multimodales sin modificar sus pesos y permite revisar los rasgos que citan.
- Evaluación retrospectiva sobre recortes de imágenes públicas, con riesgo de rasgos inventados y ajuste específico por conjunto. Preprint de noviembre de 2025; publicación formal el 7 de marzo de 2026 y versión de registro el 21 de abril.
Instrucciones que se refinan con ejemplos
Communications Medicine publicó RECAP-PATH, un método de UCLA y colaboradores que ajusta las instrucciones de modelos multimodales para clasificar imágenes de tejido y describir los rasgos utilizados. El trabajo emplea Gemini 2.0 Flash y GPT-4o, entre otros modelos, sin actualizar sus pesos, y añade revisión de patólogos a la mejora de instrucciones.
Explicaciones bajo revisión experta
Los autores evaluaron imágenes de mama y próstata de tres conjuntos públicos. Las explicaciones pueden inventar rasgos, requieren verificación experta y no equivalen a observar el funcionamiento interno del modelo. Además, se analizaron recortes de imágenes y cada conjunto necesitó su propio ajuste. La publicación revisada por pares del 7 de marzo sigue a un preprint de noviembre de 2025.