
NeuroVFM entrena una IA médica en 5 millones de escáneres cerebrales no seleccionados sin etiquetas humanas
Un nuevo modelo fundacional de neuroimagen llamado NeuroVFM ha demostrado que el aprendizaje autosupervisado en datos hospitalarios no seleccionados, sin informes de radiólogos, etiquetas de enfermedades ni curación manual, puede superar a los modelos supervisados por lenguaje en 156 tareas diagnósticas, incluido el triaje prospectivo. El trabajo se publica en Nature Medicine, con el código […]









