Une étude dirigée par des chercheurs de l'Université Mohammed bin Zayed a abouti à la création de BiMediX2, un modèle d'intelligence artificielle capable de comprendre et d'interpréter les informations contenues dans les images médicales. Ce système prend en charge l'analyse bilingue anglais-arabe, avec des performances particulièrement remarquables pour le traitement du contenu arabe.
BiMediX2 est le premier système d'IA capable d'analyser et de décrire des images médicales en anglais et en arabe. Il peut traiter divers types d'images médicales, notamment les radiographies, les IRM et les images microscopiques, et fournir des descriptions détaillées tout en répondant aux questions sur le contenu de l'image. Ce modèle améliore non seulement la précision de la traduction des images médicales, mais renforce également considérablement le traitement de la langue arabe.
Selon les rapports techniques, BiMediX2 a obtenu d'excellents résultats lors de tests comparatifs avec les technologies existantes. L'efficacité de la traduction a été améliorée de 9 % pour le contenu anglais et de 20 % pour le contenu arabe. Ce succès est le fruit d'un entraînement massif sur 1,6 million de textes et d'images médicales, garantissant une conversion précise entre les deux langues.
Les performances exceptionnelles de BiMediX2 sont dues à l'innovation de son architecture sous-jacente. Le système est basé sur l'architecture Llama3.1 et GPT-4o, optimisés spécifiquement pour le domaine médical. Grâce à l'intégration de Vision Encoder et de Meta Llama3.1, BiMediX2 réalise une analyse transparente des images médicales bilingues. Lors des tests, il s'est avéré plus performant que GPT-4o pour identifier les informations médicales incorrectes.
Bien que les performances de BiMediX2 soient encourageantes, les chercheurs soulignent que le système est actuellement limité à des fins de recherche et n'est pas encore destiné à une application clinique. Comme tous les systèmes d'intelligence artificielle, BiMediX2 peut faire des erreurs ou générer des informations inexactes. C'est pourquoi l'équipe de recherche a publié le modèle sur Hugging Face et a lancé un benchmark bilingue appelé BiMed-MBench pour tester les performances de systèmes similaires.
BiMediX2 représente une innovation majeure dans le domaine de l'analyse d'images médicales, notamment en ce qui concerne le traitement des images médicales bilingues et la traduction. Bien qu'il ne soit pas encore utilisé en clinique, les résultats de cette recherche ouvrent des perspectives d'applications d'IA plus efficaces et plus précises dans le secteur médical.
