Je viens d'avoir le plaisir d'être interviewé par @Nature sur l'essor de l'IA en pathologie numérique. Avec l'augmentation des charges de travail et les pénuries mondiales de pathologistes, le domaine se tourne vers l'IA non pas comme un luxe, mais comme une nécessité. Article complet : Dans l'article, je discute de la manière dont les récentes avancées dans les modèles de base comme UNI-2 et CONCH redéfinissent ce qui est possible en matière de diagnostics du cancer. Entraînés sur des centaines de millions de fragments de pathologie, ces modèles vont au-delà de la classification : ils permettent le sous-typage moléculaire, la génération de légendes et même l'inférence zéro-shot. Mais bien que l'engouement soit réel, les défis le sont aussi. La généralisation inter-sites, le manque de validation externe et les obstacles réglementaires restent des barrières majeures. Nous devons investir dans des benchmarks robustes, des essais multi-institutionnels et un design de modèle fiable pour garantir que l'IA soutienne véritablement—et ne remplace pas—le jugement clinique. La pathologie numérique n'est pas l'avenir—elle est déjà là. Rendons-la sûre, évolutive et équitable. @UHN_Research @PMResearch_UHN @VectorInst @UofT