Microsoft destaca el modelo PRISM2 de Paige, de un año, entrenado con 2.3 millones de láminas de patología

Why it matters

PRISM2 shows pathology AI moving toward general models that accept clinical questions, while Tempus ownership gives Paige's research a route into a larger oncology platform.

Microsoft Research el 4 de agosto atrajo nueva atención sobre PRISM2, un modelo multimodal de patología que investigadores de Paige y Microsoft describieron por primera vez en 2025. El modelo procesa imágenes de portaobjetos completos de tejido y responde preguntas diagnósticas en lenguaje natural, un enfoque que sus desarrolladores dicen que puede igualar o superar a sistemas más específicos de detección de cáncer en varios puntos de referencia. (x.com)

La publicación amplifica una investigación de más de un año de antigüedad. La preimpresión de PRISM2 se sometió inicialmente el 16 de junio de 2025 y se revisó el 31 de octubre. Paige anunció el modelo el 16 de julio de 2025, antes de que Tempus AI adquiriera Paige al mes siguiente. Por lo tanto, PRISM2 no es un lanzamiento nuevo de modelo ni un producto nuevo de Microsoft. Forma parte del portafolio de patología digital que Tempus compró cuando adquirió Paige el 22 de agosto de 2025. (arxiv.org)

PRISM2 amplía el trabajo asociado con Thomas J. Fuchs, fundador de Paige y exinvestigador de patología computacional en Memorial Sloan Kettering, quien usó grandes colecciones de portaobjetos digitalizados y sus informes diagnósticos existentes para entrenar modelos de cáncer. Ese método redujo la dependencia de que los patólogos marcaran manualmente regiones individuales de cada portaobjetos, una de las limitaciones de sistemas de IA de patología anteriores. Fuchs y colegas fundaron Paige alrededor de la tecnología desarrollada a través del programa de investigación en patología de MSK. (mskcc.org)

Qué hace PRISM2

PRISM2 se entrenó con 2,350,518 imágenes de portaobjetos completos teñidas con hematoxilina y eosina que representan 685,507 muestras y aproximadamente 200,000 pacientes. Paige emparejó esas imágenes con informes diagnósticos y generó alrededor de 14 millones de pares de preguntas y respuestas a partir del texto. Los investigadores usaron GPT-4o para reescribir informes y generar preguntas de entrenamiento, mientras que un modelo Phi-3 Mini de 4 mil millones de parámetros suministró el componente de lenguaje de PRISM2. (arxiv.org)

El entrenamiento ocurrió en dos etapas. Paige primero alineó representaciones de las láminas de patología con el lenguaje diagnóstico. Luego entrenó el modelo de lenguaje para interpretar esas representaciones, generar resúmenes y responder preguntas como si había indicio de cáncer. El objetivo fue reemplazar indicaciones de texto cuidadosamente diseñadas por el tipo de interrogatorio directo de sí/no que un patólogo o desarrollador de software podría usar. (arxiv.org)

En las pruebas de los investigadores, ese método de diálogo alcanzó una precisión balanceada de 0.874 para detección pan-cáncer y 0.861 para cánceres raros. La versión contrastiva de PRISM2 obtuvo 0.719 y 0.718 en las mismas tareas. El artículo también reportó resultados más sólidos que los modelos anteriores PRISM y TITAN en varias tareas diagnósticas, aunque la predicción de biomarcadores fue un área donde la representación afinada por diálogo de PRISM2 no produjo el mejor resultado global. (arxiv.org)

Esas cifras provienen de la preimpresión de los desarrolladores y de la configuración de sus benchmarks. El artículo también documenta errores en conversaciones de ejemplo, incluyendo una predicción incorrecta del grado tumoral y un hallazgo relacionado con el tratamiento que se pasó por alto. Sus evaluaciones muestran cómo se comporta la arquitectura en conjuntos de datos de investigación; no establecen cómo funcionaría PRISM2 prospectivamente a través de hospitales, escáneres y poblaciones de pacientes durante la atención clínica de rutina. (arxiv.org)

Tempus posee la vía al mercado

Paige puso a disposición un checkpoint de PRISM2 a través de Hugging Face bajo una licencia limitada a investigación académica no comercial. El uso comercial requiere aprobación separada. Paige también dijo en su anuncio de 2025 que PRISM2 estaba disponible para licenciamiento e integración empresarial, y que se había incorporado a Alba, un copiloto clínico en beta que no había sido lanzado comercialmente en ese momento. (huggingface.co)

La propiedad cambió cinco semanas después del anuncio de Paige. Tempus dijo que la adquisición añadiría la tecnología y los datos de patología digital de Paige a sus operaciones de medicina de precisión. Una posterior presentación regulatoria de Tempus valoró la contraprestación de la adquisición en $102.7 millones, consistentes en alrededor de $3 millones en efectivo y el resto principalmente en acciones de Tempus. (investors.tempus.com)

Esa transacción le da a PRISM2 una ruta potencial de distribución más allá de un lanzamiento de investigación independiente. Tempus puede conectar los modelos a nivel de lámina de Paige con una colección más amplia de datos clínicos y moleculares oncológicos. Microsoft, mientras tanto, sigue siendo un colaborador de investigación y socio de infraestructura más que el dueño del modelo. La evidencia inmediata aún proviene de benchmarks y de una preimpresión, dejando el despliegue clínico como la prueba que importa a continuación.