Modelli Linguistici Piccoli Raggiungono Radiologia AI Deployabile su CPU tramite Fine-Tuning LoRA

Uno studio recente mostra che i modelli linguistici piccoli (SLM) con 3-4 miliardi di parametri possono affrontare efficacemente vari compiti radiologici quando vengono affinati con LoRA, anche su CPU consumer standard. Questo progresso affronta le difficoltà dell'uso di modelli linguistici grandi (LLM) in contesti clinici con risorse limitate. La ricerca ha addestrato i modelli Qwen2.5-3B-Instruct e Qwen3-4B su 162.000 campioni provenienti da nove compiti radiologici, tra cui la classificazione RADS per dieci sistemi, la generazione di impressioni e altro, utilizzando dati di 12 dataset pubblici. I test su fino a 500 campioni trattenuti per compito hanno rivelato che il fine-tuning LoRA ha portato a notevoli miglioramenti delle prestazioni: l'accuratezza RADS è aumentata del 53%, NLI del 60% e N-staging dell'89%. Ciò rende l'AI in radiologia più accessibile senza necessità di hardware specializzato.