NeuroVFM : l'Université du Michigan publie un modèle de fondation entraîné sur 5,24 millions de volumes IRM et CT cliniques
Le 10 juillet 2026, des chercheurs du Machine Learning in Neurosurgery Lab de l'Université du Michigan ont publié dans Nature Medicine NeuroVFM, un modèle de fondation généraliste pour la neuroimagerie. Entraîné avec une approche dite Vol-JEPA sur 5,24 millions de volumes IRM et CT cliniques non curés, issus de 566 915 études du dataset UM-NeuroImages, le modèle atteint un AUROC de 92,68 sur les scanners CT et de 92,49 sur les IRM pour la détection de pathologies neurologiques. L'équipe, dirigée par Akhil Kondepudi et Todd Hollon, présente ce travail comme une instanciation par l'imagerie de son approche plus large de « health system learning », visant à tirer parti des données cliniques de routine, plutôt que de jeux de données annotés à la main, pour entraîner des modèles de fondation médicaux.
