Choisir un modèle de fondation en pathologie en 2026

Aucun modèle de fondation en pathologie ne gagne partout : benchmarks, licences, type de tâche et calcul pour UNI, CONCH et Virchow2. Recherche, pas diagnostic.

En pathologie, il n’existe pas de modèle de fondation (foundation model) meilleur que tous les autres. Dans un benchmark indépendant publié dans Nature Biomedical Engineering, Neidlinger et al. ont comparé 19 modèles de fondation sur des tâches au niveau de la lame : CONCH est arrivé en tête, suivi de près par Virchow2. Pour la prédiction de l’expression génique, le classement (leaderboard) de HEST-Benchmark, consulté le 17 septembre 2026, place H-optimus-1 en tête et CONCH plus bas. Choisissez dans cet ordre : ce que la licence vous autorise à faire, ce dont la tâche a besoin, et ce que votre budget de calcul peut traiter sur des lames gigapixel. Évaluez ensuite avec un découpage par patient, sur des cohortes que le modèle n’a jamais vues pendant son pré-entraînement.

Je suis arrivé à cette question par mon mémoire de master, consacré à la prédiction de l’expression génique à partir d’images de pathologie. Les comparaisons présentées ici sont des résultats publiés par d’autres équipes, pas mes propres mesures.

Qu’est-ce qu’un modèle de fondation en pathologie ?

Un modèle de fondation en pathologie est un encodeur d’images pré-entraîné sur de très grandes collections de lames histologiques, puis réutilisé comme extracteur de caractéristiques généraliste pour de nombreuses tâches en aval. En pathologie numérique, un scanner transforme la lame de verre en image de lame entière (whole-slide image, WSI), dont la taille se compte en gigapixels ; le pipeline habituel comporte donc deux étapes. Le modèle de fondation convertit de petites tuiles (tiles) de tissu coloré à l’hématoxyline et à l’éosine (H&E) en vecteurs d’embedding, puis un modèle plus léger apprend la tâche à partir de ces vecteurs. Neidlinger et al. décrivent exactement ce schéma : les caractéristiques sont extraites avec chaque modèle de fondation, puis « ces vecteurs ont servi à entraîner un agrégateur au niveau de la lame ».

Ce que l’encodeur vous apporte :

• Un étiquetage moins coûteux. Associées à une tête d’apprentissage multi-instances (multiple instance learning, MIL), les caractéristiques figées des tuiles permettent à un modèle en aval d’apprendre à partir d’une seule étiquette par lame ou par patient, et non de contours de régions tissulaires tracés à la main. Des travaux rapportent aussi que les caractéristiques pré-entraînées en pathologie nécessitent moins d’exemples annotés : l’article d’UNI indique qu’UNI permet des modèles « économes en données ».

• Des caractéristiques calculées une seule fois. Les embeddings peuvent être mis en cache et réutilisés dans de nombreuses expériences.

• Des références communes. Des équipes indépendantes publient des comparaisons des mêmes encodeurs mis à disposition.

Ce qu’il ne vous apporte pas : un diagnostic, auquel ces modèles ne sont pas destinés. Il ne vous fournit pas non plus un modèle validé sur votre cohorte et robuste à votre scanner et à votre coloration. La validation et la robustesse se gagnent, et la suite de ce guide explique comment.

Le paysage en 2026 : UNI, CONCH, Virchow2 et les autres

Encodeurs purement visuels et encodeurs vision-langage

La plupart des encodeurs ci-dessous sont purement visuels : ils apprennent uniquement à partir d’images.

• UNI (Mahmood Lab) : un transformeur de vision (ViT-L/16) de 0,3 milliard de paramètres. Son article dans Nature Medicine fait état d’un pré-entraînement sur plus de 100 millions d’images issues de plus de 100 000 lames diagnostiques colorées en H&E. UNI2-h, un modèle plus grand du même laboratoire, est un ViT-H de 681 millions de paramètres.

• Virchow2 (Paige et Microsoft Research) : un ViT-H/14 de 632 millions de paramètres, entraîné sur 3,1 millions d’images de lames entières du Memorial Sloan Kettering Cancer Center, selon sa fiche. Son article décrit aussi Virchow2G Mini, une distillation à 22 millions de paramètres d’un modèle frère plus grand, Virchow2G.

• H-optimus-0 et H-optimus-1 (Bioptimus) : des transformeurs de vision de 1,1 milliard de paramètres chacun ; la fiche de H-optimus-0 fait état d’un entraînement sur plus de 500 000 lames H&E. H0-mini (Owkin et Bioptimus) est un ViT-B/14 distillé à partir de H-optimus-0, indiqué à 85,7 millions de paramètres.

• Prov-GigaPath : un encodeur de tuiles couplé à un encodeur de lames. Xu et al. rapportent dans Nature qu’il a été pré-entraîné sur 1,3 milliard de tuiles provenant de 171 189 lames entières de Providence, un réseau de santé américain.

• Phikon-v2 (Owkin) : un ViT-L pré-entraîné sur des collections publiques de lames, un point qui compte pour la vérification des fuites de données présentée plus bas.

CONCH (Mahmood Lab) est le modèle vision-langage de cette liste. Son encodeur visuel est un ViT-B/16 de 90 millions de paramètres, couplé à un encodeur de texte, et son article dans Nature Medicine fait état d’un entraînement sur plus de 1,17 million de paires image–légende. Le volet textuel est ce qui manque aux encodeurs purement visuels : la fiche de CONCH cite la classification zero-shot et la recherche image–texte parmi ses usages.

Licences et conditions d’accès : le premier filtre

Un modèle que vous n’avez pas le droit d’utiliser pour votre usage n’est pas un candidat, quel que soit son score. Le tableau résume les fiches de modèle (model cards) Hugging Face telles qu’elles se présentaient le 17 septembre 2026. « Restreint » (gated) signifie que vous demandez l’accès sur Hugging Face et acceptez les conditions avant de télécharger le modèle.

Trois points en découlent :

• Apache-2.0 n’est pas une licence d’usage clinique. La fiche de Prov-GigaPath précise que le modèle « n’est ni destiné ni mis à disposition pour un usage clinique en tant que dispositif médical, outil d’aide clinique ou outil de diagnostic ». La fiche de H-optimus-0 indique qu’il « n’a été examiné, certifié ou approuvé par aucun organisme de réglementation ».

• Les conditions de Virchow2 sont les plus explicites. Les utilisateurs s’engagent à ne pas l’utiliser pour « diagnostiquer, guérir, atténuer, traiter ou prévenir une maladie », y compris sous les mentions Research Use Only (RUO) ou Investigational Use Only (IUO). Ce sont des catégories réglementaires propres aux produits de diagnostic, pas de la recherche académique.

• La plupart des modèles restreints vérifient votre identité. Les fiches d’UNI, UNI2-h, CONCH, Virchow2, H-optimus-1 et H0-mini exigent que l’adresse e-mail de votre compte Hugging Face corresponde à votre adresse institutionnelle avant d’approuver l’accès.

Les conditions évoluent : lisez la fiche en vigueur et les règles de votre établissement avant tout téléchargement. Ce tableau sert de repère ; ce n’est pas un avis juridique.

Benchmarks des modèles de fondation en pathologie : ce qu’ils disent et qui les a menés

L’article qui présente un modèle l’évalue sur des tâches choisies par ses auteurs. Neidlinger et al. posent le problème sans détour : lorsque les équipes qui publient des modèles de fondation en pathologie les évaluent « sur des tâches de leur choix, le risque de biais est élevé ». Partez des benchmarks indépendants, et vérifiez qui a mené chaque évaluation.

Tâches au niveau de la lame : CONCH en tête, Virchow2 juste derrière

Neidlinger et al. ont évalué 19 modèles de fondation en histopathologie sur des tâches faiblement supervisées portant sur les biomarqueurs, la morphologie et le pronostic. Leurs données provenaient de 13 cohortes de patients, soit 6 818 patients et 9 528 lames de cancers du poumon, colorectaux, gastriques et du sein. Les modèles en aval ont été entraînés sur The Cancer Genome Atlas (TCGA) et testés sur des cohortes externes : la collection publique CPTAC, sur laquelle aucun des modèles évalués n’avait été entraîné, et des cohortes propriétaires qui « n’ont jamais fait partie de l’entraînement d’aucun modèle de fondation ». Les prédictions ont été faites par patient.

Le résultat phare du résumé publié : CONCH « a obtenu les meilleures performances globales par rapport aux modèles de fondation purement visuels, Virchow2 arrivant en deuxième position de peu ». La même phrase contient la réserve qui compte pour les cibles rares : l’avance de CONCH « était moins marquée dans les scénarios à peu de données et les tâches à faible prévalence ». Dans les résultats complets, en moyenne sur 31 tâches, CONCH et Virchow2 partagent la meilleure AUROC moyenne de 0,71 (aire sous la courbe ROC) : l’écart derrière le classement mis en avant est donc faible.

Ce classement ne porte que sur les modèles testés. H-optimus-1 et UNI2-h n’en faisaient pas partie.

Ensembles de modèles et diversité des données

Selon le benchmark publié, un ensemble combinant les prédictions de CONCH et de Virchow2 a surpassé les modèles pris isolément dans 55 % des tâches. Les auteurs l’expliquent ainsi : des modèles de fondation « entraînés sur des cohortes distinctes apprennent des caractéristiques complémentaires pour prédire la même étiquette ».

Toujours selon le benchmark, ses résultats « suggèrent que, pour les modèles de fondation, la diversité des données l’emporte sur leur volume », et ses auteurs écrivent que « plus grand ne veut pas toujours dire meilleur ». L’article de Virchow2, rédigé par les développeurs du modèle, apporte une nuance. Des données diversifiées et des méthodes propres au domaine « peuvent surpasser des modèles qui se contentent d’augmenter le nombre de paramètres ». Pourtant, « en moyenne, les performances bénéficient de la combinaison de méthodes propres au domaine, de l’échelle des données et de la taille du modèle ». Dans un cas comme dans l’autre, le nombre de paramètres et de lames affiché sur une fiche ne vous dit pas comment un modèle se comportera sur votre tâche.

UNI, CONCH ou Virchow2 : pourquoi les classements divergent

D’autres évaluations aboutissent à d’autres ordres :

• PathBench, une prépublication, a réuni 15 888 lames de 8 549 patients provenant de 10 hôpitaux, en excluant strictement toute donnée utilisée en pré-entraînement. Parmi les 19 modèles de fondation en pathologie qu’il évalue, il présente Virchow2 et H-optimus-1 comme « les modèles les plus efficaces dans l’ensemble ».

• Le classement HEST-Benchmark, dans le dépôt HEST, classe les encodeurs selon leur corrélation de Pearson moyenne en prédiction de l’expression génique. Il est tenu par le Mahmood Lab, qui développe aussi UNI et CONCH. Sur le classement HEST, consulté le 17 septembre 2026, H-optimus-1 est en tête avec 0,4229, Virchow2 obtient 0,4034, CONCH v1 obtient 0,3696, et une référence ResNet50 pré-entraînée sur ImageNet obtient 0,3252. Le classement recense aussi des entrées plus récentes que ce guide ne détaille pas, comme GenBio-PathFM, juste derrière H-optimus-1, et CONCH v1.5 ; lisez leurs fiches avant de les retenir dans une présélection.

Ces études testent des modèles, des tâches et des cohortes différents ; elles répondent donc à des questions différentes. La comparaison entre UNI et CONCH le montre : CONCH se classe globalement devant UNI sur les tâches au niveau de la lame évaluées par Neidlinger et al., tandis qu’UNI obtient une moyenne supérieure à celle de CONCH v1 sur le classement d’expression de HEST. Ce qu’il faut en retirer n’est pas un vainqueur, mais une présélection de deux ou trois encodeurs qui s’en sortent bien dans plusieurs évaluations, dont au moins une indépendante, à tester ensuite sur votre propre tâche.

Adapter le modèle à la tâche

Classification de lames et biomarqueurs

La prédiction au niveau de la lame est généralement faiblement supervisée : une étiquette par lame ou par patient, comme le statut d’un biomarqueur ou une issue pronostique. C’est le cadre mesuré par Neidlinger et al. ; parmi les travaux évalués par les pairs cités ici, leur benchmark est donc le plus directement pertinent. PathBench, une prépublication, évalue aussi des tâches de diagnostic et de pronostic sur des images de lames entières, et place Virchow2 et H-optimus-1 en tête.

Deux résultats comptent quand les données annotées sont rares. L’avance de CONCH se réduisait dans les contextes à peu de données et à faible prévalence. Et lorsque Neidlinger et al. ont entraîné les modèles en aval sur 300, 150 et 75 patients, « tous les modèles montrent des baisses de performance similaires quand la taille du jeu d’entraînement diminue ». Pour un biomarqueur rare, planifiez d’abord la cohorte, ensuite l’encodeur.

Expression génique à partir de lames H&E : bulk et spatiale

L’expression génique désigne le niveau d’activité de chaque gène dans un échantillon de tissu ; on la quantifie par des dosages d’ARN comme le séquençage de l’ARN (RNA-Seq). La question de cet axe de recherche est de savoir quelle part de ce signal moléculaire peut se lire dans la morphologie tissulaire d’une image H&E.

L’expression bulk désigne un profil d’expression par échantillon. Schmauch et al. rapportent que HE2RNA « peut être entraîné à prédire systématiquement des profils RNA-Seq à partir des seules images de lames entières, sans annotation experte ».

L’expression spatiale consiste à prédire l’expression en différents points du tissu, en apprenant à partir de données de transcriptomique spatiale. He et al. (ST-Net) ont utilisé 30 612 mesures d’expression génique spatialement résolues, appariées à l’histologie de 23 patients atteints d’un cancer du sein, et ont identifié plus de 100 gènes dont l’expression pouvait être prédite à une résolution de 100 µm.

HEST-1k, un jeu de données dont l’article a été retenu en Spotlight à NeurIPS 2024, rassemble 1 229 profils de transcriptomique spatiale, chacun associé à une image de lame entière. Son HEST-Benchmark définit neuf tâches : prédire l’expression des 50 gènes à la plus forte variance normalisée à partir de régions H&E de 112 × 112 µm, avec la corrélation de Pearson comme score.

Prenez au sérieux la dispersion entre tissus. Sur le classement HEST, H-optimus-1 atteint 0,6589 sur le mélanome cutané (SKCM), mais 0,2421 sur l’adénocarcinome du rectum (READ). Les auteurs de HEST notent que les performances « restent faibles pour certaines tâches (par exemple READ et ccRCC) » ; ccRCC désigne le carcinome rénal à cellules claires. Wang et al. ont comparé onze méthodes de prédiction de l’expression spatiale dans Nature Communications. Calculées sur l’ensemble des gènes dans deux de leurs jeux de données de transcriptomique spatiale, la corrélation de Pearson (PCC) et la similarité structurelle (SSIM) étaient « faibles pour toutes les méthodes ». Les scores sur des gènes sélectionnés étaient plus élevés ; les pièges d’évaluation ci-dessous y reviennent. L’expression prédite est un signal de recherche, pas un substitut à un dosage, et la force de ce signal dépend du tissu.

Des tuiles à la lame : MIL et graphes sur le tissu

Apprentissage multi-instances fondé sur l’attention

Le MIL traite une lame comme un sac de tuiles doté d’une seule étiquette. Ilse, Tomczak et Welling (ICML 2018) ont proposé le MIL fondé sur l’attention (ABMIL), un « opérateur d’agrégation invariant par permutation » dont les poids d’attention montrent la contribution de chaque tuile. CLAM (Lu et al., 2021) s’appuie sur un apprentissage fondé sur l’attention et « ne requiert que des étiquettes au niveau de la lame ».

Pour comparer des encodeurs, l’agrégateur a peu pesé dans le benchmark de Neidlinger et al. : ABMIL restait derrière un agrégateur de type transformeur, avec « une différence d’AUROC moyenne de 0,01, laissant le classement global des modèles largement inchangé ». Une simple tête ABMIL constitue une sonde raisonnable et peu coûteuse pour évaluer une présélection.

Graphes sur le tissu

Un pooling invariant par permutation n’exploite pas, à lui seul, la position des tuiles les unes par rapport aux autres. Les méthodes à base de graphes réintroduisent cette information spatiale dans le modèle. Patch-GCN (Chen et al., MICCAI 2021), issu d’un article intitulé « Whole Slide Images are 2D Point Clouds », est un réseau convolutif sur graphes qui « agrège hiérarchiquement les caractéristiques histologiques au niveau des instances pour modéliser des structures topologiques locales et globales ». La contrepartie : davantage de choix de conception, comme la construction du graphe et son pooling, chacun à valider avec les mêmes découpages que tout le reste.

Encodeurs de lames ou embeddings de tuiles

Certains modèles de fondation ajoutent un encodeur de lames ; c’est le cas de Prov-GigaPath. Neidlinger et al. ont inclus quatre encodeurs de lames et constaté qu’ils « ne présentaient aucun avantage sur les encodeurs de tuiles dans les configurations MIL, sauf dans les scénarios à peu de données ». Essayez un encodeur de lames lorsque vos cohortes annotées sont petites.

Les pièges d’évaluation qui gonflent les résultats

Chacun de ces pièges fait paraître un résultat meilleur qu’il ne le sera sur de nouveaux patients, et chacun est documenté dans des travaux publiés. Le même réflexe, mesurer avant de faire confiance, vaut pour les systèmes fondés sur des modèles de langage ; voir Garde-fous contre les hallucinations en RAG.

Découper par patient, pas par tuile ni par spot

Le problème : des tuiles, des spots ou des coupes adjacentes d’un même patient se retrouvent à la fois dans le jeu d’entraînement et dans le jeu de test, si bien que le score mesure en partie la mémorisation du tissu de ce patient.

HEST-Benchmark utilise des découpages stratifiés par patient « pour éviter les fuites de données au niveau du patient entre entraînement et test ». Concrètement, il s’agit d’une validation croisée à k plis (k-fold) où k est le nombre de patients, ou k/2 pour ccRCC en raison de son grand nombre de patients. Les découpages sont fournis sous forme de fichiers CSV. Wang et al. ont gardé les « coupes de tissu adjacentes d’un même patient » dans le même pli ; leur jeu de données HER2+ compte 36 coupes de tissu de 8 patients : l’unité indépendante est donc le patient, pas la coupe.

Signatures de centre et de scanner

Le problème : le modèle apprend où une lame a été préparée ou numérisée, et cette information est corrélée à l’étiquette. Dans des données TCGA portant sur plus de 3 000 patients atteints de six sous-types de cancer, Howard et al. ont mis en évidence les deux volets de ce problème. Des cibles comme la survie, les profils d’expression génique et les mutations conductrices (driver) variaient fortement d’un centre contributeur à l’autre, et le centre lui-même pouvait être détecté à partir des images. Selon leurs termes, « la détection du centre reste possible malgré les méthodes couramment utilisées de normalisation des couleurs et d’augmentation de données ». De telles signatures « peuvent conduire à des estimations trop optimistes des performances du modèle ». Leur correctif fait en sorte que les échantillons d’entraînement et de validation d’un modèle proviennent de centres différents.

Les modèles de fondation n’éliminent pas ce problème. Carloni et al. (atelier MedAGI 2025 à MICCAI) les ont testés sur un jeu de données multi-scanners et ont constaté qu’ils « souffrent toujours d’un biais lié au scanner ». Une prépublication de Filiot et al. parue en juillet 2026 décrit des représentations de tuiles qui « restent sensibles à la variabilité des scanners et des colorations ».

Les artefacts sont un cas voisin. Neidlinger et al. notent que « des modèles comme UNI, Hibou, Virchow et Kaiko mettaient parfois en évidence des marques de feutre » ; dans leur étude, ces marques n’ont pas faussé la classification, car elles « étaient réparties de manière égale entre les différentes classes ». Vérifiez si les artefacts, les centres et les scanners sont corrélés à vos étiquettes.

Fuite de données via le pré-entraînement

Le problème : les lames de test, ou des lames des mêmes établissements, faisaient partie du pré-entraînement du modèle de fondation. Neidlinger et al. notent que « des inquiétudes quant à une fuite de données apparaissent lorsque des modèles de fondation sont testés sur des images provenant des établissements mêmes où ils ont été entraînés ». Ils ont mené leurs tests sur des cohortes propriétaires qui, selon eux, n’ont jamais fait partie de l’entraînement d’aucun modèle de fondation, ainsi que sur CPTAC, sur lequel aucun des modèles de leur benchmark n’avait été entraîné.

Faites la même vérification. La fiche de Phikon-v2 cite TCGA, CPTAC et GTEx parmi ses sources de pré-entraînement (Phikon-v2 ne figurait pas dans ce benchmark), et la fiche de H0-mini mentionne des lames TCGA. Pour ces modèles, on ne peut pas supposer qu’un jeu de test tiré de ces collections n’a jamais été vu.

Moyennes sur des gènes choisis

Le problème : une corrélation moyennée sur des gènes sélectionnés est comparée à une corrélation calculée sur tous les gènes. Sur leur jeu de données HER2+, Wang et al. ont constaté que la plupart des méthodes obtenaient de meilleurs scores (en corrélation ou en SSIM) sur les gènes hautement variables ou spatialement variables que sur l’ensemble des gènes. Les scores obtenus sur les 50 gènes les plus variables de HEST-Benchmark ne sont donc pas comparables à une moyenne sur tous les gènes. Indiquez quels gènes vous avez évalués et comment vous les avez choisis.

Quelle puissance de calcul pour les images de lames entières ?

Xu et al. notent qu’« une lame gigapixel standard peut comporter des dizaines de milliers de tuiles d’image », et chaque tuile conservée passe par l’encodeur. Trois grandeurs fixent le budget :

• La taille de l’encodeur, un facteur de premier ordre du coût par tuile.

• Le nombre de tuiles, déterminé par la surface de tissu et le grossissement auquel vous découpez.

• La taille des embeddings, qui détermine le stockage et la largeur d’entrée du modèle en aval.

Pour les encodeurs présentés plus haut, les tailles ci-dessous proviennent de leurs fiches, sauf mention contraire. « Concaténé » désigne le token de classe joint au token moyen des patchs, une option que montrent les fiches de H0-mini et de Virchow2.

Le stockage est facile à estimer avant de vous engager : pour des embeddings en float32, bytes ≈ tiles × embedding dimension × 4.

Sur HEST-Benchmark, les encodeurs plus grands ont tendance à obtenir de meilleurs scores, avec des rendements décroissants : l’article HEST rapporte que la taille du modèle « est fortement corrélée à la performance moyenne, mais les gains croissent de façon logarithmique avec le nombre de paramètres entraînables ». La distillation offre un compromis. La prépublication qui présente H0-mini rapporte elle-même « des performances presque comparables à celles des grands modèles de fondation, pour un coût d’inférence nettement réduit », et, sur le classement HEST, H0-mini obtient une moyenne de 0,3958 contre 0,4150 pour H-optimus-0, son modèle enseignant. Pour comparer des tailles d’embedding différentes, notez que HEST réduit d’abord chaque embedding à 256 composantes principales, car la régression ridge « peut pénaliser injustement les modèles dont les embeddings sont de plus grande dimension ».

Le schéma qui garde les budgets raisonnables : extraire les embeddings une fois, les mettre en cache et entraîner de nombreuses têtes légères sur ce cache. Pour donner un ordre de grandeur, les expériences de l’article HEST « ont été menées sur un seul GPU NVIDIA 3090 ». La latence est un budget à part : si chaque nouvelle lame doit être encodée au moment de l’inférence, la taille de l’encodeur et le nombre de tuiles fixent le temps d’attente, pas seulement la facture.

La place de mon mémoire

Mon mémoire de master à l’université de technologie d’Ispahan, achevé en septembre 2025, cherchait à savoir si l’expression génique peut être prédite à partir d’images de pathologie numérique. Les dosages d’expression génique sont lents et coûteux ; les images de lames entières sont rapides et bon marché, mais atteignent l’échelle du gigapixel. Le mémoire a été mené sous une contrainte stricte de calcul et de latence, et son approche combinait réseaux de neurones sur graphes, modèles de fondation pour la vision, techniques adaptées des grands modèles de langage, et modélisation statistique et probabiliste. Un article qui en est tiré est en préparation.

C’est cette contrainte qui fait ici du calcul un critère de choix, et non une considération secondaire. Ce guide n’indique pas quels modèles de fondation le mémoire a utilisés et ne rapporte aucun de ses résultats : les comparaisons ci-dessus sont des résultats publiés par d’autres équipes de recherche, pas mes mesures. L’étude de cas sur l’imagerie médicale décrit le mémoire, et la page Recherche le répertorie.

Check-list pour choisir un modèle de fondation en pathologie

• Licence et accès. La fiche autorise votre usage, et votre compte remplit ses conditions d’accès.

• Type de tâche. Étiquette de lame, biomarqueur, pronostic, expression bulk ou expression spatiale.

• Présélection. Des encodeurs qui s’en sortent bien dans plus d’une évaluation, dont une indépendante, et pas seulement dans leurs propres articles.

• Chevauchement avec le pré-entraînement. Les sources de pré-entraînement de chaque fiche confrontées à vos cohortes de test.

• Découpages. Au minimum par patient, par centre quand c’est possible, avec une cohorte externe si vous pouvez en obtenir une.

• Facteurs de confusion. Centre, scanner, coloration et artefacts vérifiés par rapport à l’étiquette.

• Métrique et ensemble de gènes. Pour l’expression, la métrique et les gènes évalués, tous deux indiqués.

• Calcul. Temps d’extraction mesuré sur votre matériel, embeddings mis en cache, un modèle distillé essayé.

• Ensembles en dernier. Des modèles combinés seulement après que chacun a été mesuré seul.

Si vous cadrez un système de vision par ordinateur qui doit tenir sous un plafond matériel, la page Services décrit ma façon de travailler.

Questions fréquentes

Quel est le meilleur modèle de fondation en pathologie ?

Aucun n’est le meilleur sur toutes les tâches. Dans le benchmark indépendant de Neidlinger et al., qui compare 19 modèles sur des tâches au niveau de la lame, CONCH s’est classé premier et Virchow2 deuxième de peu ; PathBench, une prépublication, privilégie Virchow2 et H-optimus-1 ; et le classement HEST, consulté le 17 septembre 2026, place H-optimus-1 en tête pour l’expression génique. Établissez une présélection à partir de ces résultats, puis testez-la sur votre propre tâche.

Peut-on prédire l’expression génique à partir d’une lame H&E ?

En partie, pour certains gènes et certains tissus. He et al. (ST-Net) ont trouvé plus de 100 gènes dont l’expression pouvait être prédite à partir de l’histologie de cancers du sein, et HE2RNA a prédit des profils RNA-Seq bulk à partir d’images de lames entières. Sur HEST-Benchmark, la corrélation du meilleur encodeur varie fortement selon le type de cancer. C’est un signal de recherche, pas un substitut à un dosage moléculaire dans la prise en charge des patients.

Puis-je utiliser UNI, CONCH ou Virchow2 dans un produit commercial ?

Pas selon leurs conditions publiques. Leurs fiches Hugging Face indiquent la licence CC-BY-NC-ND 4.0, limitent l’usage à la recherche académique non commerciale, interdisent l’usage commercial sans approbation préalable et demandent aux entités commerciales de contacter les auteurs. Parmi les autres modèles présentés ici, H-optimus-0 et Prov-GigaPath sont sous Apache-2.0, mais la fiche de Prov-GigaPath exclut de son périmètre tout usage déployé, et celle de H-optimus-0 exige conformité réglementaire et validation indépendante pour un usage en santé. Les conditions évoluent : vérifiez la fiche en vigueur ; ceci n’est pas un avis juridique.

Ces modèles peuvent-ils lire un compte rendu anatomopathologique ou diagnostiquer un cancer ?

Non. Ce sont des modèles de recherche qui transforment des tuiles d’image, et dans le cas de CONCH du texte, en vecteurs de caractéristiques. Les conditions de Virchow2 interdisent de l’utiliser pour diagnostiquer une maladie, la fiche de Prov-GigaPath précise qu’il n’est pas destiné à un usage clinique, et les fiches H-optimus indiquent qu’aucun régulateur ne les a examinés ni approuvés. Pour toute question sur un compte rendu anatomopathologique, adressez-vous à votre pathologiste ou à votre médecin.

Sources

• Neidlinger et al., Benchmarking foundation models as feature extractors for weakly supervised computational pathology, Nature Biomedical Engineering 10, 1113–1123 (2026 ; publié en ligne en 2025) (prépublication arXiv)

• Chen et al., Towards a general-purpose foundation model for computational pathology (UNI), Nature Medicine, 2024

• Lu et al., A visual-language foundation model for computational pathology (CONCH), Nature Medicine, 2024

• Zimmermann et al., Virchow2: Scaling Self-Supervised Mixed Magnification Models in Pathology, arXiv, 2024

• Xu et al., A whole-slide foundation model for digital pathology from real-world data (Prov-GigaPath), Nature, 2024

• Filiot et al., Distilling foundation models for robust and efficient models in digital pathology (H0-mini), prépublication arXiv, 2025

• Fiches de modèle Hugging Face, consultées le 17 septembre 2026 : UNI, UNI2-h, CONCH, Virchow2, H-optimus-0, H-optimus-1, H0-mini, Prov-GigaPath, Phikon-v2

• README du dépôt Prov-GigaPath, consulté le 17 septembre 2026

• Ma et al., PathBench: A comprehensive comparison benchmark for pathology foundation models towards precision oncology, prépublication arXiv, 2025

• Jaume et al., HEST-1k: A Dataset for Spatial Transcriptomics and Histology Image Analysis, NeurIPS 2024 Spotlight

• Dépôt HEST et classement HEST-Benchmark, consultés le 17 septembre 2026

• He et al., Integrating spatial gene expression and breast tumour morphology via deep learning (ST-Net), Nature Biomedical Engineering, 2020

• Schmauch et al., A deep learning model to predict RNA-Seq expression of tumours from whole slide images (HE2RNA), Nature Communications, 2020

• Wang et al., Benchmarking the translational potential of spatial gene expression prediction from histology, Nature Communications, 2025

• Howard et al., The impact of site-specific digital histology signatures on deep learning model accuracy and bias, Nature Communications, 2021

• Carloni et al., Pathology Foundation Models are Scanner Sensitive: Benchmark and Mitigation with Contrastive ScanGen Loss, atelier MedAGI 2025 à MICCAI

• Filiot et al., Robustifying pathology foundation models via fine-tuning, prépublication arXiv, 2026

• Ilse, Tomczak et Welling, Attention-based Deep Multiple Instance Learning, ICML 2018

• Lu et al., Data-efficient and weakly supervised computational pathology on whole-slide images (CLAM), Nature Biomedical Engineering, 2021

• Chen et al., Whole Slide Images are 2D Point Clouds: Context-Aware Survival Prediction using Patch-based Graph Convolutional Networks (Patch-GCN), MICCAI 2021

• Imagerie médicale — débruitage d’IRM et expression génique à partir de la pathologie, étude de cas sur ce site