
Chat d'IA médicale de Dr7.ai
Découvrez la puissance de BioGPT, le modèle de langage biomédical de pointe de Microsoft, conçu pour le traitement de textes médicaux, l'analyse de la littérature et un large éventail de tâches de traitement automatique du langage naturel (TALN) en biomédecine.
Découvrez le modèle de langage biomédical avancé de Microsoft pour le traitement et l'analyse de textes médicaux
Découvrez l'IA biomédicale
Un bilan sanguin, une radiographie ou une photo de peau ? Obtenez une analyse IA complète.
Importer une imageBénéficiez d'un accès illimité au modèle de langage biomédical avancé de Microsoft, avec des fonctionnalités améliorées, une assistance prioritaire et des capacités complètes de traitement de textes biomédicaux.
BioGPT est un Transformer génératif pré-entraîné pour les textes biomédicaux, développé par Microsoft Research (Luo et al., Briefings in Bioinformatics, 2022). Il reprend l'architecture GPT-2 medium (24 couches, dimension cachée de 1024, 16 têtes d'attention) avec 347 millions de paramètres et un vocabulaire propre appris sur des textes biomédicaux. On le trouve aussi écrit Bio GPT, BioGPT AI ou Microsoft BioGPT ; sa version plus grande s'appelle BioGPT-Large.
BioGPT offre des performances supérieures pour la génération de textes biomédicaux, les questions-réponses et l'analyse de la littérature. Il a été entraîné sur des millions d'articles biomédicaux et de textes cliniques pour comprendre la terminologie et les concepts médicaux.
La version agrandie, BioGPT-Large (1.5B paramètres, architecture GPT-2 XL), atteint 81.0 % d'exactitude sur PubMedQA après affinage. Le code et les poids sont sous licence MIT ; le dépôt GitHub officiel compte environ 4.5k étoiles (octobre 2026), et les modèles sont publiés sur Hugging Face sous les noms microsoft/biogpt, microsoft/BioGPT-Large et microsoft/BioGPT-Large-PubMedQA.
Publié par Microsoft Research en octobre 2022 (arXiv 2210.10341)
Les poids sur Hugging Face ont été mis à jour pour la dernière fois en février 2023 ; aucune nouvelle version de BioGPT n'a été publiée depuis dans le dépôt officiel.
Ce pour quoi le modèle a été conçu et évalué
Résultats après affinage publiés par Microsoft dans l'article BioGPT (Luo et al., 2022) — non mesurés par Dr7.ai
Générez des descriptions de termes biomédicaux dans le style de la littérature scientifique et extrayez entités et relations des résumés PubMed.
Affinez le modèle pour répondre à des questions sur des résumés de recherche (PubMedQA). C'est un modèle de recherche, pas un outil d'aide à la décision clinique.
Extrayez de la littérature publiée les interactions médicament–cible et médicament–médicament pour faciliter la curation des données et la formulation d'hypothèses.
Exécutez BioGPT de Microsoft avec Hugging Face ou en local, ou essayez le chat d'IA biomédicale propre à Dr7.
Les Spaces de démonstration Hugging Face référencés dans le README officiel de Microsoft (génération de texte avec BioGPT-Large et questions-réponses PubMedQA) affichaient une erreur d'exécution lors de notre vérification du 20 octobre 2026 : il n'existe donc actuellement aucune démo officielle en ligne fonctionnelle. Vous pouvez essayer gratuitement le chat biomédical de cette page (l'assistant propre à Dr7.ai, pas le checkpoint original) ou exécuter le modèle vous-même comme indiqué ci-dessous.
BioGPT est intégré à la bibliothèque transformers de Hugging Face. Installez transformers, torch et sacremoses (requis par BioGptTokenizer), puis chargez le modèle :
# pip install transformers torch sacremoses
from transformers import BioGptTokenizer, BioGptForCausalLM, pipeline
tokenizer = BioGptTokenizer.from_pretrained("microsoft/biogpt")
model = BioGptForCausalLM.from_pretrained("microsoft/biogpt")
generator = pipeline("text-generation", model=model, tokenizer=tokenizer)
print(generator("COVID-19 is", max_new_tokens=40)[0]["generated_text"])•microsoft/biogpt — modèle de base, 347M paramètres
•microsoft/BioGPT-Large — 1.5B paramètres (~6.3 Go de poids en fp32)
•microsoft/BioGPT-Large-PubMedQA — affiné pour PubMedQA
•Remplacez l'identifiant du modèle dans l'extrait pour utiliser les checkpoints plus grands
Le dépôt GitHub de Microsoft (microsoft/BioGPT) fournit l'implémentation fairseq d'origine et des checkpoints téléchargeables, dont des modèles affinés pour chaque tâche de l'article.
•Checkpoints affinés pour BC5CDR, KD-DTI, DDI, HoC et PubMedQA
•La configuration d'origine impose PyTorch 1.12, Python 3.10 et fairseq 0.12
•Moses et fastBPE sont nécessaires pour la tokenisation
•Un GPU est recommandé, surtout pour BioGPT-Large
BioGPT est un modèle de génération et de fouille de texte biomédical : il prolonge des textes au style de la littérature scientifique et donne de bons résultats après un affinage spécifique, mais il n'a pas été entraîné pour tenir une conversation ni pour interpréter vos symptômes, vos résultats d'analyses ou vos images. Pour obtenir un rapport d'IA structuré sur des symptômes, un bilan biologique ou une image médicale, utilisez l'outil de diagnostic médical par IA de Dr7.ai.
Ouvrir le diagnostic médical par IALes résultats de BioGPT doivent être validés par des experts du domaine, en particulier pour des applications cliniques ou de recherche.
Envisagez d'affiner BioGPT sur votre domaine ou votre tâche biomédicale pour obtenir les meilleures performances.
BioGPT, BioGPT-Large, BioMedLM, PubMedBERT et PMC-LLaMA en un coup d'œil
| Modèle | Paramètres | Corpus d'entraînement | Licence | PubMedQA (exactitude) |
|---|---|---|---|---|
| BioGPT | 347M | 15M titres + résumés PubMed | MIT | 78.2% |
| BioGPT-Large | 1.5B | PubMed | MIT | 81.0% |
| BioMedLM | 2.7B | Résumés et articles complets PubMed (issus de The Pile) | BigScience BLOOM RAIL 1.0 | 74.4% |
| PubMedBERT | ~110M (BERT-base) | Résumés PubMed (une variante ajoute le texte intégral de PubMed Central) | MIT | 55.8% |
| PMC-LLaMA 13B | 13B | LLaMA-13B + 4.8M articles biomédicaux + 30K manuels de médecine | OpenRAIL (fiche Hugging Face) ; basé sur LLaMA | 77.9% |
Les scores proviennent de l'article de chaque modèle (PubMedBERT : comparaison de l'article BioGPT), obtenus dans des conditions différentes — affinage ou instruction tuning — : à considérer comme indicatifs, et non comme une comparaison directe.
Les questions courantes sur BioGPT
Oui. Microsoft a publié le code et les poids de BioGPT sous licence MIT, qui couvre aussi les modèles pré-entraînés : vous pouvez donc télécharger et exécuter gratuitement BioGPT et BioGPT-Large, y compris pour un usage commercial. L'exécuter vous-même ne coûte que votre propre puissance de calcul.
Pas via un service officiel hébergé. Microsoft ne propose aucune application BioGPT hébergée, et les Spaces de démonstration Hugging Face référencés dans son README affichaient une erreur d'exécution lors de la vérification du 20 octobre 2026. Vous pouvez exécuter le modèle vous-même depuis Hugging Face, ou essayer le chat biomédical de cette page, qui est l'assistant propre à Dr7.ai et non le checkpoint BioGPT original.
Ils ne font pas le même travail. BioGPT est un petit modèle (347M ; 1.5B pour BioGPT-Large) pré-entraîné uniquement sur des résumés PubMed et destiné à être affiné pour des tâches précises comme l'extraction de relations, PubMedQA ou la classification de documents ; il peut tourner sur votre propre matériel. Il n'a pas été entraîné à suivre des instructions en conversation. ChatGPT est un assistant conversationnel généraliste, bien meilleur pour suivre des instructions et expliquer, mais il n'est ni spécialisé ni affinable en local de la même façon.
Installez transformers, torch et sacremoses, puis chargez BioGptTokenizer et BioGptForCausalLM depuis "microsoft/biogpt" (ou "microsoft/BioGPT-Large") et générez du texte, par exemple avec le pipeline text-generation de transformers. L'extrait de code de la section « Comment utiliser BioGPT » ci-dessus montre la version minimale.
BioGPT-Large est la version agrandie de BioGPT, fondée sur l'architecture GPT-2 XL avec 1,5 milliard de paramètres. Après affinage, il atteint 81.0 % d'exactitude sur PubMedQA (contre 78.2 % pour BioGPT 347M) ; ce modèle affiné est publié sous le nom microsoft/BioGPT-Large-PubMedQA. Tous deux sont sous licence MIT sur Hugging Face.
Dans l'article BioGPT, le modèle affiné obtient un F1 de 44.98 % sur BC5CDR, 38.42 % sur KD-DTI et 40.76 % sur DDI en extraction de relations de bout en bout, 78.2 % d'exactitude sur PubMedQA et un F1 de 85.12 % en classification de documents HoC. Ce sont des résultats obtenus après un affinage propre à chaque tâche ; les sorties doivent toujours être vérifiées par des experts du domaine.
BioGPT est un modèle de recherche entraîné sur la littérature publiée, et non sur des dossiers cliniques ; il n'a pas été validé pour la prise en charge des patients. Il peut appuyer des travaux de recherche comme la fouille de la littérature, mais ne doit pas remplacer le jugement clinique ni servir à prendre des décisions cliniques de manière autonome.