Plan Pro : -30 %En profiter
Medical AI Background

BioGPT

Le modèle de langage biomédical avancé de Microsoft

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.

🧬
BioGPT
Modèle de génération de texte biomédical
347M
paramètres (BioGPT-Large : 1.5B)
Microsoft Research
Poids ouverts · Licence MIT

Essayez la démo interactive de BioGPT

Découvrez le modèle de langage biomédical avancé de Microsoft pour le traitement et l'analyse de textes médicaux

BioGPT Démo

Découvrez l'IA biomédicale

0/3 messages

Un bilan sanguin, une radiographie ou une photo de peau ? Obtenez une analyse IA complète.

Importer une image

Lancer une analyse biomédicale

Posez une question sur des notions biomédicales, analysez la littérature médicale ou traitez un texte médical

Exploitez tout le potentiel de BioGPT

Bénéficiez 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.

10+
Modèles avancés
24/7
Assistance experte
∞
Utilisation illimitée

Qu'est-ce que BioGPT ?

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.

🚀

Publication et statut

Publié par Microsoft Research en octobre 2022 (arXiv 2210.10341)

≈4.5k
étoiles GitHub (octobre 2026)

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.

Fonctionnalités clés

Ce pour quoi le modèle a été conçu et évalué

Capacités principales

  • ✓Génération de texte biomédical (par ex. descriptions fluides de médicaments, de gènes et de maladies)
  • ✓Extraction de relations de bout en bout : interactions produit chimique–maladie, médicament–cible et médicament–médicament
  • ✓Questions-réponses sur des résumés PubMed (PubMedQA)
  • ✓Classification de documents biomédicaux (Hallmarks of Cancer)
  • ✓Vocabulaire spécialisé appris sur des textes PubMed
  • ✓Affinable (fine-tuning) pour de nouvelles tâches de texte biomédical

Résultats aux benchmarks

Résultats après affinage publiés par Microsoft dans l'article BioGPT (Luo et al., 2022) — non mesurés par Dr7.ai

BC5CDR
Extraction de relations produit chimique–maladie (F1 de bout en bout)
44.98
KD-DTI
Extraction d'interactions médicament–cible (F1)
38.42
DDI
Extraction d'interactions médicament–médicament (F1)
40.76
PubMedQA
Questions-réponses biomédicales (exactitude)
78.2%
PubMedQA · BioGPT-Large
Même tâche avec le modèle de 1.5B (exactitude)
81.0%
HoC
Classification de documents Hallmarks of Cancer (F1)
85.12

Cas d'usage

🔬

Recherche biomédicale

Générez des descriptions de termes biomédicaux dans le style de la littérature scientifique et extrayez entités et relations des résumés PubMed.

🏥

Recherche en questions-réponses biomédicales

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.

💊

Découverte de médicaments

Extrayez de la littérature publiée les interactions médicament–cible et médicament–médicament pour faciliter la curation des données et la formulation d'hypothèses.

Comment utiliser BioGPT

Exécutez BioGPT de Microsoft avec Hugging Face ou en local, ou essayez le chat d'IA biomédicale propre à Dr7.

1

Accéder à BioGPT

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.

2

Hugging Face (transformers)

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

3

En local avec le code original

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 n'est pas un chatbot de diagnostic

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 IA

Points importants

Expertise du domaine indispensable

Les résultats de BioGPT doivent être validés par des experts du domaine, en particulier pour des applications cliniques ou de recherche.

Affinage spécifique à la tâche

Envisagez d'affiner BioGPT sur votre domaine ou votre tâche biomédicale pour obtenir les meilleures performances.

BioGPT face aux autres modèles de langage biomédicaux

BioGPT, BioGPT-Large, BioMedLM, PubMedBERT et PMC-LLaMA en un coup d'œil

ModèleParamètresCorpus d'entraînementLicencePubMedQA (exactitude)
BioGPT347M15M titres + résumés PubMedMIT78.2%
BioGPT-Large1.5BPubMedMIT81.0%
BioMedLM2.7BRésumés et articles complets PubMed (issus de The Pile)BigScience BLOOM RAIL 1.074.4%
PubMedBERT~110M (BERT-base)Résumés PubMed (une variante ajoute le texte intégral de PubMed Central)MIT55.8%
PMC-LLaMA 13B13BLLaMA-13B + 4.8M articles biomédicaux + 30K manuels de médecineOpenRAIL (fiche Hugging Face) ; basé sur LLaMA77.9%

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.

Questions fréquentes

Les questions courantes sur BioGPT

BioGPT est-il gratuit ?

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.

Peut-on utiliser BioGPT en ligne ?

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.

BioGPT ou ChatGPT : lequel est le meilleur pour les textes biomédicaux ?

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.

Comment exécuter BioGPT depuis Hugging Face ?

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.

Qu'est-ce que BioGPT-Large ?

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.

Quelle est la précision de BioGPT sur les benchmarks biomédicaux ?

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 peut-il être utilisé pour des applications cliniques ?

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.