
Chat di IA medica di Dr7.ai
Scopri la potenza di BioGPT, il modello linguistico biomedico all'avanguardia di Microsoft, progettato per l'elaborazione di testi medici, l'analisi della letteratura e un'ampia gamma di attività di elaborazione del linguaggio naturale (NLP) in ambito biomedico.
Scopri il modello linguistico biomedico avanzato di Microsoft per l'elaborazione e l'analisi di testi medici
Scopri l'IA biomedica
Hai un referto di laboratorio, una radiografia o una foto della pelle? Ottieni un'analisi IA completa.
Carica immagineOttieni accesso illimitato al modello linguistico biomedico avanzato di Microsoft, con funzionalità potenziate, assistenza prioritaria e capacità complete di elaborazione di testi biomedici.
BioGPT è un Transformer generativo pre-addestrato per i testi biomedici, sviluppato da Microsoft Research (Luo et al., Briefings in Bioinformatics, 2022). Usa l'architettura GPT-2 medium (24 layer, dimensione nascosta 1024, 16 teste di attenzione) con 347 milioni di parametri e un vocabolario proprio appreso da testi biomedici. Lo si trova scritto anche come Bio GPT, BioGPT AI o Microsoft BioGPT; la sua versione più grande è BioGPT-Large.
BioGPT offre prestazioni superiori nelle attività di generazione di testo biomedico, risposta a domande e analisi della letteratura. È stato addestrato su milioni di articoli biomedici e testi clinici per comprendere la terminologia e i concetti medici.
La versione più grande, BioGPT-Large (1.5B parametri, architettura GPT-2 XL), raggiunge l'81.0% di accuratezza su PubMedQA dopo il fine-tuning. Codice e pesi hanno licenza MIT; il repository GitHub ufficiale conta circa 4.5k stelle (ottobre 2026) e i modelli sono pubblicati su Hugging Face come microsoft/biogpt, microsoft/BioGPT-Large e microsoft/BioGPT-Large-PubMedQA.
Rilasciato da Microsoft Research nell'ottobre 2022 (arXiv 2210.10341)
I pesi su Hugging Face sono stati aggiornati l'ultima volta a febbraio 2023; da allora nel repository ufficiale non è stata pubblicata alcuna nuova versione di BioGPT.
Per cosa il modello è stato progettato e valutato
Risultati dopo fine-tuning riportati da Microsoft nell'articolo su BioGPT (Luo et al., 2022), non misurati da Dr7.ai
Genera descrizioni di termini biomedici nello stile della letteratura scientifica ed estrai entità e relazioni dagli abstract di PubMed.
Esegui il fine-tuning per rispondere a domande su abstract scientifici (PubMedQA). È un modello di ricerca, non uno strumento di supporto alle decisioni cliniche.
Estrai dalla letteratura pubblicata le interazioni farmaco–bersaglio e farmaco–farmaco per supportare la curation dei dati e la formulazione di ipotesi.
Esegui BioGPT di Microsoft con Hugging Face o in locale oppure prova la chat di IA biomedica propria di Dr7.
Gli Space dimostrativi di Hugging Face indicati nel README ufficiale di Microsoft (generazione di testo con BioGPT-Large e question answering su PubMedQA) mostravano un errore di runtime quando li abbiamo controllati il 20 ottobre 2026: al momento, quindi, non esiste una demo ufficiale online funzionante. Puoi provare gratis la chat biomedica di questa pagina (l'assistente di Dr7.ai, non il checkpoint originale) oppure eseguire il modello in autonomia come mostrato di seguito.
BioGPT è integrato nella libreria transformers di Hugging Face. Installa transformers, torch e sacremoses (richiesto da BioGptTokenizer), poi carica il modello:
# 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 — modello base, 347M parametri
•microsoft/BioGPT-Large — 1.5B parametri (~6.3 GB di pesi in fp32)
•microsoft/BioGPT-Large-PubMedQA — con fine-tuning su PubMedQA
•Sostituisci l'ID del modello nello snippet per usare i checkpoint più grandi
Il repository GitHub di Microsoft (microsoft/BioGPT) fornisce l'implementazione originale in fairseq e checkpoint scaricabili, inclusi i modelli con fine-tuning per ciascun task dell'articolo.
•Checkpoint con fine-tuning per BC5CDR, KD-DTI, DDI, HoC e PubMedQA
•La configurazione originale richiede PyTorch 1.12, Python 3.10 e fairseq 0.12
•Servono Moses e fastBPE per la tokenizzazione
•È consigliata una GPU, soprattutto per BioGPT-Large
BioGPT è un modello di generazione e text mining biomedico: prosegue testi nello stile della letteratura scientifica e funziona bene dopo un fine-tuning specifico, ma non è stato addestrato a sostenere una conversazione né a interpretare i tuoi sintomi, esami di laboratorio o immagini. Per un referto di IA strutturato su sintomi, un referto di laboratorio o un'immagine medica, usa lo strumento di diagnosi medica con IA di Dr7.ai.
Apri la diagnosi medica con IAGli output di BioGPT devono essere validati da esperti del settore, soprattutto per applicazioni cliniche o di ricerca.
Valuta il fine-tuning di BioGPT sul tuo dominio o task biomedico specifico per ottenere le prestazioni migliori.
BioGPT, BioGPT-Large, BioMedLM, PubMedBERT e PMC-LLaMA a colpo d'occhio
| Modello | Parametri | Corpus di addestramento | Licenza | PubMedQA (accuratezza) |
|---|---|---|---|---|
| BioGPT | 347M | 15M titoli + abstract di PubMed | MIT | 78.2% |
| BioGPT-Large | 1.5B | PubMed | MIT | 81.0% |
| BioMedLM | 2.7B | Abstract e articoli completi di PubMed (da The Pile) | BigScience BLOOM RAIL 1.0 | 74.4% |
| PubMedBERT | ~110M (BERT-base) | Abstract di PubMed (una variante aggiunge il testo completo di PubMed Central) | MIT | 55.8% |
| PMC-LLaMA 13B | 13B | LLaMA-13B + 4.8M articoli biomedici + 30K libri di testo di medicina | OpenRAIL (scheda Hugging Face); basato su LLaMA | 77.9% |
I punteggi provengono dall'articolo di ciascun modello (PubMedBERT dal confronto nell'articolo su BioGPT) con configurazioni diverse — fine-tuning o instruction tuning — quindi vanno considerati indicativi, non un confronto diretto.
Le domande più comuni su BioGPT
Sì. Microsoft ha rilasciato codice e pesi di BioGPT con licenza MIT, che copre anche i modelli pre-addestrati: puoi quindi scaricare ed eseguire gratuitamente BioGPT e BioGPT-Large, anche per uso commerciale. Eseguirlo in autonomia costa solo la tua potenza di calcolo.
Non tramite un servizio ufficiale ospitato. Microsoft non offre alcuna app BioGPT ospitata e gli Space dimostrativi di Hugging Face indicati nel suo README mostravano un errore di runtime al controllo del 20 ottobre 2026. Puoi eseguire il modello in autonomia da Hugging Face oppure provare la chat biomedica di questa pagina, che è l'assistente di Dr7.ai e non il checkpoint originale di BioGPT.
Svolgono compiti diversi. BioGPT è un modello piccolo (347M; 1.5B per BioGPT-Large), pre-addestrato solo su abstract di PubMed e pensato per il fine-tuning su task specifici come l'estrazione di relazioni, PubMedQA o la classificazione di documenti; può girare sul tuo hardware. Non è addestrato a seguire istruzioni in una conversazione. ChatGPT è un assistente conversazionale generalista, molto più bravo a seguire istruzioni e a spiegare, ma non è specializzato né adattabile in locale allo stesso modo.
Installa transformers, torch e sacremoses, poi carica BioGptTokenizer e BioGptForCausalLM da "microsoft/biogpt" (o "microsoft/BioGPT-Large") e genera testo, ad esempio con la pipeline text-generation di transformers. Lo snippet di codice nella sezione «Come usare BioGPT» qui sopra mostra la versione minima.
BioGPT-Large è la versione più grande di BioGPT, basata sull'architettura GPT-2 XL con 1,5 miliardi di parametri. Dopo il fine-tuning raggiunge l'81.0% di accuratezza su PubMedQA (contro il 78.2% di BioGPT da 347M); questo modello è pubblicato come microsoft/BioGPT-Large-PubMedQA. Entrambi hanno licenza MIT su Hugging Face.
Nell'articolo su BioGPT, il modello con fine-tuning ha ottenuto un F1 del 44.98% su BC5CDR, del 38.42% su KD-DTI e del 40.76% su DDI nell'estrazione di relazioni end-to-end, il 78.2% di accuratezza su PubMedQA e un F1 dell'85.12% nella classificazione di documenti HoC. Sono risultati ottenuti con fine-tuning specifico per ogni task; gli output vanno comunque verificati da esperti del settore.
BioGPT è un modello di ricerca addestrato sulla letteratura pubblicata, non su cartelle cliniche, e non è stato validato per l'assistenza ai pazienti. Può supportare attività di ricerca come il text mining della letteratura, ma non deve sostituire il giudizio clinico né essere usato per prendere decisioni cliniche in modo autonomo.