导读 基础模型是在大规模数据集上训练的先进人工智能系统,有可能为医学领域带来前所未有的进步。在计算病理学 (CPath) 中,这些模型可能在诊...
基础模型是在大规模数据集上训练的先进人工智能系统,有可能为医学领域带来前所未有的进步。在计算病理学 (CPath) 中,这些模型可能在诊断准确性、预后洞察和预测治疗反应方面表现出色。
麻省总医院的研究人员设计了迄今为止最大的两个 CPath 基础模型:UNI 和 CONCH。这些基础模型适用于 30 多种临床和诊断需求,包括疾病检测、疾病诊断、器官移植评估和罕见疾病分析。
新模型克服了当前模型的局限性,不仅在研究人员测试的临床任务中表现良好,而且在识别新的、罕见的和具有挑战性的疾病方面也显示出了前景。UNI和CONCH的论文发表在Nature Medicine上。
UNI 是理解病理学图像的基础模型,从识别组织学感兴趣区域中的疾病到十亿像素全幻灯片成像。它使用包含超过 1 亿个组织斑块和超过 100,000 张完整幻灯片图像的数据库进行训练,在解剖病理学中具有通用的人工智能应用。
值得注意的是,UNI 采用迁移学习,将以前获得的知识以极高的准确性应用于新任务。在包括癌症分类和器官移植评估在内的 34 项任务中,UNI 的表现优于现有的病理模型,凸显了其作为 CPath 工具的多功能性和潜在应用。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!