基礎(chǔ)模型是在大規(guī)模數(shù)據(jù)集上訓(xùn)練的先進人工智能系統(tǒng)，有可能為醫(yī)學(xué)領(lǐng)域帶來前所未有的進步。在計算病理學(xué) (CPath) 中，這些模型可能在診斷準確性、預(yù)后洞察和預(yù)測治療反應(yīng)方面表現(xiàn)出色。
麻省總醫(yī)院的研究人員設(shè)計了迄今為止最大的兩個 CPath 基礎(chǔ)模型：UNI 和 CONCH。這些基礎(chǔ)模型適用于 30 多種臨床和診斷需求，包括疾病檢測、疾病診斷、器官移植評估和罕見疾病分析。
新模型克服了當前模型的局限性，不僅在研究人員測試的臨床任務(wù)中表現(xiàn)良好，而且在識別新的、罕見的和具有挑戰(zhàn)性的疾病方面也顯示出了前景。UNI和CONCH的論文發(fā)表在Nature Medicine上。
UNI 是理解病理學(xué)圖像的基礎(chǔ)模型，從識別組織學(xué)感興趣區(qū)域中的疾病到十億像素全幻燈片成像。它使用包含超過 1 億個組織斑塊和超過 100,000 張完整幻燈片圖像的數(shù)據(jù)庫進行訓(xùn)練，在解剖病理學(xué)中具有通用的人工智能應(yīng)用。
值得注意的是，UNI 采用遷移學(xué)習，將以前獲得的知識以極高的準確性應(yīng)用于新任務(wù)。在包括癌癥分類和器官移植評估在內(nèi)的 34 項任務(wù)中，UNI 的表現(xiàn)優(yōu)于現(xiàn)有的病理模型，凸顯了其作為 CPath 工具的多功能性和潛在應(yīng)用。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！