文章预览
加 星标 ,再也不怕错过更新!方法见文末动图。 1 引言 癌症诊断和预后预测是医学研究中的重要课题之一。随着人工智能 (AI) 技术的不断发展,基于AI的病理图像分析在癌症诊断方面取得了显著进展。然而,现有的大多数模型往往专注于特定的诊断任务,缺乏通用性,尤其是在面对不同数据来源或不同数字化方式处理的图像时,表现往往会下降。这导致了模型在不同环境下的泛化能力不足,限制了其在临床中的广泛应用。 为了应对这一挑战,来自哈佛医学院的研究团队开发了名为 “CHIEF” (Clinical Histopathology Imaging Evaluation Foundation) 的通用机器学习框架,该方法在2024年9月4日以 《A pathology foundation model for cancer diagnosis and prognosis prediction》 为题发表在 《自然》 杂志上。这一创新的弱监督模型可以从病理图像中提取关键特征,并将这些特征用
………………………………