Nature | CHIEF：基于无监督和弱监督的癌症诊断和预后预测通用病理模型

文章预览

2024年9月4日，来自Sen Yang和Kun-Hsing Yu研究团队的Xiyue Wang、Junhan Zhao和Eliana Marostica等人在 Nature 期刊上发表了一篇题为“ A pathology foundation model for cancer diagnosis and prognosis prediction ”的研究文章。 该文章提出了一个名为CHIEF的病理学基础模型，利用机器学习技术对癌症的诊断和预后进行预测 。文章详细介绍了CHIEF模型如何通过 弱监督学习和自监督学习 ，从超过 60,000张病理切片 中 提取微观特征，用于癌症检测、肿瘤来源识别、基因突变预测和生存期预测 。CHIEF模型的独特之处在于其 通用性 和 高效性 ，能够处理来自不同医院和实验室的多样化样本。研究团队通过国际上多个独立数据集验证了该模型的性能，发现其在多种癌症类型中表现优异，准确率超过了目前最先进的深度学习方法。该研究不仅展示了AI在数字病理学中的潜力，还为未来癌症诊断提 ………………………………