ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (machine learning) · 2026-10-26
Сравнительный анализ сквозного обучения и фундаментальных моделей для патологической диагностики рака предстательной железы клинического уровня
Оригинальное название: Comparative analysis of end-to-end learning and foundation models for clinical-grade prostate pathology
Фундаментальные модели, предобученные с самоконтролем, широко продвигаются как универсальное решение для патологии, но их преимущество перед специализированными моделями неясно. На основе более чем 100 000 биопсий предстательной железы от 6 268 пациентов из 15 центров авторы обнаружили, что фундаментальные модели полезны при нехватке данных, но при достаточном количестве размеченных данных специализированные модели не уступают им или превосходят их. Обучение под конкретную задачу также заметно снижало число ошибок в градации, тогда как фундаментальные модели потребляли до 35 раз больше энергии.