AI与世界难题 · 医学与药物研发 · Nature (machine learning) · 2026-10-26
面向临床级前列腺病理的端到端学习与基础模型的比较分析
原标题: Comparative analysis of end-to-end learning and foundation models for clinical-grade prostate pathology
通过自监督预训练的基础模型被广泛推崇为病理学的通用解决方案，但其相对于特定任务模型的优势尚不明确。作者利用来自15个机构、6,268名患者的逾100,000份前列腺活检样本发现，在数据稀缺时基础模型有帮助，但在有足够标注数据时，特定任务模型可与之持平甚至更优。特定任务训练还显著减少了分级错误，而基础模型的能耗最高可达前者的35倍。