AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-22

本體論引導的神經符號式 convNeXtV2–swin transformer,用於甲狀腺乳突癌的可解釋細胞學分類

原標題: Ontology-guided neuro-symbolic convNeXtV2–swin transformer for explainable cytological classification of papillary thyroid carcinoma

研究人員開發了一個混合模型，將細胞與細胞核的精細細節與更廣泛的空間脈絡相結合，以解決從細胞學分類甲狀腺乳突癌的困難。該模型在獨立測試集上達到 96.19% 的準確率，在外部測試上則為 91.4%。歸因分析與本體論引導的詮釋支援了結合病理資訊的解釋，但並未提供獨立的生物標記偵測或等同專家的病理推理。