AI 與世界的難題 · 醫學與藥物探索 · Nature (machine learning) · 2026-10-26
端到端學習與基礎模型應用於臨床等級攝護腺病理的比較分析
原標題: Comparative analysis of end-to-end learning and foundation models for clinical-grade prostate pathology
以自監督方式預訓練的基礎模型被廣泛推崇為病理學的通用解決方案，但其相較於特定任務模型的優勢仍不明確。作者利用來自 15 個地點、6,268 名患者的逾 100,000 份攝護腺切片，發現在資料稀少時基礎模型確有幫助，但只要有足夠的標註資料，特定任務模型的表現便能與之相當甚至更好。特定任務訓練也明顯減少了分級錯誤，而基礎模型的能耗最高可達 35 倍。