AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-21
透過集成基礎模型，邁向可靠的巴瑞特氏食道病理形態學亞型分類與癌症偵測
原標題: Towards reliable morphological subtyping and cancer detection on Barrett’s esophagus pathology through ensembling foundation models
組織病理學基礎模型（Histo-FMs）在真實世界診斷任務上的可靠性始終未經證實。在涵蓋從正常到食道腺癌各類別、來自790位病患的3528張 H&E 染色全載玻片影像所組成的 BarrettNet 隊列上，研究人員測試了將其用於巴瑞特氏食道（Barrett's esophagus）形態學亞型分類與癌症偵測的表現。將跨放大倍率與主幹網路中最符合專家判斷的五個單一尺度模型集成後帶來漸進的增益（亞型分類的 AUROC 為0.907，癌症偵測為0.909），而異生評估的效益有限，且仍有待外部驗證。