近日，哈佛医学院的研究团队开发了一种CHIEF（Clinical Histopathology Imaging Evaluation Foundation）模型，相关研究成果发表在Nature上。该模型在多种癌症类型的检测中实现了近94%的准确率，显著超越了现有的AI方法。

研究人员使用60530张横跨19个解剖部位的全片图像来开发CHIEF。通过对44tb高分辨率病理成像数据集的预训练，CHIEF提取了对癌细胞检测、肿瘤起源鉴定、分子谱表征和预后预测有用的微观表征。

使用从国际上24家医院和队列中收集的32个独立载片组的19491张全片图像成功验证了CHIEF。

总体而言，CHIEF的表现比最先进的深度学习方法高出36.1%，这表明它有能力解决来自不同人群的样本中观察到的肿瘤区域转移，并通过不同的幻灯片制备方法进行处理。CHIEF为肿瘤患者的高效数字化病理评估提供了可推广的基础。

研究团队计划进一步改进CHIEF的性能，包括对罕见疾病和非癌性疾病的组织图像进行额外训练，纳入恶性肿瘤前组织样本，让模型接触更多分子数据，并训练其预测新型癌症治疗的益处和副作用。

总之，这一研究的重要性在于，它为癌症的诊断和治疗提供了更精确、适应性更强的工具，有望帮助识别早期癌症患者，并缩小全球范围内癌症治疗在研发和应用方面的差距。

（环球医学编辑：余霞霞）

A pathology foundation model for cancer diagnosis and prognosis prediction
https://pubmed.ncbi.nlm.nih.gov/39232164/
Nature 重磅：哈佛研究团队用 AI 检测癌症准确率高达 94%
https://new.qq.com/rain/a/20240911A078I800