ドメイン知識を用いた病理学基盤モデルの構造化

科学分野:

• 人工知能
• 計算病理学
• 医療情報学

背景:

• 基盤モデルは医療研究でますます使用されています。
• 構造化された知識をAIモデルに統合することでパフォーマンスを向上させることができます。
• 病理学ベンチマークは、希少疾患の分類においてしばしば課題に直面します。

研究 の 目的:

• 知識誘導型ビジョン言語基盤モデルであるKEEPを導入すること。
• 階層的な疾患知識を活用して、病理学におけるAIパフォーマンスを向上させること。
• がん分類のためのゼロショットおよび少数ショット学習能力を強化すること。

主な方法:

• ビジョン言語基盤モデルであるKEEPを開発しました。
• 事前学習中に構造化された疾患グラフを使用して、階層的な疾患知識を組み込みました。
• 複数の病理学ベンチマークでモデルのパフォーマンスを評価しました。

主要な成果:

• 知識誘導型学習により意味表現が向上しました。
• 病理学ベンチマーク全体で、ゼロショットおよび少数ショットのパフォーマンスが向上しました。
• 希少がん分類において顕著な改善を示しました。

結論:

• KEEPは、階層的な疾患知識を基盤モデルに効果的に統合します。
• このモデルは、計算病理学と希少がん診断を進歩させる大きな可能性を示しています。
• 知識誘導型学習は、医療アプリケーションにおけるAIを改善するための有望なアプローチです。