在癌症成像中发现定量生物标志物的基础模型
Suraj Pai1,2,3, Dennis Bontempi1,2,3, Vasco Prudente1,2,3
1Artificial Intelligence in Medicine (AIM) Program, Mass General Brigham, Harvard Medical School, Harvard Institutes of Medicine, 77 Avenue Louis Pasteur, Boston, MA 02115, United States of America.
medRxiv : the preprint server for health sciences
|September 21, 2023
概括
在大量数据上训练的基础模型,加速了医学中成像生物标记物的发现. 这些模型提高了效率和性能,特别是在有限的数据下,优于传统方法.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 生物标志物发现发现
背景情况:
- 基础模型在深度学习中提供了一个强大的范式,利用大规模的自我监督预训.
- 医疗应用经常面临挑战,因为用于训练专业模型的标签数据稀缺.
- 图像化生物标志物对于疾病诊断和监测至关重要,但它们的发现可能需要大量的数据.
结论:
- 基金会模型对于发现新型成像生物标志物具有巨大的潜力.
- 这种方法可以加速成像生物标志物的转化到临床实践中.
- 该方法对医疗AI和临床用例中的更广泛应用充满希望.
